Wyniki wyszukiwania - BazEkon

1

Metoda wektorów nośnych na tle innych metod wielowymiarowej analizy danych

100%

Trzęsiok M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2006

|

13

|

nr 1126 Klasyfikacja i analiza danych - teoria i zastosowania

536-542

Podstawowy cel niniejszego artykułu to przedstawienie wyników analizy porównawczej błędu klasyfikacji generowanego przez metodę wektorów nośnych oraz przez inne metody klasyfikacji wzorcowej (m.in. klasyczną liniową analizę dyskryminacyjną, metodę k najbliższych sąsiadów, drzewa klasyfikacyjne).Porównanie metod realizowane będzie za pomocą symulacji komputerowych, przez zastosowanie metody wektorów nośnych i wybranych, alternatywnych metod dyskryminacji na tych samych zbiorach danych - zarówno rzeczywistych, jak i sztucznych - standardowo wykorzystywanych do badania własności metod wielowymiarowej analizy statystycznej. (fragment tekstu)

2

Symulacyjne porównanie jakości modeli otrzymanych metodą wektorów nośnych z innymi modelami regresji

100%

Trzęsiok M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

2007

|

nr 1189 Zastosowania metod ilościowych

234-241

Metoda wektorów nośnych uważana jest obecnie, oprócz zagregowanych drzew klasyfikacyjnych, za najdokładniejsze narzędzie w dyskryminacji. W dalszej części artykułu przedstawiona zostanie pokrótce metoda wektorów nośnych w regresji oraz próba empirycznego zweryfikowania, na ile metoda wektorów nośnych jest konkurencyjna pod względem dokładności predykcji wobec innych znanych metod regresji, takich jak klasyczna regresja liniowa, a także wybrane metody nieparametryczne: metoda rzutowania, sieci neuronowe, drzewa regresyjne oraz modele zagregowane łączące wiele modeli drzew. (fragment tekstu)

3

Zastosowanie metody SVM w klasyfikacji danych

100%

Trzęsiok M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2004

|

11

|

nr 1022 Klasyfikacja i analiza danych - teoria i zastosowania

116-124

W referacie przedstawiono metodę wektorów nośnych. Dynamiczny rozwój jej zastosowań jest związany z jej własnościami. Po pierwsze, metoda ta umożliwia nieliniową klasyfikację przy zachowaniu dużego uogólnienia otrzymywanego modelu. Nieliniowość klasyfikacji realizuje się przez wybór nieliniowej funkcji jądrowej. Różnorodność możliwości wyboru rodzaju funkcji jądrowej oraz jej parametrów sprawia, że metoda wektorów nośnych pozwala przeszukiwać duży zbiór funkcji dyskryminujących. Po drugie, metoda ta należy do grupy metod odpornych, tzn. dopuszcza, aby w zbiorze uczącym znajdowały się obserwacje błędnie sklasyfikowane, np. w wyniku działania czynników losowych. (fragment tekstu)

4

Metoda wektorów nośnych w konstrukcji nieparametrycznych modeli regresji

100%

Trzęsiok M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2005

|

12

|

nr 1076 Klasyfikacja i analiza danych - teoria i zastosowania

501-510

W następnych częściach pracy przedstawione będą algorytm metody wektorów nośnych w zagadnieniu regresji oraz próba odpowiedzi na pytanie o zasadność wyj boru funkcji jądrowej Gaussa. Przeprowadzona zostanie również analiza błędu średniokwadratowego, który generuje metoda w zależności od postaci funkcji jądrowej oraz jej parametrów. (fragment tekstu)

5

Identyfikacja obserwacji oddalonych z wykorzystaniem metody wektorów nośnych

100%

Trzęsiok M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2007

|

14

|

nr 1169 Klasyfikacja i analiza danych - teoria i zastosowania

350-357

Dyskryminacyjna metoda wektorów nośnych należy do grupy metod odpornych, tzn. że występowanie obserwacji nietypowych lub błędnie sklasyfikowanych w zbiorze uczącym nie wpływa znacząco na jakość otrzymanego modelu. W artykule przedstawiono metodę SVM przeformułowaną tak, by identyfikowała obserwacje oddalone, oraz próbę empirycznego sprawdzenia, czy przeprowadzenie wstępnej identyfikacji i usunięcie obserwacji oddalonych poprawia jakość dyskryminacji na zbiorze testowym. (fragment tekstu)

6

Sentiment Analysis of User Preference for Old vs New Fintech Technology Using Svm and Nb Algorithms

100%

Nurdin T. A., Alexandri M. B., Sumadinata W., Arifianti R.

Management Systems in Production Engineering

|

2023

|

31

|

nr 4

373-380

The aim of this study is to use sentiment analysis to compare the efficiency of old and new fintech technologies by collecting data from various sources and analyzing it using the SVM and NB algorithms. The study seeks to identify opinions or feelings from text in order to provide a clear picture of public opinion and the direction of the debate regarding old and new fintech technologies. The results of the study show that the SVM algorithm has an average accuracy of 87.32% and the NB algorithm has an average accuracy of 81.56% in testing the sample data in a comparison of old and new fintech technology on the internet. The study tested data in a comparison of two specific arguments, namely the debate about which technology is more efficient in old and new fintech on the internet. Despite many unresolved arguments, the study successfully proved that new fintech is more preferred than old fintech, with 71% positive sentiment directed towards new fintech. However, the dataset also found that 62% negative sentiment is directed towards new fintech, indicating that although new fintech is more preferred, there are still some issues that need to be addressed. One reason for negative sentiment towards new fintech may be the continued concerns about security and privacy of user data. Furthermore, other factors that may cause negative sentiment towards new fintech include a lack of understanding about how the technology works. (original abstract)

7

Problem doboru zmiennych do modelu dyskryminacyjnego budowanego metodą wektorów nośnych

75%

Trzęsiok M.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia

|

2009

|

16

|

nr 47 Klasyfikacja i analiza danych - teoria i zastosowania

214-222

(...) w artykule zaproponowano modyfikację znanej metody doboru zmiennych do modelu przez stworzenie ich rankingu i eliminację zmiennych redundantnych. Zbadano również, wykorzystując empiryczne badania symulacyjne, czy usunięcie ze zbioru zmiennych objaśniających tych, które zidentyfikowano jako nieistotne, ma wpływ na poprawność klasyfikacji nowych obserwacji w modelach SVM. Informacja o tym, które ze zmiennych objaśniających mają największy wpływ na otrzymaną klasyfikację obiektów, a także które zmienne można uznać za nieistotne w danym zadaniu dyskryminacji, jest szczególnie ważna dla decydentów i znacznie wspomaga proces podejmowania decyzji. (fragment tekstu)

8

Przegląd metod doboru zmiennych do modeli budowanych metodą wektorów nośnych

75%

Trzęsiok M.

Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach

|

2010

|

Metody i modele analiz ilościowych w ekonomii i zarządzaniu. Cz. 2

78-94

Metoda wektorów nośnych (SVM - Support Vector Machines) należy do grupy eksploracyjnych metod wielowymiarowej analizy statystycznej. Została zaproponowana jako metoda dyskryminacji, czyli metoda klasyfikacji wzorcowej, w której dany jest pewien zbiór uczący, tj. taki zbiór, w którym znana jest przynależność do klas obserwacji w nim zawartych. Celem metod dyskryminacji jest rozpoznanie reguł przynależności obiektów do odpowiednich klas na podstawie informacji ze zbioru uczącego, by następnie wykorzystać te reguły do klasyfikowania nowych obiektów. Predykcja na podstawie modeli zbudowanych metodą wektorów nośnych jest obok predykcji modeli zagregowanych drzew klasyfikacyjnych najdokładniejszą w porównaniu z innymi znanymi obecnie modelami klasyfikacji.

9

Model procesu produkcyjnego w wektorowej przestrzeni ryzyka oparty na analogii do przestrzeni pola elektromagnetycznego

75%

Sabik T., Milówka B.

Infrastruktura i Ekologia Terenów Wiejskich

|

2023

|

nr I/1

5-58

Do opisu procesu produkcyjnego zastosowano model oparty na wektorowej przestrzeni waluty, unormowanej klasą norm Minkowskiego. W wyniku unormowania tej przestrzeni równoważnymi normami otrzymano przestrzenie: ekonomiczną, ryzyka, wykonawcze i decyzyjną z metrykami zadanymi przez te normy należącymi do klasy metryk Minkowskiego. Każda z tych przestrzeni umożliwia analizę i ocenę zjawiska gospodarczego: przestrzeń ekonomiczna, w oparciu o własne założenia i dane rynkowe, umożliwia określenie planowanych wartości i wyznaczenie efektu ekonomicznego (mierzonego w pieniądzu), przestrzeń ryzyka, w oparciu o dane z przestrzeni ekonomicznej i dane rynkowe, przy wykorzystaniu analogii do przestrzeni fizycznej uwzględnia ryzyko i umożliwia wyznaczenie wielkości jakościowych w obiektach ryzyka, przestrzenie wykonawcze, w oparciu o dane z przestrzeni ryzyka i dane rynkowe, umożliwiają wybór najkorzystniejszych wariantów, przestrzeń decyzyjna, w oparciu o dane z przestrzeni wykonawczych, umożliwia podjęcie decyzji o wyborze najkorzystniejszego wariantu. (abstrakt oryginalny)

10

Próba wykorzystania metody wektorów nośnych do identyfikowania obserwacji oddalonych dla danych społeczno-ekonomicznych

75%

Trzęsiok M.

Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach

|

2012

|

Metody i modele analiz ilościowych w ekonomii i zarządzaniu. Cz. 4

112-125

Niezależnie od tego, jak bardzo wyrafinowana metoda zostanie użyta do zbudowania modelu statystycznego, jakość tego modelu zależy wprost od jakości danych wykorzystanych do jego wyznaczenia. Często w rzeczywistych zbiorach danych występują pewne obserwacje, których wartości stanowią nietypowe realizacje odpowiednich zmiennych. Wynika to ze specyfiki badanego zjawiska lub też z różnego rodzaju błędów. Ponieważ obserwacje te mogą mieć istotny wpływ na wyniki analizy wymagają szczególnej uwagi. Metoda wektorów nośnych (SVM - Support Vector Machines), pierwotnie skonstruowana jako metoda dyskryminacji, może zostać przeformułowana tak, aby realizowała także zadanie identyfikowania obserwacji oddalonych. W takim przypadku jej działanie jest podobne w pewnym sensie do metod taksonomicznych (bezwzorcowych), gdyż polega ona na tym, że traktując cały zbiór uczący, jak zbiór obiektów należących do jednej klasy, identyfikuje obszar przestrzeni, w którym skupione są poddane analizie obserwacje, to znaczy identyfikuje nośnik wielowymiarowego rozkładu, którego realizacjami jest analizowany zbiór danych. Otrzymujemy w ten sposób funkcję, która przyjmuje wartość -1 w obszarach, gdzie prawdopodobieństwo wystąpienia obserwacji jest bardzo małe i wartość +1 w obszarze będącym nośnikiem rozkładu. Funkcja ta identyfikuje obiekty oddalone. (fragment tekstu)

11

Wyodrębnianie reguł klasyfikacyjnych z modelu dyskryminacyjnego budowanego metodą wektorów nośnych

75%

Trzęsiok M.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia

|

2010

|

17

|

nr 107 Klasyfikacja i analiza danych - teoria i zastosowania

316-324

Metoda wektorów nośnych (SVM) jest jedną z najdokładniejszych metod dyskryminacji. Istotną barierą dla zwiększenia zakresu zastosowań metody SVM jest to, że otrzymywany model jest bardzo słabo interpretowalny. W celu wyodrębnienia reguł klasyfikacyjnych, według których metoda decyduje o wskazaniu przynależności do klasy, można wykorzystać modele drzew klasyfikacyjnych, których wyniki są łatwe w interpretacji. W artykule zaproponowano procedurę wyodrębniania reguł z modeli SVM i zilustrowano ją na danych rzeczywistych.(abstrakt oryginalny)

12

Clustering Methods Applied to Reduce the Training Sample Size in Support Vector Machines

75%

Trzęsiok M.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2009

|

225 Methodological Aspects and Applications of Multivariate Statistical Analysis

227-233

Metoda wektorów nośnych jest metodą dyskryminacji generującą nieliniowe modele o dużym stopniu uogólnienia (małych błędach klasyfikacji na zbiorach testowych). Jednak ze względu na dużą złożoność obliczeniową, związaną z koniecznością rozwiązania zadania optymalizacji wypukłej, które jest podstawowym elementem algorytmu metody, stosowanie metody, szczególnie w przypadku zbiorów uczących o dużej liczebności, nie zawsze jest możliwe. Złożoność obliczeniowa algorytmu metody wektorów nośnych zależy przede wszystkim od liczby obserwacji w zbiorze uczącym. Jako rozwiązanie tego problemu Wang, Wu i Zhang zaproponowali pogrupowanie danych ze zbioru uczącego za pomocą taksonomicznej metody AT-średnich i zastosowanie metody wektorów nośnych na dużo mniej licznym zbiorze środków ciężkości tak otrzymanych klas. W artykule przedstawiona została ocena analogicznego podejścia, wykorzystującego do grupowania metodę K-medoidów oraz porównanie z oryginalną metodą wektorów nośnych. (abstrakt oryginalny)

13

Modelling Microcystis Cell Density in a Mediterranean Shallow Lake of Northeast Algeria (Oubeira Lake), Using Evolutionary and Classic Programming

75%

Arif S., Djellal A., Djebbari N., Belhaoues S., Touati H., Guellati F. Z., Bensouilah M.

Geomatics and Environmental Engineering

|

2023

|

nr 17/2

31-68

Caused by excess levels of nutrients and increased temperatures, freshwater cyanobacterial blooms have become a serious global issue. However, with the development of artificial intelligence and extreme learning machine methods, the forecasting of cyanobacteria blooms has become more feasible. We explored the use of multiple techniques, including both statistical [Multiple Regression Mod- el (MLR) and Support Vector Machine (SVM)] and evolutionary [Particle Swarm Optimization (PSO), Genetic Algorithm (GA), and Bird Swarm Algorithm (BSA)], to approximate models for the prediction of Microcystis density. The data set was collected from Oubeira Lake, a natural shallow Mediterranean lake in the north- east of Algeria. From the correlation analysis of ten water variables monitored, six potential factors including temperature, ammonium, nitrate, and ortho-phos- phate were selected. The performance indices showed; MLR and PSO provided the best results. PSO gave the best fitness but all techniques performed well. BSA had better fitness but was very slow across generations. PSO was faster than the other techniques and at generation 20 it passed BSA. GA passed BSA a little further, at generation 50. The major contributions of our work not only focus on the modelling process itself, but also take into consideration the main factors affecting Microcystis blooms, by incorporating them in all applied models.(original abstract)

14

Symulacyjna ocena jakości zagregowanych modeli zbudowanych metodą wektorów nośnych

75%

Trzęsiok M.

Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach

|

2013

|

nr 132 Zastosowania metod matematycznych w ekonomii i zarządzaniu

115-126

Wyniki publikowane w wielu pozycjach literatury świadczą o tym, że dyskryminacja z wykorzystaniem metody wektorów nośnych na ogół daje mniejsze błędy klasyfikacji niż metody alternatywne. Otrzymane za jej pomocą modele są nieliniowe, przestrzeń hipotez jest bardzo liczna, ale jednocześnie w metodzie jest wykorzystywany mechanizm regularyzacji przeciwdziałający nadmiernemu dopasowaniu modelu do danych ze zbioru uczącego, gdyż jest to częstą przyczyną wystąpienia dużych błędów predykcji. Istnieje naturalny sposób przeformułowania metody wektorów nośnych tak, aby realizowała zadania regresji. Wiele pożądanych własności dyskryminacyjnej metody SVM przenosi się na jej odpowiednik regresyjny, lecz w porównaniu z innymi modelami regresji wydaje się tracić pozycję metody najdokładniejszej na rzecz metod wykorzystujących drzewa regresyjne. Ponadto metody zagregowanych drzew regresyjnych wydają się mieć przewagę w większej prostocie oraz możliwościach interpretowania modeli składowych i pozyskiwania z nich wiedzy o badanym zjawisku. Ich algorytm jest prostszy i efektywniejszy pod względem numerycznym niż w metodzie SVM. Na uwagę zasługuje fakt, potwierdzony również przyspieszonym rozwojem badań w tym obszarze, że na ogół najlepsze rezultaty można otrzymać, gdy buduje się nie jeden model, lecz wiele modeli składowych, które się agreguje otrzymując model końcowy. Zasadę tą przede wszystkim jednak stosuje się do agregowania modeli drzew regresyjnych. Ze względu na wbudowany mechanizm redukcji wariancji modelu w algorytmie metody wektorów nośnych nie zawsze stosowanie techniki łączenia równoległego modeli prowadzi do wygenerowania modelu o dokładniejszej predykcji niż model zbudowany wprost na całym zbiorze uczącym z odpowiednio dobranymi parametrami. Wobec niewielkiej redukcji błędu predykcji oraz znacznej złożoności obliczeniowej pojedynczej metody SVM można więc uznać, że dodatkowe powiększanie tej złożoności przez stosowanie techniki łączenia równoległego wielu składowych modeli SVM nie jest zasadne. Interesująca wydaje się jednak inna możliwość łączenia wielu modeli SVM o strukturze sekwencyjnej. (fragment tekstu)

15

Predicting the Default Risk of Companies. Comparison of Credit Scoring Models: LOGIT vs Support Vector Machines

63%

Nehrebecka N.

Ekonometria / Uniwersytet Ekonomiczny we Wrocławiu

|

2018

|

22

|

nr 2

54-73

Celem artykułu jest porównanie modeli na próbie uczącej się i testowej, które powstaną za pomocą regresji logistycznej oraz Support Vector Machine (SVM) i posłużą do oceny ryzyka kredytowego przedsiębiorstw niefinansowych. Podczas tworzenia modeli zmienne zostaną poddane transformacji Weight of Evidence (WoE), liczba potencjalnych predykatorów zostanie zredukowana na podstawie statystyki Information Value (IV). Jakość modeli zostanie oceniona według najpopularniejszych kryteriów, takich jak statystyka Giniego, Kołmogorowa-Smirnowa (K-S) oraz Area Under Receiver Operating Characteristic (AUROC). Na podstawie wyników stwierdzono, iż występują istotne różnice między modelem regresji logistycznej o charakterze dyskryminacyjnym a SVM dla próbki modelowej. W przypadku próby walidacyjnej regresja logistyczna ma najlepszą zdolność prognostyczną. Analizy te można wykorzystać w celu zmniejszenia ryzyka negatywnych skutków dla sektora finansowego.(abstrakt oryginalny)

16

Zarys teoretycznych podstaw metody dyskryminacji wykorzystującej wektory nośne

63%

Trzęsiok M.

Studia Ekonomiczne / Akademia Ekonomiczna w Katowicach

|

2005

|

nr 36 Zastosowania metod matematycznych w ekonomii i zarządzaniu

183-191

Minimalizacja błędu klasyfikacji w zbiorze uczącym jest zazwyczaj podstawowym kryterium wyboru funkcji klasyfikującej. Taka postać kryterium wiąże się jednak z możliwością wyznaczenia bardzo złożonej funkcji klasyfikującej o niewielkiej zdolności objaśniania (uogólnienia). W opracowaniu przed-stawiono inne kryterium, tzw. zasadę minimalizacji ryzyka strukturalnego, która oprócz jakości dyskryminacji uwzględnia również stopień uogólnienia wyznaczanego modelu. Następnie przedstawiono zarys pewnej metody dyskryminacji, skonstruowanej na podstawie zasady minimalizacji ryzyka strukturalnego, zwanej metodą wektorów nośnych.(fragment tekstu)

17

Empiryczna ocena wrażliwości metody wektorów nośnych na występowanie obiektów błędnie sklasyfikowanych w zbiorze uczącym

63%

Trzęsiok M.

Studia Ekonomiczne / Akademia Ekonomiczna w Katowicach

|

2008

|

nr 50 Zastosowanie metod matematycznych w ekonomii i zarządzaniu

151-159

Metoda wektorów nośnych jest uważana za metodę odporną. W dalszej części artykułu przedstawiono pokrótce algorytm metody SVM, ze szczególnym uwzględnieniem elementów czyniących ją odporną na błędy występujące w zbiorze uczącym, a następnie empirycznie sprawdzono na zbiorze danych standardowo wykorzystywanym do badania własności metod wielowymiarowej analizy statystycznej, w jakim stopniu metoda jest odporna. Dla porównania zbadano również konkurencyjne metody dyskryminacji. (fragment tekstu)

18

Zastosowanie uczenia maszynowego w predykcji rezultatów meczów piłki nożnej

63%

Głowania S., Kozak J.

Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach

|

2021

|

Modelowanie preferencji a ryzyko '21-'22

119-133

Podczas doboru odpowiedniego algorytmu uczenia maszynowego często spotykanym podejściem jest porównywanie ze sobą (w różnych kombinacjach) wyników uzyskanych przez drzewa decyzyjne (ang. decision trees, DT), maszynę wektorów nośnych (ang. support vector machine, SVM) i lasy losowe (ang. random forest, RF), dlatego algorytmy te zostaną zastosowane w przygotowanym eksperymencie. Głównym celem rozdziału jest wybranie algorytmów uczenia maszynowego pozwalających na poprawę predykcji wyników meczów piłkarskich w stosunku do przewidywań bukmacherów. Do weryfikacji, czy za-proponowany algorytm pozwala na poprawę wyników klasyfikacji, niezbędne jest opracowanie zbioru danych oraz wytrenowanie poszczególnych modeli. Postawiono hipotezę, iż zastosowanie opracowanego modelu opartego na prostej tabeli decyzyjnej pozwoli na poprawę predykcji wyników meczów piłkarskich polskiej PKO Ekstraklasy względem przewidywań bukmacherów. Ocena poprawy predykcji zostanie dokonana na podstawie uzyskanego zysku/ straty w symulacji zakładów bukmacherskich. W kolejnej części rozdziału przedstawiono zagadnienia związane z dokonanym przeglądem literatury dotyczącej predykcji wyników sportowych. Następnie opisano zastosowane w przygotowanym rozwiązaniu algorytmy. Dalej zaprezentowano przeprowadzone eksperymenty i ich wyniki. W ostatniej sekcji krótko podsumowano uzyskane wyniki i przedstawiono dalsze wizje prac. (fragment tekstu)

19

Analiza wybranych formalnych własności taksonomicznej metody wektorów nośnych

63%

Trzęsiok M.

Studia Ekonomiczne / Akademia Ekonomiczna w Katowicach

|

2010

|

nr 56 Zastosowanie metod matematycznych w ekonomii i zarządzaniu

147-157

Badania przeprowadzono na zbiorach danych sztucznych, Smiley, Circle, Twonorm, Spirals. Wygenerowanych za pomocą funkcji z biblioteki mlbench programu statystycznego R. Zbiory te zostały zaprojektowane do sprawdzania własności metod wielowymiarowej analizy statystycznej. Symulacje przeprowadzone na wymienionych zbiorach wskazują, że taksonomiczna metoda wektorów nośnych ma podstawową własność niewrażliwości na permutacje. Końcowy model otrzymany w wyniku zastosowania metody wektorów nośnych jest w pełni opisany za pomocą wybranej funkcji jądrowej oraz zidentyfikowanych wektorów nośnych. W przeprowadzanych analizach zawsze stosowano funkcję jądrową Gaussa, więc wystarczyło sprawdzać, czy zbiór wektorów nośnych zmienia się po permutowaniu obserwacji w zbiorze danych. Takich zmian nie odnotowano.(fragment tekstu)

20

Machine-Learning Methods for Assessing Dynamic Resistance of Existing Bridge Structures Subjected to Mining Tremors

63%

Rusek J.

Geomatics and Environmental Engineering

|

2018

|

nr 12/1

109-120

W pracy przedstawiono wyniki badań, których celem było utworzenie modelu pozwalającego na określenie odporności istniejących obiektów mostowych na wpływy wstrząsów górniczych. Podstawą do analiz była utworzona przez autora baza danych o odporności dynamicznej żelbetowych obiektów mostowych poddanych wymuszeniu sejsmicznemu charakterystycznemu dla terenu Legnicko-Głogowskiego Okręgu Miedziowego (LGOM). Odporność dynamiczna każdego obiektu w bazie danych została wyrażona w postaci granicznych wartości przyspieszeń drgań gruntu, jakie dana konstrukcja może przejąć bez zagrożenia bezpieczeństwa. Badania przeprowadzono, wykorzystując metodę Support Vector Machine (SVM) w ujęciu regresyjnym (SVR - Support Vector Regression) oraz sztuczne sieci neuronowe (ANN - Artificial Neural Network). Utworzone w ten sposób modele porównano w aspekcie jakości predykcji oraz uogólniania nabytej wiedzy. Pozwoliło to na wytypowanie metody najbardziej efektywnej pod względem oceny odporności dynamicznej istniejących obiektów mostów. (abstrakt oryginalny)