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 "result" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Błąd jako podstawa wyznaczania niepewności wyniku pomiaru
    Error as a basis of determination of measurement result uncertainty
    Autorzy:
    Jakubiec, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/155533.pdf
    Data publikacji:
    2014
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    błąd pomiaru
    niepewność wyniku pomiaru
    wynik pomiaru
    measurement error
    uncertainty of a measurement result
    measurement result
    Opis:
    Podano ogólną definicję błędu pomiaru, a następnie scharakteryzowano dwie jego definicje stosowane dla potrzeb opisu niedokładności wyniku pomiaru. Jedna z nich stosowana jest w symulacyjnym badaniu niedokładności pomiarów, druga stanowi podstawę formalizacji procedur wyznaczania niepewności wyniku pomiaru. Rozważania teoretyczne zilustrowano przykładami.
    A general description of a measurement error and two definitions directed to expressing inaccuracy of a measurement result have been presented. The first one (1), called a priori, is useful in simulation experiments while the second one (2), called a posteriori, is the basis of the result uncertainty calculation. Generally, the error is given as a set of values and can be described in deterministic or random ways. The exemplary deterministic equation (4) describes the quantization error of the A/D converter shown in Fig. 1. The graphical form of this error is presented in Fig. 2 and its random representation in Fig. (4) as the histogram which is approximated by the probability density function (5). Values of the a posteriori error can be obtained after realization of a measurement experiment because, in this error definition (2), the reference point needed for the error value calculation is the estimate of the measurement result. Such a property of the error causes that its definition can be the basis of the formal definition (6) of the uncertainty U of a measurement result. Moreover, accordingly with this definition, the uncertainty value can be calculated by using the expression (7) for given value of the confidence level p and, what is more, the measurement result can be written in the interval form (14). Therefore, the a priori definition of the measurement error can be treated as the good formal basis of the procedures used in practice for the measurement uncertainty calculation [7].
    Źródło:
    Pomiary Automatyka Kontrola; 2014, R. 60, nr 11, 11; 991-993
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    O formalnych podstawach składania niepewności A i B
    On formal bases of composition of A and B type uncertainties
    Autorzy:
    Jakubiec, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/155352.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    niepewność wyniku pomiaru
    niepewności typu A i B
    model wyniku pomiaru
    błąd wyniku pomiaru
    uncertainty of a measurement result
    model of a measurement result
    error of a measurement result
    Opis:
    Przedmiotem rozważań są podstawy formalne procedury składania niepewności typu A i B, zaproponowanej w przewodniku GUM [1]. W artykule poddano analizie podstawy matematyczne tej procedury i wykazano ich niespójność, a następnie omówiono nowy sposób obliczania niepewności, bazujący na modelu wyniku pomiaru.
    Considerations presented in the paper deal with the visible absence of formal bases of the A and B type uncertainty composition procedure proposed in GUM [1] and based on partial uncertainty composition described by formula (1). This lack of formality is caused by the fact that the uncertainty of type A is calculated on a basis of the measurement result series and one cannot point any other set of measurements, which may be composed with this series. The first part of the paper is devoted to presentation of a single measurement result model (2) in application to the uncertainty calculation procedure based on the uncertainty definition (3) and determined by functional (4). In the succeeding part, an analysis of formula (1) from the point of view of the random error model given by (6) is realised. By analogy to uncertainties of A and B type, the errors of the same type have been determined, which enabled obtaining equation (10) and comparing it with equation (1). The final part of the paper contains discussion of conclusions which can be drawn from this comparison.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 3, 3; 233-235
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Badania metody opracowania losowych obserwacji na podstawie równoległego ich porównania z zestawem obserwacji referencyjnych
    Investigations of the method for processing the random observations based on their parallel comparison with a set of the reference observations
    Autorzy:
    Dorozhovets, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/158183.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    opracowanie
    obserwacje
    obserwacja referencyjne
    statystyki pozycyjne
    processing
    observations
    reference
    order statistics
    reference samples
    measurement result
    Opis:
    W artykule zbadano metodę statystycznego opracowania losowych nieskorelowanych obserwacji o nieznanych a priori rozkładach prawdopodobieństwa (RP). Metoda polega na równoległym porównaniu uporządkowanych obserwacji z zestawem obserwacji referencyjnych, którymi są wartości przeciętne losowych statystyk pozycyjnych odpowiadających wybranym RP. Przedstawione są wyniki badań metodą Monte-Carlo skuteczności zaproponowanych algorytmów obliczania wyniku pomiaru. Metoda zapewnia mniejsza standardową niepewność wyniku pomiaru w porównaniu z niepewnością wartości średniej.
    In the paper the method for statistical processing of random uncorrelated observations of unknown a priori probability density distribution (PDD) of the population is investigated. The method is based on parallel comparison by the weighted least squares method ((1), Fig. 2) of the sorted input observations with the collection of the so-called reference observations (Fig. 1) which are the expected values of order statistics, that correspond to the specified PDD. The results of comparison are the estimators of the location ž (measurement result) and width ? parameters (1) of the input observations. The analysis of the residual sums of squares (RSS) (5, Fig. 3) deviations of the input from the all set reference observations is used for determining the best measurement result. The measurement result according to algorithm A1 is based on determination of the minimum value of all RSS (6, Fig. 3), (7) and according to the algorithm A2 the result is calculated as the weighted mean from all results (8), (9). In this case the weight coefficients are proportional to the inverse values of appropriate RSS. The efficiency of both algorithms is investigated by the Monte-Carlo method. It has been stated that algorithm A1 provides the best (after standard deviation) measurement result if the input observations are obtained from population whose PDD is also used for forming the reference observations (Figs. 4, 5). If the input observations are obtained from population whose PDD is not used for forming the reference observations, then algorithm A2 provides the best results. And both algorithms ensure better measurement results in comparison with the average value (Figs. 4, 5).
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 10, 10; 1201-1204
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Regresyjny algorytm pomiaru wartości kąta przesunięcia fazowego
    The regression algorithm for phase angle measurement
    Autorzy:
    Szlachta, A.
    Kowalczyk, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/158033.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    warunkowe uśrednianie sygnałów
    algorytm regresyjny
    niepewność pomiaru
    conditional averaging of signals
    phase angle
    uncertainty of measurement result
    Opis:
    W artykule przedstawiono algorytm do pomiaru kąta przesunięcia fazowego, wykorzystujący warunkowe uśrednianie sygnałów.
    In this paper the regression algorithm was presented. It works using conditional averaging for phase angle measurement.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 12, 12; 25-26
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neuronowa korekcja błędów dynamicznych przetwornika II-go rzędu
    Correction of second order converter dynamic errors implementing neural networks
    Autorzy:
    Roj, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/153041.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sztuczna sieć neuronowa
    korekcja błędów dynamicznych
    niepewność wyniku pomiaru
    artificial neural network
    dynamic error correction
    uncertainty of a measurement result
    Opis:
    W artykule przedstawiono wyniki wstępnych badań dotyczących możliwości wykorzystania jednokierunkowych sieci neuronowych do korekcji błędów dynamicznych wprowadzanych przez przetworniki opisane liniowym równaniem różniczkowym II-go rzędu. Oceniono zasadność stosowania tego rodzaju podejścia do zagadnienia korekcji błędów dynamicznych. Wnioski sformułowano w oparciu o wyniki badań symulacyjnych.
    Dynamic properties of second order transducers are usually modelled by the linear differential equation (1) which can be converted to the discrete equation of state (6). Recursive solving of this equation for the input quantity (Eqs. 8 and 9) is a dynamic error correction algorithm. This algorithm can be written in the form of equations (10 and 11) which can be solved by simple, feed-forward neural networks of structures shown in Fig.1. Fig. 2 illustrates the use of neural networks for realisation of the dynamic correction recursive algorithm. The possibility of applying neural networks to dynamic error correction was investigated by simulations in the Matlab Neural Toolbox environment. There were taken the following assumptions concerning the transducer model: , , and the discretization period . The network was learned using a 200 - element learning set generated on a basis of relation (14). The network was tested with a 200 000 - element testing set. The test results of both networks showed error - free implementation of (10) and (11) (errors of 10-15 order). At the next stage the learning sets were quantizied with 12 - bit resolution. The influence of the discretization period on the accuracy of correction realisation was also investigated. Fig. 7 presents the results as a dependency of the output results on the discretization period .
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 11, 11; 1315-1317
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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