Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "artificial" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 44
Tytuł:
Ocena efektywności neuronowego prognozowania w oparciu o wybrane metody na przykładzie dystrybucji produktów rolniczych
Assessment of effectiveness of the neural prediction based on selected methods exemplified by distribution of agricultural products
Autorzy:
Koszela, K.
Boniecki, P.
Weres, J.
Powiązania:
https://bibliotekanauki.pl/articles/287927.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna inteligencja
sztuczne sieci neuronowe
prognozowanie
szeregi czasowe
artificial intelligence
artificial neural networks
prediction
time series
Opis:
Prognozowanie staje się bardzo ważnym etapem w każdej działalności. W przypadku dystrybucji produktów rolniczych mamy do czynienia z szeregiem złożonych bodźców, które przekładają się na wynik końcowy. Natomiast jakość tych prognoz ma ogromne znaczenie na kolejne etapy w łańcuchu produkcyjno-dystrybucyjnym. Sieci neuronowe są bardzo wysublimowaną techniką modelowania, zdolną odwzorować bardzo złożone funkcje. Modelowanie z wykorzystaniem sztucznych sieci neuronowych stosuje się wówczas, gdy nie jest znany dokładny opis matematyczny rozpatrywanego zjawiska, natomiast dobrze określone są jego wejścia i wyjścia. Sztuczna sieć neuronowa potrafi nauczyć się rozpoznawać analizowany problem, dając szybko odpowiedź na zmieniające się parametry wejściowe procesu. W pracy przedstawiono porównanie dwóch metod neuronowego modelowania sprzedaży wybranego produktu.
Prediction becomes a very important stage in many activities. In case of distributing agricultural products we deal with a number of stimuli which consequently transform into the end effect. It is clear that the quality of those predictions has a great influence on subsequent stages in the production and distribution chain. Neural networks are a sophisticated technique of modeling capable of reflecting very complex functions. Modeling using artificial neural networks is used when exact mathematical description of investigated phenomenon is not known but its inputs and outputs are well defined. Artificial neural network can learn to recognize the problem analyzed giving an answer to changing input parameters. In the paper two methods of neural modeling of a chosen agricultural product distribution were presented.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 69-76
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznej inteligencji w diagnostyce procesów przetwórczych
Application of artificial intelligence in processing diagnostics
Autorzy:
Langman, J.
Powiązania:
https://bibliotekanauki.pl/articles/289360.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
przetwórstwo
sztuczna inteligencja
diagnostyka
artificial intelligence
diagnostics
Opis:
W artykule przedstawiono podstawowe schematy diagnostyczne złożonych procesów przetwórczych produktów rolniczych. Z uwagi na silnie nieliniowe związki pomiędzy wejściem i wyjściem danego procesu przetwórczego, do opracowania modułu wnioskowania diagnostycznego procesu można wykorzystać metody sztucznej inteligencji.
The article presents basic diagnostic diagrams of complex farm produce processing. Due to heavily non-linear relations between the input and output of the particular process, for developing a process diagnostic inferencing module methods of artificial intelligence can be used.
Źródło:
Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 279-285
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza i klasyfikacja obrazów suszu warzywnego z wykorzystaniem sztucznych sieci neuronowych
Analysis and classification of dried vegetables’ images with utilization of artificial neural networks
Autorzy:
Koszela, K.
Weres, J.
Powiązania:
https://bibliotekanauki.pl/articles/287257.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna inteligencja
sztuczne sieci neuronowe
rozpoznawanie obiektów
przetwarzanie obrazów
artificial intelligence
artificial neural networks
object recognition
image processing
Opis:
W życiu codziennym bardzo często dokonujemy oceny naszego otoczenia i na tej podstawie podejmujemy decyzje o klasyfikacji obserwowanej sytuacji. Czynimy to w oparciu o obserwację otoczenia jak również napływającą z różnych źródeł informację z wykorzystaniem posiadanej wiedzy i zdolności. Proces ten jest dla nas całkowicie naturalny. Jeżeli jednak chcemy podobne zadanie zlecić systemowi komputerowemu to wówczas musimy wykonać wiele kroków, które pozwolą w części odwzorować za pomocą oprogramowania ludzką zdolność do obserwacji, uczenia się i dokonywania podejmowania ostatecznej decyzji w oparciu o posiadaną wiedzę. Wzrastający poziom komplikacji informacji wywołuje rosnące zapotrzebowanie na systemy zdolne do rozpoznawania i dokonywania klasyfikacji prezentowanych im obiektów. Jednym z takich obiektów jest susz warzywny, którego ocena jakości i jego klasyfikacja przysparza szereg problemów. W pracy przedstawiono koncepcję metody analizy obrazów suszu warzywnego i zastosowanie jej do szybkiego oszacowania udziału poszczególnych frakcji w badanej próbie pod względem barwy i kształtu.
In everyday life we often evaluate our surroundings and on this basis we make decisions about the classification of the observed situation. We do it by watching our surroundings as well as by analysing the information coming to us from various sources by means of the knowledge and the abilities we posses. This process is completely natural for us. However, if we want a computer system to do it, we need to make many steps in order to partly reflect in the software the human ability to observe, learn and make the final decision on the basis of the possessed knowledge. The increasing complexity of information causes a rising demand for systems capable of recognizing and classifying objects presented to them. One of such objects are dried vegetables whose quality evaluation and classification cause many problems. In the thesis the concept of dried vegetables’ image analysis method was presented as well as its application to quick colour and shape evaluation of individual fractions in a tested sample.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 77-82
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Interaktywny system edukacyjny wprowadzający w zagadnienie sztucznych sieci neuronowych
Interactive educational system introducing into issue of artificial neural networks
Autorzy:
Olszewski, T.
Boniecki, P.
Weres, J.
Powiązania:
https://bibliotekanauki.pl/articles/287816.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna sieć neuronowa
edukacyjny system informatyczny
modelowanie neuronowe
sztuczna inteligencja
artificial neural network
educational computer system
artificial intelligence
Opis:
Dziedzina sztucznych sieci neuronowych ma swoje źródło w badaniach dotyczących sztucznej inteligencji. Stanowią one próbę naśladowania najważniejszych cech charakteryzujących biologiczne systemy nerwowe. Nazwą „sztuczne sieci neuronowe” (SSN) określa się dziś najczęściej symulatory programowe, umożliwiające modelowanie sieci na komputerach klasy PC. Sztuczne sieci neuronowe pozwalają na modelowanie systemów empirycznych o nieokreślonych zależnościach, trudnych do opisania tradycyjnymi, deterministycznymi metodami. Mają również zdolność generalizacji i uogólniania. Dzięki swym cechom SSN znajdują zastosowanie w rozwiązywaniu różnych problemów w wielu, niepowiązanych z sobą dziedzinach, jak: finanse, medycyna czy inżynieria rolnicza. Celowe jest więc wykonanie informatycznego systemu edukacyjnego, który pozwoli w łatwy i przystępny sposób zapoznać użytkownika z tematyką modelowania neuronowego.
The domain of artificial neural networks has its own source in the research of artificial intelligence. Artificial neural networks (ANN) are trying to imitate the most important features which represent the biological nervous systems. Nowadays in most cases the name of “artificial neural networks” define as programming simulators which allows the modeling of networks on PC computers. ANN permits to modeling empirical systems which have indefinable relationships and are hard to present in a traditional deterministic methods. They have as well the ability to generalize. Owing to its features, ANN applies in resolving variety of problems in many totally different areas, like: finances, medicine or agricultural engineering. It is purposeful to prepare educational informatics system which allows a user to get closer to subjects of neural modeling in easy and accessible way.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 8, 8; 293-298
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie ceny ogórka szklarniowego za pomocą sieci neuronowych
Forecasting a hothouse cucumber price with the use of neuron networks
Autorzy:
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/288377.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczne sieci neuronowe
prognozowanie
cena
artificial neuron networks
forecasting
price
Opis:
W pracy opracowano modele wykorzystujące sztuczne sieci neuronowe do prognozowania cen ogórka szklarniowego, przy czterech horyzontach prognoz. Porównano dokładności prognoz uzyskanych za pomocą różnych typów sieci neuronowych (liniowych, wielowarstwowych perceptronów i sieci o radialnych funkcjach bazowych). Jako najlepsze modele wybrano sieci liniowe, gdyż pozwalały na uzyskanie najdokładniejszych prognoz.
Models using neuron networks to forecast hothouse cucumber prices have been developed in this research, with four forecast horisons. The accuracy of forecasts obtained with the use of various types of neuron networks (linear, multilayer perceptrons and radial base function networks) have been compared. The linear networks have been selected as the best models as they have generated the most accurate forecasts.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 14, 14; 91-97
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predykcja zmian temperatury dla złoża kompostu w zależności od stopnia napowietrzenia przy pomocy sztucznych sieci neuronowych
Prediction of temperature changes for compost bed depending on aeration degree, carried out using artificial neural networks
Autorzy:
Neugebauer, M.
Piechocki, J.
Sołowiej, P.
Powiązania:
https://bibliotekanauki.pl/articles/288900.pdf
Data publikacji:
2010
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
kompostowanie
sztuczna sieć neuronowa
napowietrzanie
composting
artificial neural network
aeration
Opis:
Efektywność procesu kompostowania zależy od wielu czynników. Jednym z nich jest intensywność napowietrzania złoża kompostu. Również zmiana temperatury procesu w czasie jest ważnym czynnikiem warunkującym jakość uzyskanego kompostu oraz wpływa również na czas trwania procesu kompostowania. W ramach przeprowadzonych badań kompostowano materiał biologiczny pochodzenia rolniczego dla różnych wartości intensywności napowietrzania. W ramach badań mierzono również zmiany temperatury w złożu kompostu w czasie kompostowania. Uzyskane dane zostały następnie wykorzystane do uczenia sztucznych sieci neuronowych (SSN). Wybrane SSN (o najniższych wartościach błędów) zostały następnie wykorzystane do przewidywania zmian temperatury w złożu kompostu i czasu trwania procesu kompostowania dla innych wartości napowietrzania złoża.
Composting process intensity depends on many determinants. One of them is compost bed aeration intensity. Also, process temperature change in time is an important factor determining quality of obtained compost. Moreover, it affects composting process duration. The scope of carried out research involved composting biological material of agricultural origin for different aeration intensity values. Moreover, completed tests covered measuring temperature changes in compost bed during composting. Then, obtained data was used to teach artificial neural networks (ANN). The selected ANN (with lowest error values) were then used to predict temperature changes in compost bed and composting process duration for other bed aeration values.
Źródło:
Inżynieria Rolnicza; 2010, R. 14, nr 3, 3; 151-157
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metoda oceny nowoczesności techniczno-konstrukcyjnej ciągników rolniczych wykorzystująca Sztuczne Sieci Neuronowe. Cz. III: Przykłady zastosowania metody
Method allowing to assess technical and constructional modernity of farm tractors with the use of Artificial Neural Networks. Part III: Method application examples
Autorzy:
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/288949.pdf
Data publikacji:
2010
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
ciągnik rolniczy
sztuczna sieć neuronowa
farm tractor
artificial neural network
Opis:
W pracy przedstawiono wykorzystanie zbudowanych modeli neuronowych do oceny nowoczesności techniczno-konstrukcyjnej (NTK) przykładowych modeli ciągników rolniczych. Ocenie poddano 35 modeli ciągników Case, John Deere, Massey Ferguson i New Holland wprowadzonych do produkcji w latach 1999 do 2007. Ocenione zostały grupy cech charakteryzujące ciągnik rolniczy, a następnie przeprowadzona została ocena końcowa całego ciągnika. Błąd średniokwadratowy oceny końcowej wyniósł zaledwie 0,83 roku, a ocen poszczególnych grup zmieniał się w zakresie od 1,12 roku do 2,38 roku.
The work presents application of developed neural models in order to assess technical and constructional modernity (TCM) of sample farm tractor models. The assessment was carried out for 35 models of Case, John Deere, Massey Ferguson and New Holland tractors launched into production between 1999 and 2007. Groups of properties characteristic for farm tractor were assessed, followed by final evaluation of the whole tractor. Mean square error for final evaluation was only 0.83 years, and in case of assessments for individual groups it ranged from 1.12 to 2.38 years.
Źródło:
Inżynieria Rolnicza; 2010, R. 14, nr 3, 3; 37-44
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza możliwości prognozowania przemieszczeń gleby podczas orki za pomocą klasycznych metod statystycznych oraz sztucznych sieci neuronowych
The analysis of possibilities of predictions of soil dislocations during ploughing using standard statistical methods as well as artificial neural networks
Autorzy:
Niedbała, G.
Klejna, K.
Powiązania:
https://bibliotekanauki.pl/articles/288992.pdf
Data publikacji:
2007
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
erozja uprawowa
sztuczna sieć neuronowa
tillage erosion
artificial neural networks
Opis:
Erozja uprawowa, obok erozji wietrznej i wodnej, może prowadzić do degradacji gleby w szczególności na skłonach pól. Nowoczesne odkładnice stosowane obecnie w trakcie orki charakteryzują się dużymi prędkościami roboczymi, co w konsekwencji może doprowadzić do szybkiego przebiegu tego procesu. Określenie najistotniejszych warunków uprawy i parametrów pracy agregatu umożliwi dokonanie prognozy wielkości poziomego przemieszczenia gleby. W tym celu można zastosować metody statystyczne oraz metody modelowania neuronowego. Obydwie metody dały zadawalający wynik prognozy oraz wykazały największy wpływ prędkości orki na poziome przemieszczenie gleby. Wyniki uzyskane za pomocą modeli neuronowych charakteryzują się większą dokładnością prognozy oraz wyższym współczynnikiem korelacji i determinacji.
Tillage erosion as well as wind and water erosion can lead to the degradation of the soil especially on the inclinations of the fields. Modern mouldboards used nowadays during ploughing are marked by high working speeds which can also accelerate the process of the soil degradation. Determining the most relevant conditions for crops as well as the parameters of the plough work with enable us to predict the size of the horizontal soil dislocations. In order to this, we can either use statistical or neural modelling methods. Both methods gave satisfying predictions results and also showed the huge influence of the ploughing speed on the horizontal soil dislocation. The results obtained from the neural modelling, are marked by higher precision and have a higher correlation and determination coefficient.
Źródło:
Inżynieria Rolnicza; 2007, R. 11, nr 2 (90), 2 (90); 217-224
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Algorytmy genetyczne jako narzędzie optymalizacyjne stosowane w sieciach neuronowych
Genetic algorithms as a optimization tool applied in neural networks
Autorzy:
Olszewski, T.
Boniecki, P.
Weres, J.
Powiązania:
https://bibliotekanauki.pl/articles/289865.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczne sieci neuronowe
algorytmy genetyczne
artificial neural networks
genetic algorithms
Opis:
Rewolucyjne wynalazki człowieka bardzo często powstają w wyniku obserwacji przyrody. Korzysta ona z rozwiązań najlepszych i optymalnych, tak więc wartych naśladowania. Niestety czasami jest to bardzo trudne. Przykładem może być mózg ludzki, którego funkcjonowania nadal nie rozumiemy do końca. Obserwując jego budowę stworzono Sztuczne Sieci Neuronowe, które są jego bardzo uproszczonym modelem mającym wykorzystywać jego najważniejsze cechy czyli zdolność uczenia i kojarzenia. Ewolucja naturalna jest swoistym procesem optymalizacyjnym mającym na celu najlepsze przystosowanie osobników do otaczającego świata, a co się z tym wiąże - przetrwania gatunku. Również mechanizmy ewolucyjne zostały wykorzystane przez człowieka. Jedną z metod odwzorowującą te mechanizmy są algorytmy genetyczne pozwalające na optymalne rozwiązanie różnych problemów. W artykule zostało przedstawione połączenie obu idei.
Revolutionary human inventions very often arise as a result of nature observation. Nature use the best and optimal solutions therefore deserves to copy. Unfortunately, sometimes it’s very hard. Human’s brain can be example, whose functions we don’t fully understand. As a result of observations of the build of human’s brain made artificial neural networks. They are its very simplified model, which use its main features: ability to learn and associate. Natural evolution is peculiar optimization process which purpose is the best adaptation of specimen to the surrounding world and it is in connection with survival of the species. Evolutionary mechanics were exploit by the human as well. Genetic algorithms are one of many methods which model evolutionary mechanics. They allow to find optimal solution for different problems. This article presents the combination both ideas.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 137-143
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do oceny stopnia dojrzałości jabłek
Using artificial neural networks to assess apples ripeness degree
Autorzy:
Górski, M.
Kaleta, J.
Langman, J.
Powiązania:
https://bibliotekanauki.pl/articles/287326.pdf
Data publikacji:
2008
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
jabłko
dojrzałość
sztuczna sieć neuronowa
ripeness
apple
artificial neural network
Opis:
Ocena stopnia dojrzałości jabłek polega na porównaniu kilku mierzalnych parametrów ze stabelaryzowanymi wartościami granicznymi i podjęciu decyzji czy oceniany owoc znajduje się w danym stadium dojrzałości. W pracy podjęto próbę zastosowania sztucznej sieci neuronowej jako klasyfikatora wykorzystywanego do oceny stopnia dojrzałości jabłek.
Assessment of apple ripeness degree involves comparing of several measurable parameters to their tabularised boundary values and deciding, whether a given fruit is currently at a certain ripeness stage. The scope of work included an attempt to use an artificial neural network as a classifier employed to assess ripeness degree of apples.
Źródło:
Inżynieria Rolnicza; 2008, R. 12, nr 7(105), 7(105); 53-56
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rozpoznawanie obrazów z użyciem sztucznych sieci neuronowych
Image recognition with artificial neuron networks
Autorzy:
Langman, J.
Powiązania:
https://bibliotekanauki.pl/articles/290854.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna sieć neuronowa
rozpoznawanie obrazów
artificial neuron network
image recognition
Opis:
W pracy przedstawiono propozycję architektury sztucznej sieci neuronowej, która może być zastosowana do rozpoznawania obrazów. Cechuje się one modularną budową, co powoduje iż rozbudowa już nauczonej sieci polega na dołączeniu nauczonego dodatkowego modułu bez konieczności ingerencji w istniejącą cześć sieci.
The study presents architecture proposal for artificial neuron network, which may be employed for image recognition. Modular structure is characteristic for it, as a result of which development of already taught network involves adding taught extra module without the need to interfere with existing part of the network.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 10, 10; 263-268
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie procesu omłotu przy wykorzystaniu sztucznych sieci neuronowych
Modeling the threshing process when using artificial neural networks
Autorzy:
Złobecki, A.
Macura, R.
Michalczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/291495.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
harvester
threshing process
losses
non-threshing
damage
artificial neural network
Opis:
Celem pracy było wykorzystanie sieci neuronowych jako modelu symulacyjno- decyzyjnego procesu omłotu w kombajnie zbożowym. Proces modelowania polegał na znalezieniu najlepszej sieci neuronowej o najmniejszym błędzie przetwarzania danych kolejno dla niedomłotu i uszkodzeń ziarna. Po przeprowadzeniu procesu uczenia i testowania określono najlepsza sieć tzn. taką, która generuje wielkość strat w postaci niedomłotu i uszkodzeń ziarna z najmniejszym błędem przetwarzania. Kryterium wyboru sieci był najmniejszy błąd dla zbioru walidacyjnego. Zmiennymi prezentowanymi na wejściu sieci były parametry regulacyjne zespołu młócącego (tj. obroty bębna młócącego, wielkość zasilania regulowana prędkością jazdy kombajnu, rozmiary szczeliny roboczej) oraz wilgotność młóconego zboża. Na wyjściu obu sieci uzyskiwano wielkości strat lub niedomłotu w zależności od wartości zmiennych wejściowych. Proces modelowania wykonano w programie "Statistica Neural Network" firmy Statsoft Uzyskane modele zostały przetestowane, uruchomione i zapisane. Modele te można wykorzystać w procesie automatyzacji zbioru kombajnowego. Powstałe sieci neuronowe mogą być zastosowane w komputerze pokładowym kombajnu, który ustawiałby parametry regulacyjne w zależności od przeznaczenia ziarna tak aby niedomłot lub straty były najmniejsze.
The purpose of the work was the use of neural networks as a simulation - decisionmaking model of the threshing process in the harvester. The modeling process involved finding the best neural network with the smallest data processing error for non-threshing and damage of grain, respectfully. After conducting a learning and testing process best network was specified i.e. such that generated loss value in form of non-threshing and damage of grain with the smallest processing error. As a criterion for selecting the network the smallest error for the validation set was used. Variables presented at the network input were the control parameters of the threshing unit (i.e. rotations of the threshing drum, power supply, adjustable harvester speed, dimensions of working slot) and moisture of threshed corn. At the output of both networks loss or non-threshing values were obtained depending on the input variable values. The modeling process was performed using "Statistica Neural Network" program by Statsoft. The obtained models were tested, launched and saved. These models can be used in the harvester cropping automation process. The created neural networks can be used on the harvester on-board computer, which would set the control parameters according to the grain designation to minimize non-threshing or losses.
Źródło:
Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 451-460
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do opisu przenikalności elektrycznej mąki
Using artificial neural networks to describe flour permittivity
Autorzy:
Łuczycka, D.
Pentoś, K.
Powiązania:
https://bibliotekanauki.pl/articles/290131.pdf
Data publikacji:
2010
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
mąka
przenikalność elektryczna
sztuczna sieć neuronowa
flour
permittivity
artificial neural network
Opis:
Przenikalność elektryczna mąki zależy w znaczącym stopniu zarówno od jej składu chemicznego jak i granulacji. W pracy przedstawiono etapy tworzenia opartego o sztuczne sieci neuronowe modelu opisującego przenikalność elektryczną mąki w zależności od wyznaczanych dla niej zmiennych niezależnych. Przebadanie wielu różnych architektur sieci, jak również powtarzanie wielokrotne procesu uczenia zwiększa prawdopodobieństwo wyboru najlepszej sieci dla opisu analizowanych zależności.
To a large extent, flour permittivity depends both on flour chemical constitution and granulation. The paper presents individual stages for developing an artificial neural network-based model describing flour permittivity related to independent variables determined for it. Examination of many different network architectures and multiple repetitions of teaching process increase probability for selecting best network to describe the analysed relationships.
Źródło:
Inżynieria Rolnicza; 2010, R. 14, nr 2, 2; 43-47
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Algorytm rozpoznawania obrazów materiałów biologicznych
Algorithm for identification of biological materials images
Autorzy:
Łapczyńska-Kordon, B.
Langman, J.
Pedryc, N.
Powiązania:
https://bibliotekanauki.pl/articles/291148.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczne sieci neuronowe
rozpoznawanie obrazów
artificial neural networks
classification of images
Opis:
Opracowując wyniki pomiarów zarejestrowanych w postaci graficznej często mamy do czynienia z koniecznością porównywania ze sobą dwóch lub więcej obrazów. Nie zawsze zachodzi potrzeba porównywania ze sobą całych obrazów, nieraz wystarczające jest określenie różnic lub podobieństw na podstawie analizy pewnych ich charakterystycznych fragmentów. W pracy przedstawiono algorytm rozpoznawania obrazów na podstawie analizy rozmieszczenia na nich pewnych charakterystycznych wcześniej zdefiniowanych elementów. Zaprezentowano zarówno porównywanie z wykorzystaniem współrzędnych biegunowych metodą analityczną jak też próbę wykorzystania sztucznych sieci neuronowych do klasyfikacji obrazów.
In handling graphic representations of measurement results, need often arises to compare two or more images. It is not always necessary to compare the entire images. Sometimes it suffices to describe differences or similarities based on the analysis of certain characteristic fragments. This body of work presents an algorithm for recognizing images based on certain pre-set characteristic elements. A process of comparing – through the analytical method – using polar coordinates, as well as an attempt to utilize artificial neural networks for the classification of images is also presented.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 7, 7; 145-150
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczne sieci neuronowe w modelowaniu procesów z ograniczonym zbiorem danych w inżynierii rolniczej
Neural networks in modeling agricultural engineering processes with limited date file
Autorzy:
Trajer, J.
Powiązania:
https://bibliotekanauki.pl/articles/286483.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczne sieci neuronowe
modelowanie
inżynieria rolnicza
artificial neural network
modeling
agricultural engineering
Opis:
Celem pracy jest przedstawienie metody neuronowego modelowania procesów z ograniczonym zbiorem danych. W przykładzie wykorzystano bazę danych zmian cen przechowywanej marchwi. Podano koncepcję budowy modelu neuronowego, który pomimo ograniczonego zbioru danych posiadać może zadowalające własności uogólniające, w sensie rozszerzenia zasięgu jego stosowalności poza zbiór uczący.
In this paper the analysis of the neural modeling of the agricultural engineering process was presented. The problems of effectiveness and quality neural networks in these processes was discussed.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 173-180
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 44

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies