Hubert Anysz
Czasopismo Techniczne, Budownictwo Zeszyt 1-B (5) 2014, 2014, s. 105 - 118
https://doi.org/10.4467/2353737XCT.14.088.2538There are two types of collusion which can harm Clients. This paper proposes two methods of detecting collusion’s and estimation a clients’ potential losses. The first is based on officially recommended factors for collusion detecting. The second one utilizes MLP artificial neural networks. Results are compared and discussed.
Hubert Anysz
Czasopismo Techniczne, Volume 6 Year 2017 (114), 2017, s. 51 - 58
https://doi.org/10.4467/2353737XCT.17.086.6562W artykule porównano wyniki prognoz uzyskane wielowarstwowymi sztucznymi sieciami neuronowymi (obliczenia wykonano pakietem Matlab R2015a). Pierwsza z nich miała jeden neuron w warstwie wyjściowej, któremu przypisano wartość opóźnienia w terminie zakończenia danej budowy. Warstwę wyjściową drugiej sieci stanowiły trzy neurony, zawierające wartości funkcji przynależności tego samego opóźnienia do trzech zborów rozmytych. Do porównania dokładności prognoz uzyskanych z dwóch ww. sztucznych sieci neuronowych zastosowano średni błąd kwadratowy. Wymagało to znalezienia najlepszej metody defuzzyfikacji prognoz otrzymanych w postaci liczb rozmytych. Dokładność prognoz została porównana i przedyskutowana.