Informacja

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

Wyszukujesz frazę "artificial" wg kryterium: Temat


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:
Sztuczna inteligencja w metrologii - systemy ekspertowe do doboru narzędzi pomiarowychgiczny w systemie zarządzania jakością
Artificial Intelligence in Metrology - Expert System for Measuring Instruments Selection
Autorzy:
Majchrowski, R.
Powiązania:
https://bibliotekanauki.pl/articles/151872.pdf
Data publikacji:
2004
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
metrologia
systemy ekspertowe
sztuczna inteligencja
narzędzia pomiarowe
metrology
expert systems
artificial intelligence
Opis:
Od samego powstania pierwszych komputerów człowiek powierzał im coraz bardziej skomplikowane i wyszukane problemy, z którymi odpowiednio zaprogramowana maszyna radzi sobie lepiej niż człowiek [5]. Z czasem pojawiły się hipotezy stworzenia sztucznych systemów, które potrafiłyby rozumować i pojmować otaczający nas świat w sposób do tej pory dostępny jedynie "Homo sapiens". Jeden z prekursorów "sztucznej inteligencji" Turing [13] zaproponował nawet test sprawdzający czy stworzoną przez człowieka maszynę można uznać za inteligentną: "Maszyna jest nazwana inteligentną, jeśli zewnętrzny obserwator nie jest w stanie odróżnić jej odpowiedzi od odpowiedzi człowieka mogącego zastepować maszynę. Jedną z koncepcji takiego, ale jednocześnie inteligentnego systemu są tzw. "Systemy ekspertowe"".
From the moment when the very first computer was created a man his given it tasks with which a properly programmed machine can cope much better than he himself [5]. These tasks gradually became more and more complicated. This is how first hypothensis emerged to create artificial systems, capable of analyze and understand the surrounding world in such a way as so far only a "Homo sapiens" could do it. One of the first inventor of so called "artificial intelligence" Turing [13] proposed even a test verifying whether a machine created by a man can be considered as an intelligent one: "Machine is intelligent if an externally observing person is not able to distinguish a difference between its answer and the answer of a man who could replace the machine. One of the concepts of such an intelligent system is "Expert systems"".
Źródło:
Pomiary Automatyka Kontrola; 2004, R. 50, nr 2, 2; 44-48
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sieć neuronowa lokalizująca wiry optyczne rozmieszczone w regularnej strukturze
Artificial neural network for localization of optical vortices positioned in a regular structure
Autorzy:
Guszkowski, T.
Frączek, E.
Powiązania:
https://bibliotekanauki.pl/articles/157563.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
wir optyczny
lokalizacja
sztuczna sieć neuronowa
optical vortex
localization
artificial neural network
Opis:
Praca prezentuje opartą na sztucznej sieci neuronowej metodę określania położenia wirów optycznych rozmieszczonych w regularnej strukturze i powstałych w wyniku interferencji trzech fal płaskich. Do uczenia i oceny jakości działania sieci neuronowej wykorzystano zestaw symulowanych obrazów, na które dodatkowo nałożono szum pomiarowy oraz zniekształcenia geometryczne wynikające z symulowanych drgań układu pomiarowego. W wyniku uczenia sieci neuronowej uzyskano neuronowy lokalizator wirów optycznych o medianie błędu lokalizacji poniżej 0,4 piksela.
The paper presents a short introduction to the optical vortices localization problem and an Artificial Neural Network (ANN) for localization of the optical vortices positioned in a regular structure of honeycomb. The analyzed vortices form as an effect of interference of three planar waves. A set of 1800 simulated images with added noise and geometric distortions modelling experimental setup vibrations was used for ANN learning and evaluation. As a result an unidirectional ANN with 100 inputs which correspond with pixels in a 10x10 image matrix; one non-linear hidden layer of 5 neuron and 2 outputs representing the coordinates of the vortex were created. The learning criterion was Mean Square Error (MSE) and the net was taught with Levenberg-Marquardt algorithm implemented in MATLAB. Final tests were performed with 180 images excluded from ANN learning. As a result a neuronal localizator of optical vortices was obtained with the worst-case localization error less than 2.1 pixel and localization error median less than 0.4 pixel.
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 9, 9; 1074-1076
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:
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:
Implementacja sztucznej sieci neuronowej w architekturze równoległej z wykorzystaniem protokołu MPI
Parallel implementation of artificial neural network with use of MPI protocol
Autorzy:
Bartecki, K.
Czorny, M.
Powiązania:
https://bibliotekanauki.pl/articles/153068.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczna sieć neuronowa
architektura równoległa
aproksymacja funkcji
artificial neural network
parallel architecture
function approximation
Opis:
W artykule wskazano na pewne aspekty związane z implementacją jednokierunkowej sieci neuronowej w architekturze równoległej z wykorzystaniem standardu przesyłania komunikatów MPI. Zaprezentowany przykład zastosowania sieci dotyczy klasycznego problemu aproksymacji funkcji. Zbadano wpływ liczby uruchamianych procesów na efektywność procedury uczenia i działania sieci oraz zademonstrowano negatywny wpływ opóźnień powstałych przy przesyłaniu danych za pomocą sieci LAN.
In the paper some characteristic features concerning feed-forward neural network implementation in parallel computer architecture using MPI communication protocol are investigated. Two fundamental methods of neural network parallelization are described: neural (Fig. 1) as well as synaptic parallelization (Fig. 2). Based on the presented methods, an original application implementing feed-forward multilayer neural network was built. The application includes: a Java runtime interface (Fig. 3) and a computational module based on the MPI communication protocol. The simulation tests consisted in neural network application to classical problem of nonlinear function approximation. Effect of the number of processes on the network learning efficiency was examined (Fig. 4, Tab. 1). The negative effect of transmission time delays in the LAN is also demonstrated in the paper. The authors conclude that computational advantages of neural networks parallelization on a heterogeneous cluster consisting of several personal computers will become apparent only in the case of very complex neural networks, composed of many thousands of neurons.
Źródło:
Pomiary Automatyka Kontrola; 2011, R. 57, nr 6, 6; 638-640
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena wpływu błędu określania emisyjności powierzchni na błąd wyznaczania głębokości defektu z zastosowaniem termografii aktywnej i sztucznej sieci neuronowej
An analysis of systematic interactions in defect depth estimation using active thermography and artificial neural network
Autorzy:
Dudzik, S.
Powiązania:
https://bibliotekanauki.pl/articles/153679.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
termografia aktywna
sieć neuronowa
wyznaczanie głębokości defektu
active thermography
artificial neural network
defect depth estimation
Opis:
W pracy zaprezentowano algorytm wyznaczania głębokości defektów, metodą aktywnej termografii w podczerwieni. Podstawą działania algorytmu jest sztuczna sieć neuronowa uczona z zastosowaniem przebiegów czasowych temperatury, zarejestrowanych za pomocą kamery termowizyjnej na powierzchni próbki testowej. Dodatkowo w pracy zaprezentowano wyniki analizy wpływu błędu określania emisyjności powierzchni próbki testowej na dokładność wyznaczania głębokości defektów powietrznych za pomocą opisywanego algorytmu.
In this work the investigation results of an algorithm for defect depth estimation are presented. This algorithm uses an active thermography data and artificial neural network. In introduction a model of temperature measurement with an infrared camera is described. Further, in Section 1.1 the main error sources in the passive thermographic procedure are pointed out. The algorithm of defect depth estimation is presented in Section 1.3. It is based on the artificial neural network trained with the temporal evolutions of temperature of the investigated specimen, recorded with use of an infrared camera. In Section 2, the methodology and results of the experimental research using the stepped heating method are described. In the investigations two specimens containing aerial defects were used. The specimens were made of polymethyl methacrylate. Based on the thermal inspections of the specimen surface, three training datasets were created. They represented three phases of the heat transfer process occurring in the investigated specimens (i.e. heating, cooling, heating and cooling). In Section 3 the methodology and results of the simulation research are presented. In particular, the influence of the emissivity error on the accuracy of defect depth estimation was examined. The simulation results as the components of the relative error of defect depth estimation connected with the emissivity error are shown in Figs. 9, 10. Based on the simulations, the quantitative conclusions regarding the algorithm sensitivity to the emissivity error are formulated.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 7, 7; 717-720
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Niektóre osobliwości aproksymacji neuronowej na przykładzie odwrotnego zadania kinematyki
Some peculiarities of neural approximation on example of inverse kinematic problem
Autorzy:
Bartecki, K.
Powiązania:
https://bibliotekanauki.pl/articles/155167.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczna sieć neuronowa
aproksymacja funkcji
odwrotne zadanie kinematyki
artificial neural network
function approximation
inverse kinematics
Opis:
W artykule wskazano na pewne charakterystyczne aspekty związane z zastosowaniem jednokierunkowych sieci neuronowych jako uniwersalnych układów aproksymujących złożone zależności nieliniowe. Zaprezentowany przykład dotyczy klasycznego problemu z dziedziny robotyki -tzw. odwrotnego zadania kinematyki. Zademonstrowano wpływ właściwego doboru struktury sieci, jej algorytmu uczenia oraz wzorców uczących na jakość aproksymacji neuronowej.
Characteristic features of feedforward artificial neural networks, acting as universal function approximators, are presented. The problem under consideration concerns inverse kinematics of a two-link planar manipulator (Fig. 1). As shown in this paper, a two-layer, feedforward neural network is able to learn the nonlinear mapping between the end effector position domain and the joint angle domain of the manipulator (Fig. 2). However, a necessary condition for achieving the required approximation quality is proper selection of the network structure, especially with respect to the number of nonlinear, sigmoidal units in its hidden layer. Using too few neurons in this layer results in underfitting (Fig. 3), while too many neurons bring the problem of overfitting (Figs 6 and 7). The effect of learning algorithm efficiency as well as proper choice of learning data set on the network performance is also demonstrated (Fig. 8). Apart from the general conclusions concerning neural approximation, the presented results show also the possibility of neural control of robotic manipulator trajectory.
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 6, 6; 589-592
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Planowanie trajektorii ruchu zespołu robotów mobilnych z zastosowaniem metody warstwicowej
Motion trajectory planning of multi-robot team using contour line method
Autorzy:
Kowalczuk, Z.
Duzinkiewicz, K.
Powiązania:
https://bibliotekanauki.pl/articles/153784.pdf
Data publikacji:
2008
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
planowanie trajektorii
zespoły robotów
metoda sztucznego potencjału
trajectory planning
multi-robot teams
artificial potential field method
Opis:
Podstawową część artykułu stanowi opis zaproponowanej przez autorów metody planowania trajektorii ruchu dla zespołu autonomicznych robotów mobilnych poruszających się w określonym szyku. Zastosowano w tym celu zmodyfikowaną metodę sztucznego potencjału , nazwaną przez autorów metodą warstwicową. Przedstawiona procedura jest wieloetapowa. Każdy z etapów został opisany z zastosowaniem odpowiednich schematów proceduralnych, zaś wyniki działania każdego z algorytmów składowych zostały zilustrowane wykresami pochodzącymi z symulacji komputerowych.
The purpose of the paper is to introduce a multi-stage trajectory planning algorithm for mobile robots. Unmanned Ground Vehicles (UGVs) and Unmanned Aerial Vehicles (UAVs) became very popular in the last few years. Many military and civil applications can be found in real life. One of the most challenging issues regarding UGVs and UAVs concern their autonomous control in environment with obstacles. The proposed algorithm is based on a contour line method, modification of the artificial potential field method designed to efficiently escape local minima of the artificial potential function.
Źródło:
Pomiary Automatyka Kontrola; 2008, R. 54, nr 3, 3; 140-144
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparative study of learning methods for artificial neural network
Badania porównawcze metod uczenia sieci neuronowej
Autorzy:
Tiliouine, H.
Powiązania:
https://bibliotekanauki.pl/articles/153863.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
metody uczenia
sieć neuronowa
neuronowy regulator napięcia
learning methods
artificial neural network (ANN)
neural voltage controller
Opis:
The paper presents a comparative study of various learning methods for artificial neural network. The methods are: the backpropagation BP, the recursive least squares RLS, the Zangwill's method ZGW and the method based on evolutionary algorithm EA. The study consists of evaluating the learning effectiveness of these methods and selecting the most efficient one to be used in the designing of an adaptive neural voltage controller for a synchronous generator.
W artykule przedstawiono wyniki badań porównawczych metod uczenia sieci neuronowych takich jak: metoda propagacji wstecznej błędów, rekurencyjna metoda najmniejszych kwadratów, metoda Zangwill'a, metoda algorytmów ewolucyjnych. Celem tych badań jest dobieranie najefektywniejszej metody uczenia do projektowania adaptacyjnego neuronowego regulatora napięcia generatora synchronicznego.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 4, 4; 117-121
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnostyka antropoidalnego systemu decyzyjnego
Diagnostics of anthropogenical decision-making system
Autorzy:
Kowalczuk, Z.
Czubenko, M.
Powiązania:
https://bibliotekanauki.pl/articles/152747.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
inteligentny system decyzyjny
robot autonomiczny
sztuczna inteligencja
kategoryzacja
decision-making systems
autonomous robots
artificial intelligence
categorization
Opis:
W niniejszej pracy rozważa się zagadnienie błędów możliwych do wystąpienia podczas przetwarzania informacji w systemie podejmowania decyzji opartym na antropogenicznym modelu psychologii. Wyszczególnione zostały miejsca występowania błędów i ich typy, a następnie przeanalizowano możliwości zapobiegania błędom poprzez wprowadzenie sprzężenia zwrotnego do podległych modułów. Wykazano także, że dzięki możliwości auto-nauki system dąży do eliminacji wszelkich pomyłek.
The paper gives an account of research results concerning a project of creating a fully-autonomous robotic decision-making system able to interact with its environment, and based on a mathematical model of human cognitive-behavioural psychology with some elements of personality psychology included. The basic idea of this paper is focused on the concept of possible errors in an intelligent robot control system. The system is a composed result of constructing an Intelligent Decision-making System (IDS) based on several recently developed ideas concerning an interactive cognitive-behavioural organism (Artificial Intelligence and Soft Computing, 2010), a fundamental model of human psychology and an IDS system (MMAR, 2010; Applied Mathematics and Computer Science, 2011) for controlling autonomous robots. Principal notions of IDS (Data-processing system based on cognitive psychology, along with the locations of possible errors), conceptions of discovery (object) and (long-time) memory are introduced. Then the heart of IDS, a personality (emotional) system which consists of systems of emotions and needs (based on the Maslow's theory/pyramid and a fuzzy model of needs), is presented. Furthermore, the paper shows what kind of errors can appear and what are their locations in IDS. Methods of avoiding these errors are also indicated.
Źródło:
Pomiary Automatyka Kontrola; 2011, R. 57, nr 9, 9; 1011-1015
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial Neural Networks Approaches to Monitoring of Combustion in a Fluid Boiler
Monitorowanie kotłów fluidalnych z zastosowaniem neuronowych modeli spalania
Autorzy:
Jankowska, A.
Kornacki, S.
Powiązania:
https://bibliotekanauki.pl/articles/972155.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
wirtualne analizatory
diagnostyka kotłów energetycznych
artificial neural networks
virtual analyzers
fluid boilers diagnosis
Opis:
The paper describes the applications of artificial neural network models to calculating the emission of exhaust gases and early detection of a steam leak in power fluid boilers. Both tasks are related to the monitoring of boilers operation necessary for fulfilling the ecological requirements (balancing and reduction of the contamination emissions) and limiting the damage results. The paper describes especially problems, that are of general character and are important for implementation of industrial applications similar to other industrial plants.
Opisano zastosowanie modeli neuronowych do wyliczania emisji zanieczyszczeń powietrza oraz do wczesnego wykrywania nieszczelności parowych w energetycznych kotłach fluidalnych. Oba zadania związane są z monitorowaniem pracy kotłów koniecznym dla spełnienia wymagań ekologicznych (bilansowanie i redukcja emisji zanieczyszczeń) oraz ograniczeniem skutków awarii. W artykule przedstawiono zwłaszcza te zagadnienia, które mają charakter ogólny i są ważne przy tworzeniu tego typu przemysłowych aplikacji dla innych obiektów przemysłowych.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 3, 3; 149-151
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyczna i neuronowa analiza głównych składowych na przykładzie zadania kompresji obrazu
Classical and neural network-based principal component analysis for image compression
Autorzy:
Bartecki, K.
Powiązania:
https://bibliotekanauki.pl/articles/154740.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
analiza składników głównych
sztuczna sieć neuronowa
kompresja danych
principal component analysis
artificial neural network
data compression
Opis:
W artykule omówiono zastosowanie analizy składników głównych (PCA) w zadaniu kompresji stratnej sygnału na przykładzie kompresji obrazu. Zadanie zrealizowano z wykorzystaniem klasycznej metody PCA oraz dwóch rodzajów sieci neuronowych: jednokierunkowej, dwuwarstwowej sieci z uczeniem nadzorowanym i jednowarstwowej sieci z uczeniem nienadzorowanym. W każdym z przypadków przeanalizowano wpływ struktury modelu PCA na wartości współczynnika kompresji oraz średniokwadratowego błędu kompresji.
In the paper, lossy data compression techniques based on the principal component analysis (PCA) are considered on the example of image compression. The presented task is performed using the classical PCA method based on the eigen-decomposition of the image covari-ance matrix as well as two different kinds of artificial neural networks. The first neural structure used is a two-layer feed-forward network with supervised learning shown in Fig.1, while the second one is a single-layered network with unsupervised Hebbian learning. In each case considered, the effect of the PCA model structure on the data compression ratio and the mean square reconstruction error is analysed. The compression results for a Hebbian neural network with K=4 PCA units are presented in Figs. 2, 3 and 4. They show that only 4 eigenvectors are able to capture the main features of the processed image, giving as a result high value of the data compression ratio. However, the reconstructed image quality is not sufficient from a practical point of view. Therefore, selection of the appropriate value for K should take into account the tradeoff between a sufficiently high value for the compression ratio and a reasonably low value for the image reconstruction error. The summary results for both classical and neural PCA compression approaches obtained for different number of eigenvectors (neurons) are compared in Fig. 5. The author concludes that a positive aspect of using neural networks as a tool for extracting principal components from the image data is that they do not require calculating the correlation matrix explicitly, as in the case of the classical PCA-based approach.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 1, 1; 34-37
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do wyznaczania współczynnika dyfuzyjności cieplnej
Determination of thermal diffusivity using artificial neural networks
Autorzy:
Chudzik, S.
Powiązania:
https://bibliotekanauki.pl/articles/155933.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
przewodność cieplna
dyfuzyjność cieplna
materiały termoizolacyjne
artificial neural networks
thermal diffusivity
thermal insulating material
Opis:
W artykule przedstawiono wyniki badań nad opracowywaną metodą wyznaczenia współczynnika dyfuzyjności cieplnej materiału termoizolacyjnego. W metodzie tej wykorzystano wymuszenie temperatury o charakterze harmonicznym oraz do pomiaru rozkładu temperatury planowane jest użycie kamery termowizyjnej. W badaniach symulacyjnych wykorzystano stworzony do tego celu trójwymiarowy model zjawiska dyfuzji ciepła w badanej próbce materiału. Do rozwiązania współczynnikowego zagadnienia odwrotnego zaproponowano koncepcję wykorzystania sztucznej sieci neuronowej.
The paper presents the results of research on methods for determining the coefficient of thermal diffusivity of thermal insulating material. This method uses periodic heating as an excitation and an infrared camera for measuring the temperature distribution on the tested material surface. A three-dimensional model of the phenomenon of heat diffusion in a sample of the tested material was used for simulation investigations. To solve the coefficient inverse problem, there is proposed an idea of using an artificial neural network. The periodic heating technique is based on diffusion of a heat wave in the specimen, which is a response to the temperature harmonic excitation – Section 2. The model of a nonstationary heat flow process in the sample of material is based on a three-dimensional heat-conduction model and includes the third kind Fourier boundary conditions. For solving the system of partial differential equations, used to describe the model, the finite element method was applied [1, 2, 10]. The usability of the artificial neural network [7, 8, 9] in solving the inverse heat transfer problem in a sample of heat insulation material is presented – Section 3. The network determines the value of effective thermal diffusivity on the basis of the amplitude decrease ΔA of the thermal wave on the specimen surface, and the time in which the thermal wave moves by the distance Δz on the specimen side surface. During selection of the optimal neural network architecture many configurations were assessed. Additionally, the influence of the input quantities errors on the estimated values of the thermal parameters was also analysed using the Monte Carlo technique [12]. Simulations of the heat flow process, network training and testing processes and analysis of the error sensitivity were carried out in the Matlab environment.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 1, 1; 31-33
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł

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