2. Articole
Permanent URI for this collectionhttps://msuir.usm.md/handle/123456789/17
Browse
2 results
Search Results
Item PROCESAREA IMAGINILOR DIGITALE CU IMPLEMENTAREA ALGORITMILOR ÎNVĂŢĂRII NESUPERVIZATE(CEP USM, 2018) Cristei, MariaLucrarea de faţă prezintă elaborarea unei aplicaţii informatice de procesare a imaginilor bazată pe algoritmi de analiză, de segmentare în baza modelului de culori, cu implementarea metodei de învăţare automată nesupervizată K-means şi a algoritmului de detectare a contururilor Canny, în vederea îmbunătăţirii calităţii imaginilor de înaltă rezoluţie şi extragerii datelor relevante pentru utilizarea ulterioară a acestora în analiza automată sau pentru interpretarea prin afişare. Utilizarea aplicaţiei elaborate la prelucrarea şi analiza imaginilor biomedicale (tomografii computerizate, radiografii, rezonanţă magnetică, ultrasunete şi altele) face posibilă îmbunătăţirea contrastului, codarea intensităţii (nivelurilor de gri) imaginilor monocrome în culori, detectarea contururilor şi recunoaşterea formelor specifice, contribuind astfel la determinarea mai uşoară a unor anomalii. De asemenea, acestea pot fi utilizate pentru monitorizarea pacienţilor şi pentru descoperirea/ identificarea de boli şi tumori, îmbunătăţind astfel actul medical.Item PREZICEREA PERFORMANŢELOR STUDENŢILOR FOLOSIND ÎNVĂŢAREA AUTOMATĂ (Machine Learning)(CEP USM, 2017) Cristei, Maria; Marin, Ghenadie; Stelea, VictorÎn prezent, învăţarea automată (machine learning) ocupă un loc important în inteligenţa artificială, preocupându-se de dezvoltarea algoritmilor ce permit unui sistem informatic să înveţe date, reguli şi algoritmi. Învăţarea automată presupune în primul rând identificarea şi implementarea unei modalităţi cât mai eficiente de reprezentare a informaţiilor, în sensul facilitării căutării, reorganizării şi modificării acestora. În acest sens, în prezentul articol se descrie utilitatea şi aplicabilitatea tehnicilor de învăţare automată supervizată la problemele de predicţie şi implementarea acestora în dezvoltarea aplicaţiilor informatice. Aplicaţia elaborată este unică prin felul ei de executare a modelului machine learning de predicţie. Metodologia folosită în aplicaţia elaborată este mixtă, cuprinzând tehnologii complexe de ultimă oră: mediul de dezvoltare Jupyter Notebook, limbajul de programare Python împreună cu cele mai populare librării ale acestuia utilizate în machine learning, instrumente de dezvoltare a aplicaţiei web Flask.