Książki/rozdziały (WU)
Stały URI dla tej kolekcji
Przeglądaj
Ostatnio nadesłane prace
1 - 5 z 1156
-
RekordZastosowanie uczenia maszynowego do wczesnej detekcji stresu u pomidorów (Solanum lycopersicum) w uprawach szklarniowych na podstawie wydzielanych lotnych związków organicznych / Application of Machine Learning for Early Detection of Stress in Tomato Plants (Solanum Lycopersicum) in Greenhouse Cultivation Based on Emitted Volatile Organic Compounds(Akademia Bialska im. Jana Pawła II, 2026)Wobec rosnących wymagań dotyczących produkcji rolniczej oraz potrzeby ograniczenia stosowania chemicznych środków ochrony roślin, coraz większego znaczenia nabierają metody umożliwiające wczesne i precyzyjne wykrywanie stresu u roślin. Rośliny pomidora (Solanum lycopersicum) emitują charakterystyczne zestawy lotnych związków organicznych (LZO), których profil ulega zmianie pod wpływem różnych bodźców biotycznych i abiotycznych. W prezentowanej pracy, z wykorzystaniem nadzorowanego uczenia maszynowego, podjęto próbę weryfikacji wstępnej hipotezy mówiącej, że zmiany w emisji LZO mogą odzwierciedlać działanie odmiennych czynników stresowych. Takie podejście mogłoby znaleźć zastosowanie w systemach wczesnego wykrywania zagrożeń wpływających na wielkość i jakość plonu, opartych na sieciach czujników oraz algorytmach przetwarzających i interpretujących dane. Rozwiązania tego typu szczególnie dobrze wpisują się w warunki upraw szklarniowych, gdzie łatwiej o kontrolę środowiska i wiarygodny odczyt sygnałów. W oparciu o dane z publikacji naukowych zbudowano niewielki model drzewa decyzyjnego w ramach strategii Proof-of-Concept, którego działanie potwierdziło, że zmienność emisji wybranych grup związków lotnych może stanowić podstawę do rozróżniania analizowanych kategorii stresu, pomimo istotnych ograniczeń wynikających ze zróżnicowania źródeł i protokołów badawczych.
-
RekordWdrożenie systemu wizyjnego opartego na sztucznej inteligencji w kontroli jakości produktu – studium przypadku z Helvoet Polska / Implementation of an Artificial Intelligence-Based Vision System in Product Quality Control: A Case Study of Helvoet Poland(Akademia Bialska im. Jana Pawła II, 2026)Celem rozdziału jest przedstawienie wyników wdrożenia systemu wizyjnego opartego na sztucznej inteligencji AI (ang. AI-based vision – system wizyjny oparty na sztucznej inteligencji) w kontroli jakości wyrobu wulkanizowanego w Helvoet Polska. We wstępie uzasadniono ekonomiczne i operacyjne przesłanki zmiany (koszty jakości, ograniczenia kontroli manualnej) oraz porównano klasyczne systemy regułowe z podejściem zintegrowanym z PLC (ang. programmable logic controller – programowalny sterownik logiczny). Następnie zaprezentowano kontekst procesu oraz metodykę studium przypadku z porównaniem przed-po w dwóch porównywalnych oknach czasowych. Rdzeń rozdziału obejmuje opis architektury (kamera-optyka-oświetlenie- -PLC), przebieg wdrożenia (ROI, szkolenia, uruchomienie, walidacja) oraz wyniki, w tym spadek poziomu braków. Każdy z analizowanych okresów obejmował cztery tygodnie produkcji, co pozwoliło na porównanie wyników w zbliżonych warunkach operacyjnych, jednak relatywnie krótki czas obserwacji stanowi ograniczenie badania. Dyskusja identyfikuje czynniki sukcesu (stabilne warunki optyczne, poziom kontroli) i obszary do poprawy (krawędzie 3D, próg adaptacyjny, diagnostyka zabrudzeń optyki). W zakończeniu omówiono ograniczenia (jedno gniazdo, jeden wyrób) i sformułowano implikacje dla skalowania rozwiązania.
-
RekordRobotyzacja i sztuczna inteligencja w gospodarce – korzyści i zagrożenia w sektorze prywatnym i państwowym / Robotics and Artificial Intelligence in the Economy – Benefits and Risks in the Private and Public Sectors(Akademia Bialska im. Jana Pawła II, 2026)Celem rozdziału jest przedstawienie wyników analizy wpływu robotyzacji i sztucznej inteligencji (ang. artificial intelligence – AI) na transformację współczesnej gospodarki, z uwzględnieniem specyfiki funkcjonowania sektora prywatnego oraz publicznego. W pierwszej części rozdziału dokonano konceptualizacji kluczowych pojęć. Zasadniczą część opracowania skoncentrowano na identyfikacji głównych korzyści płynących z implementacji sztucznej inteligencji i robotyzacji – takich jak wzrost efektywności operacyjnej, redukcja kosztów, poprawa jakości usług publicznych i komercyjnych – oraz na wskazaniu fundamentalnych zagrożeń. Szczególną uwagę poświęcono zagadnieniom cyberbezpieczeństwa, postrzeganego jako warunek zrównoważonego i bezpiecznego rozwoju technologii inteligentnych. Przeprowadzona analiza przypadków wdrożeń w sektorze przemysłowym, administracyjnym oraz usługowym umożliwiła identyfikację czynników sukcesu i porażki projektów opartych na AI. Wnioski wskazują na konieczność prowadzenia spójnej, wielowymiarowej polityki transformacyjnej, łączącej innowacyjność z odpowiedzialnością społeczną i bezpieczeństwem systemowym, co jest niezbędne do pełnego wykorzystania potencjału AI i robotyzacji w warunkach współczesnych wyzwań cywilizacyjnych.
-
RekordPrzegląd technik haszowania w zabezpieczaniu modeli AI i rozpoznawaniu ataków typu data poisoning przy użyciu detekcji kolizji haszy / Overview of Hashing Techniques for Securing AI Models and Recognizing Data Poisoning Attacks Using Hash Collision Detection(Akademia Bialska im. Jana Pawła II, 2026)Praca koncentruje się na bezpieczeństwie modeli sztucznej inteligencji (AI) oraz wykorzystaniu funkcji skrótu do ochrony integralności danych treningowych przed atakami typu data poisoning. Modele AI, szczególnie w zastosowaniach krytycznych, są narażone na manipulacje danymi, które mogą prowadzić do błędnych decyzji systemu. Funkcje skrótu, takie jak SHA-256 czy BLAKE2, pozwalają wykrywać nawet minimalne zmiany w danych, dzięki czemu stanowią ważny element systemów zabezpieczeń. W badaniach porównano wydajność algorytmów MD5, SHA-1, SHA-256, BLAKE2 i bcrypt w językach Python i Rust, analizując zależność między szybkością a poziomem bezpieczeństwa. Wyniki pokazały, że lekkie algorytmy działają błyskawicznie, lecz są mniej odporne, natomiast bcrypt – mimo większych opóźnień – oferuje najwyższy poziom ochrony haseł. Wnioski podkreślają konieczność stosowania silnych funkcji skrótu do weryfikacji integralności danych oraz adaptacyjnych algorytmów (np. bcrypt) w systemach przechowujących dane wrażliwe.
-
RekordPorównanie regresji liniowej (dynamicznej AR(2)-X) i sieci neuronowych w prognozowaniu cen nieruchomości mieszkaniowych w Polsce – analiza na danych kwartalnych 2014–2024 / Comparison of Linear Regression (Dynamic AR(2)-X) and Neural Networks in Forecasting Residential Real Estate Prices in Poland – Analysis on Quarterly Data 2014–2024(Akademia Bialska im. Jana Pawła II, 2026)Celem rozdziału jest porównanie skuteczności prognozowania cen nieruchomości mieszkaniowych w Polsce za pomocą modelu regresji dynamicznej typu AR(2)-X (OLS/MNK) oraz sztucznych sieci neuronowych (ANN). Analiza oparta jest na danych GUS z lat 2014-2024 dotyczących rynku wtórnego w 16 miastach wojewódzkich. Przedstawiono konstrukcję modeli, ich walidację oraz ocenę jakości prognoz. Model regresji dynamicznej AR(2)-X charakteryzował się wysoką dokładnością, osiągając MAPE 2,05% i MAE 206,71 zł/m². Model sieci neuronowej MLP, choć przewyższał modele naiwne, uzyskał wyższe błędy predykcyjne: MAPE 2,24% i MAE 220,76 zł/ m².