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 "Neural Networks" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 33
Tytuł:
System do analizy i oceny topografii powierzchni technicznych
Analysis and assessment system of technical surface toography
Autorzy:
Cincio, R.
Kacalak, W.
Powiązania:
https://bibliotekanauki.pl/articles/154315.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
parametry powierzchni
sieci neuronowe
surface parameters
neural networks
Opis:
Właściwości eksploatacyjne powierzchni w znacznym stopniu zależą od jej cech stereometrycznych. Parametry charakteryzujące właściowści stereometryczne powierzchni technicznych różnią się, i to często znacznie od parametrów wyznaczanych dla zarysu danej powierzchni. Pomijanie tych różnic lub opisywanie cech powierzchni na podstawie cech (parametrów) zarysu należy do częstych błędów oceny powierzchni. W artykule przedstawiono opis opracowywanego systemu przetwarzania danych z profilografometru, który wykorzystując wyniki z jednego lub dwóch pomiarów (zarysów w jednym przekroju o długości określanej przez system, dwóch pomiarów w przekrojach do siebie prostopadłych lub też zarys pomiaru po torze spiralnym wg nowych koncepcji realizacji pomiarów profilografometrycznych opracowanych w polskich ośrodkach badawczych) oraz wykorzystuąc wiedzę zgromadzoną w formie reguł wnioskowania i w module sztucznych sieci neuronowych, pozwalałby na wyznaczenie licznego, komplementarnego zbioru parametrów stereometrycznych powierzchni. Możliwe jest ponadto wyznaczenie obrazu powierzchni o cechach statystycznych zgodnych z powierzchnią, na której przeprowadzono pomiar. System składa się z baz wiedzy zawierających relacje między parametrami 2D i 3D, baz danych, baz reguł wnioskowania, modułów analiz i wizualizacji, dokumentacji zespołów pomocniczych (akwizycji obrazów 2D) i modułów komunikacji z użytkownikem. Opracowany system jest szczególnie przydatny w pomiarach topografii powierzchni dużych elementów. W pomiarach, tych wykorzystuje się przenośne profilografometry, które umożliwiają realizację tylko prostych strategii pomiaru.
Operating features of surface topography relative depends on stereometric characteristics. Parameters characterizing stereometric properties of technical surface topography have much more different from parameters determine for the profile of surface topography. Skipping of these differences or describing characteristic of surface topography on the basis of characteristic (parameters) of profile belong to frequent errors of estimation surface topography. This article presents descriptin elaborated profilografometer data processing system which using results from one or two measurement (profiles in one section in length choose by the system, two measurement in sections to himself normals, in section which is created by circular track or measurement in section which is created by spiral track (according to new ideas realization of profilographometric measurements elaborated in Polish research centers) and using collected knowledge form: inferring rules and modules of neural networks, would let on determine collect numberful set of stereometric surfaces parameters topography. Moreover possible is determine image of surface topography which features statistical compatible with a surface which worked the measurement. The system is consisted of: knowledge base including relations between parameters 2D and 3D, database of inferring rules modules analyses and visualization, documentations of auxiliary units (canvassing images 2D) and modules of communication with user. This worked out system is especially useful in measurement of large surface elements topography. In measurement like this large elements uses mobile profilographometers which make only simple ralization of strategies of measurement.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 9 bis, 9 bis; 515-518
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model systemu pomiarowego do kontroli parametrów cieplnych materiałów termoizolacyjnych z sondą cieplną
Model of measurement system with thermal probe for testing parameters of heat-insulating materials
Autorzy:
Chudzik, S.
Minkina, W.
Powiązania:
https://bibliotekanauki.pl/articles/152065.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sieci neuronowe
przewodność cieplna
neural networks
thermal conductivity
Opis:
W artykule przedstawiono model koncepcji systemu pomiarowego wykorzystującego odpowiednią sondę cieplną do kontroli parametrów cieplnych materiałów termoizolacyjnych. Przedstawiany system pomiarowy wykorzystuje sztuczne sieci neuronowe do rozwiązania współczynnikowego zagadnienia odwrotnego dyfuzji ciepła w materiale. Symulacje zjawiska dyfuzji ciepła oraz proces uczenia sieci neuronowej przeprowadzono w środowisku programowym Matlab.
The article presents model of measurement system with thermal probe for testing thermal parameters of heat-insulating materials. Measurement system uses the artificial neural network in order to solve the coefficient inverse problem for solid. The network learning process and simulation analyses are based on the Matlab.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 9 bis, 9 bis; 589-592
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metody uczenia sieci neuronowej Hopfielda
Learning methods for the Hopfield neural network
Autorzy:
Matusik, R.
Powiązania:
https://bibliotekanauki.pl/articles/154183.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sieci neuronowe
Hopfield
reguły uczenia
neural networks
learning methods
Opis:
W artykule przedstawione zostały od strony teoretycznej i porównane od strony praktycznej różne metody uczenia sieci neuronowej Hopfielda. Oprócz znanej i powszechnie stosowanej reguły Hebba, przedstawione zostały modyfikacje tej metody. W celu porównania reguł uczenia sieci Hopfielda napisana została specjalna aplikacja, w której zaimplementowane zostały przedstawione w artykule metody. Regułą najlepiej rozpoznającą zapamiętane wzorce okazała się metoda pseudoinwersji
The Hopfield neural network can have many applications, such as approximation, compression, association, steering or patterns recognition. If the neural network is used for association, it is an associative memory. This task consists in original patterns recognition even when the Hopfield neural network is cued with distorted patterns. In this paper various learning methods for the Hopfield neural network are presented from the theoretical point of view and they are compared from the practical point of view. Besides the well known and generally used Hebb rule, there are presented its modifications as well. In order to compare the learning methods for the Hopfield neural network, a special application in which there are implemented the methods described in the paper is written. Section 2 contains the Hopfield neural network model, the Hopfield neural network definition and the neural network general schematic. There is also de-scribed the activation function used for testing the Hopfield neural network. Section 3 gives various Hopfield network learning rules, such as the original Hebb method, its modifications, the Oja rule and pseudoinversion rule. In Section 4 the testing process and its results are presented. The main task of this neural network is patterns recognition. The Hopfield neural network stored 10 patterns. Each of the stored patterns had 35 neurons. Then the neural network was cued with distorted patterns. The tests proved that the pseudoinversion rule recognized the patterns in the best way.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 7, 7; 521-523
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wpływ typu sieci neuronowej i sposobu przygotowania danych na wynik prognozowania poprawek UTC - UTC(PL)
Influence of type of neural network and selection of data preprocessing method on UTC-UTC(PL) prediction result
Autorzy:
Miczulski, W.
Cepowski, M.
Powiązania:
https://bibliotekanauki.pl/articles/152987.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sieci neuronowe
prognozowanie
zegar atomowy
neural networks
prediction
atomic clock
Opis:
W pracy omówiono wyniki badań wpływu typu sieci (MLP, RBF), sposobu przygotowania i rozmiaru wektora danych wejściowych na wynik prognozowania poprawek UTC-UTC(PL) dla atomowego wzorca czasu i częstotliwości. Najkorzystniejsze wyniki prognozowania poprawek osiągnięto dla sieci neuronowych typu RBF, w których dane wejściowe stanowiły wektory zawierające wartości odchyleń od trendu. Otrzymane błędy prognoz nie przekraczają wartości š4ns, co pozwoliło osiągnąć w porównaniu z dotychczasowym sposobem prognozowania opartym na metodzie regresji (prowadzonym w GUM) ponad dwukrotnie lepsze wyniki prognoz.
In the paper there are presented the results of investigations on the influence of type of a neural network (MLP, RBF), the way of preparation and size of the input vector on prediction of the UTC-UTC(PL) corrections for the atomic clock realising the national atomic time scale UTC(PL) at the Central Office of Measures (COM). UTC(PL) is the basis for reproducing the time and frequency units and determining the official time in Poland. At the first stage of research, the time series characterising the time instability of the atomic clock in relation to UTC was a basis for proper preparation of the groups of input data for the assumed types of neural networks (Fig. 1). For the process of learning the neural networks as well as further prediction, the input data was assumed to be formed into 30 or 60 element vectors (Fig. 2). At the second stage, the input data were formed into the vectors containing 30 consecutive values of the deviation of the time series from the trend and, additionally, the linear regression coefficients (Fig. 1). The best results of predicting the corrections were achieved for the RBF neural networks in which the input data were vectors of 30 consecutive values of the deviation from the trend and the directional coefficient of linear regression. The obtained errors of the prediction did not exceed the values of š4ns (Tab. 2), which enabled achieving more than two times better results of the prediction compared with the present way of prediction based on the regression method (used in COM).
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 11, 11; 1330-1332
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie kolejnych wartości pomiarowego szeregu czasowego z zastosowaniem sztucznych sieci neuronowych i funkcji trygonometrycznych
Forecasting the next value measurement time series with the use of artificial neural networks and trigonometric functions
Autorzy:
Stachno, A.
Suproniuk, M.
Powiązania:
https://bibliotekanauki.pl/articles/156296.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
prognozowanie
szeregi czasowe
sieci neuronowe
forecasting
time series
artificial neural networks
Opis:
W artykule przedstawiono wyniki badań prognozowania kolejnych wartości pomiarowych szeregów czasowych z zastosowaniem sztucznych sieci neuronowych. Metoda ta umożliwia analizę danych pomiarowych, pochodzących z obiektu, który nie posiada modelu matematycznego. Zbudowanie modelu neuronowego na podstawie szeregu czasowego, odzwierciedlającego dane pomiarowe jest często jedyną metodą przybliżenia sposobu działania obiektu. Wykorzystanie tego modelu do prognozowania zachowania się obiektu w przyszłości może uwzględniać dodatkowo zestaw funkcji trygonometrycznych oraz autorskiej metody WMF wygładzania szeregu czasowego. Przeprowadzone badania wykazały znaczący wzrost dokładności prognoz oraz możliwość uniezależnienia ich od wyprzedzenia czasowego.
The paper presents the results of forecasting subsequent measurement values of the time series (Fig. 1) using artificial neural networks. This method allows the analysis of measurement data [1], coming from an object that does not have a mathematical model. The only representation of the actual state of the output object is approximation of its properties using the neural model, automatically-adapting with respect to the output (Fig. 2). Creating a neural model based on the time series reflecting the measurement data is often the only way to approach the object operation. The use of this model for forecasting the behavior of the object in the future may include an additional set of trigonometric functions (Fig. 7), appropriately presented at the inputs of the neural network. As described in the work, the result of the time series to supplement additional, independent from the object data is to improve the forecast accuracy of successive values of the time series. Taking into account in the forecasting process data smoothing the author's method WMF [1] (Fig. 8), causes a significant increase in the accuracy of the obtained forecast results. The study showed the possibility of using trigonometric functions as input learning network. In addition, there was shown the increase in the accuracy of forecasts of successive values of the time series with different advance and independence of it from historical data (Fig. 10).
Źródło:
Pomiary Automatyka Kontrola; 2014, R. 60, nr 9, 9; 764-767
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sieci neuronowej do sterowania kursem modelu zbiornikowca typu VLCC
Application of neural network to course control of VLCC tanker model
Autorzy:
Rak, A.
Morawski, L.
Powiązania:
https://bibliotekanauki.pl/articles/157641.pdf
Data publikacji:
2003
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sieci neuronowe
sterowanie kurasem modelu zbiornikowca
neural networks
course control
tanker model
Opis:
Artykuł przedstawia wyniki prac nad zastosowaniem sieci neuronowych do sterowania kursem statku. Jako obiekt sterowania wybrano model zbiornikowca VLCC. W procesie uczenia sieci neuronowej wykorzystano dane zgromadzone podczas sterowania modelem przez sternika. Wyniki badań wskazują na to, iż sieć neuronowa jest w stanie sterować wybranym modelem statku w sposób zbliżony do sternika.
The paper presents results of application of neural network as a part of marine autopilot. The model of VLCC tanker was chosen as a control object. The controller network was trained using data measured during manual operation of the model. The experiment results show that the neural network is able to control chosen type of ship-model in a human-like manner.
Źródło:
Pomiary Automatyka Kontrola; 2003, R. 49, nr 1, 1; 10-13
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An alternative approach to fault detection in dynamic systems on the basis of output layer weight values comparison, of the model RMLP type neural networks
Alternatywne podejscie do wykrywania uszkodzeń w układach dynamicznych na podstawie porównania wag wyjsciowych neuronowych sieci typu RMLP
Autorzy:
Wondim, G.
Powiązania:
https://bibliotekanauki.pl/articles/151811.pdf
Data publikacji:
2003
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sieci neuronowe
wykrywanie uszkodzeń
układy dynamiczne
neural networks
fault detection
dynamic systems
Opis:
The complexity of technological processes needs the study and development of computer based fault detection and diagnosis method enabling process faults be detected and localized during normal plant operation. In this paper we propose fault detection method based on a simple arithmetic relations of output layer weight values of the model RMLP (Recurrent Multilayer Perceptron) networks, assuming each of the model neural networks possesses only one output layer neuron. We build a neural model bank of model neural networks designed and trained on the different operating points of an arbitrary assumed dynamic system. We consider 5 different operating points, where the first state is taken to be the normal operation point (no fault) of the system and the rest four states are different faulty states of the same system. For each of these operation points a neural network is designed and trained. After the training, the output layer weight values of each of the trained neural networks are registered to be used as inputs to calculate a certain value. Based on the comparison of the values, we make conclusion to which of the 5 pre-defined states does a new assumed unknown system may belong.
Źródło:
Pomiary Automatyka Kontrola; 2003, R. 49, nr 11, 11; 41-44
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przegląd wybranych metod prognozowania zapotrzebowania na wodę w miejskich sieciach wodociągowych
Review of chosen methods of water demand forecasting in municipal water networks
Autorzy:
Kwiesielewicz, M.
Słomiński, T.
Powiązania:
https://bibliotekanauki.pl/articles/152010.pdf
Data publikacji:
2003
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
zapotrzebowanie na wodę
predykcja
sztuczne sieci neuronowe
water demand
prediction
artificial neural networks
Opis:
Praca dotyczy prognozowania zapotrzebowania na wodę w miejskich sieciach wodociągowych. Podaje się czynniki kształtujące zapotrzebowania na wodę oraz dokonuje sie analizy porównawczej trzech wybranych metod predykcji, a mianowicie: predyktora neuronowego, predyktora neuronowo-rozmytego oraz metody opartej o uśrednianie pomiarów. Badania symulacyjne pokazały, że przy przyjetych założeniach najlepsze wyniki daje metoda uśredniania.
The paper concerns the problem of forecasting a water demand in communal water networks. Factor influencing water demand are characterized. Next three chosen forecasting techniques are analyzed, namely: neutral network based predictor, ANFIS predictor and method based on average value of measurements. Simulation calculation showed that third method was the best one according to taken assumptions.
Źródło:
Pomiary Automatyka Kontrola; 2003, R. 49, nr 12, 12; 28-31
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Porównanie i ocena metod klasyfikacji sygnałów EEG
Analysis and classification of EEG data. An evaluation of methods
Autorzy:
Rutkowski, G.
Patan, K.
Powiązania:
https://bibliotekanauki.pl/articles/154847.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
EEG
sztuczne sieci neuronowe
rozpoznawanie obrazów
klasyfikacja
artificial neural networks
pattern recognition
classification
Opis:
Analiza i interpretacja sygnałów elektroencefalograficznych znalazła szerokie spektrum zastosowań w diagnostyce klinicznej. Pomimo licznych doświadczeń specjalistów, ciągle napotyka się wiele trudności. Powstające problemy związane są m.in. z aspektami technicznymi co spowodowane jest charakterem niestacjonarności w przypadku sygnałów takich jak sygnały EEG. Rozwiązania sprzętowe i programowe w tej dziedzinie są poddawane ciągłej poprawie ze względu na rozwój technologiczny. Bardzo obiecującym narzędziem w analizie i interpretacji sygnałów EEG są sztuczne sieci neuronowe. W pracy przedstawiono eksperymenty oparte o analizę i klasyfikację danych biomedycznych za pomocą różnych technik, w tym metod klasycznych takich jak naiwny klasyfikator Bayesa, k najbliższych sąsiadów z zastosowaniem metod sztucznej inteligencji takich jak klasyfikatory SVM czy perceptron wielowarstwowy.
Analysis and interpretation methods of electroencephalogram signals have found a broad spectrum of applications in clinical diagnosis. Despite the experience of professionals, biomedical data analysis encounters many difficulties. Measurement problems are associated with both the technical ground that determines the character of non-stationarity of EEG signals and the individual nature of a neurological dysfunction. The existing hardware and software have been continuously improved due to the rapid progress of technological development. Very promising tool in the analysis and interpretation of the EEG signals are artificial neural networks. An electroencephalogram (EEG) is a noninvasive technique for measurement of processes occurring in the human brain. This technique allows direct measurement of electrical potentials of neuronal activity. EEG is thus recording of electrical activity of nerve cells on the surface of the cerebral cortex. Seizures are very important element in clinical diagnosis due to the ongoing search for causal link in generating sudden discharges of electricity. The interpretation of such signals may allow for appropriate treatment and selection of relevant therapy for individual cases. There have been many works in the area of electroencephalography which used artificial neural networks involving among the others in the process of recognizing specific graphoelements, which in turn indicate a definite neurological dysfunction. Neural networks are also able to extract the relevant information contained in the EEG signals and support the process of solving problems, such as the identification of characteristic EEG [1, 5, 6] patterns or determine patterns based on spectral EEG topography [3]. Neural networks are also used to identify artifacts, where inputs to the classifier are implemented in the form of selected parameters of a specific wave length [10]. The paper presents experiments based on the analysis and classification of biomedical data using various techniques, including classical methods such as naive Bayes classifiers, and nearest neighbor using artificial intelligence methods including SVM classifiers and multilayer perceptron.
Źródło:
Pomiary Automatyka Kontrola; 2012, R. 58, nr 4, 4; 369-371
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Using Tikhonov regularization to improve estimation of robot position based on uncertain robot model obtained by neural network
Zastosowanie regularyzacji Tikhonova do poprawy estymacji pozycji robota na podstawie modelu o niedokladnych parametrach wyznaczonych za pomocą sieci neuronowych
Autorzy:
Możaryn, J.
Kurek, J. E.
Powiązania:
https://bibliotekanauki.pl/articles/154504.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
robotyka
sieci neuronowe
model robota
regularyzacja
robotic
neural networks
inverse dynamic problem
regularization
Opis:
A method for improvement of a position estimation of a robot manipulator based on model with uncertain parameters is presented. To calculate the position of the robot there was designed the robot model using artificial neural networks with structure of the mathematical model in the form of Lagrange-Elder equations. The Tikhonov regularization was then used to improve the approximation of the robot's position. The example of the position of the robot PUMA 560 with 6 degrees of freedom calculation with proposed method is presented. Obtained results indicate significant improvement of the estimation.
W pracy przedstawiono metodę poprawy estymacji położeń robota na podstawie modelu robota o niedokładnych parametrach. Do wyznaczania położenia robota zaprojektowano model robota z wykorzystaniem sztucznych sieci neuronowych o strukturze modelu matematycznego w formie równań Lagrange'a-Eulera. W celu poprawy estymacji położeń na podstawie wyznaczonego modelu zastosowano regularyzację Tikhonowa. Zaproponowana metoda została przedstawiona na przykładzie odtwarzania położeń robota PUMA 560. Otrzymane wyniki wskazują na znaczną poprawę dokładności.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 3, 3; 198-204
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczne sieci neuronowe w sterowaniu minirobota kołowego
Utilization of neural networks in control of mobile robot
Autorzy:
Giergiel, M.
Małka, P.
Powiązania:
https://bibliotekanauki.pl/articles/157144.pdf
Data publikacji:
2004
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
sterowanie minirobota kołowego
utilization of neural networks
control of mobile robot
Opis:
W artykule pokazano sposób wykorzystania sieci neuronowych do modelowania układów dynamicznych. Sygnały wykorzystane w analizie i symulacji numerycznej otrzymano z obiektu rzeczywistego - minirobot mobilny. Obliczenia numeryczne wykonano w środowisku programu MATLAB TM/Simulink. Przedstawiono również szczegółowo budowę układu z członem kompensującym i stabilizującym wykonanym za pomocą sieci neuronowych.
The article demonstrates the mode of utilization of neural network to simulate dynamic systems. Signals put upon in analysis and simulation numeric were received from real object-mobile minirobots. Numerical calculations have been done in the Matlab TM -Simulink programme environment. This paper discusses in detail build from the compensating element of the system and stabilising executed with the help of neural networks.
Źródło:
Pomiary Automatyka Kontrola; 2004, R. 50, nr 5, 5; 20-24
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metody sztucznej inteligencji w zastosowaniach automatyki
Methods of artificial intelligence in applications of automatic control
Autorzy:
Rojek, R.
Bartecki, K.
Powiązania:
https://bibliotekanauki.pl/articles/153320.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sieci neuronowe
logika rozmyta
identyfikacja
sterowanie automatyczne
neural networks
fuzzy logic
identification
automatic control
Opis:
W artykule przedstawiono wybrane aspekty zastosowania metod sztucznej inteligencji w zagadnieniach automatyki. Zawarto ogólny przegląd metod identyfikacji i sterowania opartych na sztucznych sieciach neuronowych. Wskazano także na możliwość wykorzystania logiki rozmytej do optymalizacji pracy samochodowego układu napędowego.
In this paper, some issues concerning application of neural networks and fuzzy logic in automatic control are presented. Neural identification and control methods are briefly reviewed. Fuzzy logic approach to powertrain control of a passenger car is also shown.
Źródło:
Pomiary Automatyka Kontrola; 2006, R. 52, nr 10, 10; 29-34
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid cytological image segmentation method based on competitive neural network and adaptive thresholding
Hybrydowa metoda segmentacji obrazów cytologicznych oparta o konkurencyjne sieci neuronowe i adaptacyjne progowanie
Autorzy:
Kowal, M.
Filipczuk, P.
Korbicz, J.
Powiązania:
https://bibliotekanauki.pl/articles/153798.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
segmentacja obrazu
sieci neuronowe
rak piersi
diagnostyka
image segmentation
neural networks
breast cancer
diagnosis
Opis:
The paper provides a preview of research on the computer system to support breast cancer diagnosis. The approach is based on analysis of microscope images of fine needle biopsy material. The article is devoted mainly to the segmentation problem. Hybrid segmentation algorithm based on competitive learning neural network and adaptive thresholding is presented. The system was tested on a set of real case medical images obtained from patients of the hospital in Zielona Góra with promising results.
Niniejszy artukuł przedstawia wyniki prac badawczych prowadzonych nad komputerowym systemem wspierającym diagnostykę raka piersi. Zaprezentowane podejscie oparte jest na analizie mikroskopowych obrazów materiału pozyskanego metodą biopsji cienkoigłowej bez aspiracji. Zadaniem systemu jest określenie czy badany przypadek jest zmianą łagodną czy złośliwą. Badania skupione są na dwóch głównych problemach. Pierwszym z nich jest segmentacja obrazów cytologicznych oraz ekstrakcja cech morfometrycznych jąder komórkowych występujących na rozmazach. Drugim problemem jest klasyfikacja raka sutka oraz odpowiedni dobór cech najlepiej opisujących daną klasę. W artykule autorzy położyli główny nacisk na opisie sposobu segmentacji obrazów. Poprawność procesu segmentacji w dużym stopniu decyduje o możliwości wykonania skutecznych pomiarów cech morfometrycznych jąder komórkowych i w konsekwencji dokonania właściwej diagnozy. W artykule przedstawiono hybrydowy algorytm segmentacji oparty o konkurencyjne sieci neuronowe i adaptacyjne progowanie. Jest to metoda alternatywna do zaprezentowanej wcześniej metody bazującej na rozmytym algorytmie c-średnich. Porównanie wyników obydwu metod zamieszczono w artykule. Automatyczny system wspierający diagnostykę raka piersi przetestowano na prawdziwych obrazach medycznych pacjentów regionalnego szpitala w Zielonej Górze. W przeprowadzonych eksperymetach uzyskano obiecujące wyniki.
Źródło:
Pomiary Automatyka Kontrola; 2011, R. 57, nr 11, 11; 1448-1451
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sztucznej sieci neuronowej do diagnostyki związków chemicznych przy pomocy ich widm w podczerwieni
Application of artificial neural networks in diagnostics of chemical compounds from their infrared spectra
Autorzy:
Stemplewski, S.
Macek-Kamińska, K.
Powiązania:
https://bibliotekanauki.pl/articles/151648.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
identyfikacja
spektroskopia
widma
podczerwień
artificial neural networks
identification
spectroscopy
spectrum
infrared
Opis:
W artykule przedstawiono możliwości zastosowania sztucznej sieci neuronowej w identyfikacji związków chemicznych metodą tzw. „odcisku palca” oraz opisano budowę opracowanego specjalnie do tego celu narzędzia z wykorzystaniem SSN, jak też sprecyzowano wymogi, jakie muszą być spełnione do jej poprawnego funkcjonowania.
This paper presents a combination of the “finger-print” identification method and artificial neural networks (ANN) for effective diagnostics of chemical compounds from their infrared spectra. Identification of chemical compounds on the basis of their IR spectra is a serious problem in absorption spectrophotometry, used in practical chemical analysis. Using ANN to diagnose chemical compounds opens up new abilities for effective identification, not only in terms of speeding the process up but also in view of modeling complex nonlinear signals. A programming tool is developed in Microsoft Visual C# and tested on the basis of one hundred chemical compounds used to teach the ANN. The self-learning ability of ANN is used to construct a relationship between input and output parameters. Using AAN is also possible both to ignore redundant data and those whose impact on the phenomenon is negligible, so it is focused on the input data having a major impact on the modeled process. ANN is used to diagnose one hundred chemical compounds and further studies will be focused on possible expanding the database to include some other compounds.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 1, 1; 38-39
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnostyka łożysk silnika indukcyjnego na podstawie prądu zasilającego przy użyciu sztucznych sieci neuronowych
Diagnostics of induction motor bearings with use of supply current signal and artificial neural networks
Autorzy:
Ciszewski, T.
Swędrowski, L.
Powiązania:
https://bibliotekanauki.pl/articles/152328.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
diagnostyka
silnik indukcyjny
sieci neuronowe
uszkodzenia łożysk
diagnostics
induction motor
neural networks
bearings defects
Opis:
W artykule zawarto wyniki badań dotyczące diagnostyki łożysk silnika indukcyjnego na podstawie pomiarów prądu zasilającego z wykorzystaniem sztucznych sieci neuronowych. Zaprezentowano wyniki uczenia sieci oraz rezultaty testów przeprowadzonych na danych spoza zbioru uczącego. Badania wykonane zostały na obiektach z celowo wprowadzonymi uszkodzeniami łożysk. Przedstawiona nowa koncepcja zakłada użycie zestawu sieci neuronowych wybieranych na podstawie prędkości obrotowej silnika podczas pomiaru. Metoda ta ma szanse na wdrożenie w przemyśle.
The paper contains research results on the diagnostics of induction motor bearings by measuring the supply current with usage of artificial neural networks. Bearing failure amount is greater than 40% of all engine failures, so their damage-free operation is so important [1]. Tests were performed on objects with intentionally made bearings defects. Section 2 introduces the concept of artificial neural networks. It presents the general structure of a multilayer neural network (Fig.1) and the model of a single neuron (Fig. 2) which explains how to create an output signal (1,2). A backpropagation algorithm was chosen to be the learning method for the network being created. It uses equation (4) for calculating the errors in the k-th layer. As the model data for the network learning, DREAM vibration diagnostics system results were used. Section 3 describes how the network input data was created. The essence of the algorithm is to choose the right set of weights for each rotor speed. This is an innovative solving of this diagnostic problem. The results of this study are listed in Table 1. Equations (6) - (14) describe how each error was counted. The method presented in this paper, after developing, can be very useful for industry.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 4, 4; 316-318
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 33

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