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 "Sztuczne Sieci Neuronowe" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Zastosowanie modeli sieci neuronowych w ocenie i prognozowaniu jakości powietrza
    Application of neural network models for assessment and forecasting of air quality
    Autorzy:
    Łozowicka-Stupnicka, T
    Talarczyk, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/269220.pdf
    Data publikacji:
    2005
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    powietrze
    jakość powietrza
    prognozowanie jakości powietrza
    sieci neuronowe
    sztuczne sieci neuronowe
    Opis:
    W artykule przedstawiono metodę oceny i prognozowania jakości powietrza opartą na modelu sztucznej sieci neuronowej. Metoda ta ze względu na dobre właściwości uogólniające i szybkie osiąganie wyników nadaje się do rozwiązywania zadań predykcyjnych, których przykładem jest prognozowanie sytuacji ostrzegawczych. Dla rozwiązania postawionego zadania zaproponowano czterowarstwową, jednokierunkową sieć neuronową. Sieć tego typu jest obiecującym narzędziem oceny i prognozowania powietrza, zwłaszcza w sytuacjach podwyższonych stężeń zanieczyszczeń wpływających niekorzystnie na zdrowie ludzi i otaczające środowisko.
    The paper deals on the air pollution assessment and forecasting method based on artificial neural network. For solving the problem the four-layer, feed-forward neural network is proposed. The method has good properties of generalisation and high speed of operation. In this aspect artificial neural network can be regarded as good instrument for prediction of smog state. The chosen type of the network seems to be the promised tool for assessment and forecasting of states, which influence people health and the surrounded environment.
    Źródło:
    Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie; 2005, 10, 1; 121-134
    1426-2908
    Pojawia się w:
    Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    • odwiedzone
    Tytuł:
    Neural network and artificial immune algorithms for the classification of medical data series
    Sieci neuronowe i sieci immunologiczne dla rozpoznawania przypadków medycznych
    Autorzy:
    Wajs, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/282174.pdf
    Data publikacji:
    2012
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    sztuczne sieci neuronowe
    sieci immunologiczne
    SVM
    BPD
    artificial neural network
    immunological network
    Opis:
    This paper describes the applicability of artificial immune algorithms. Medical data series classification technique by Artificial Immune Algorithm is used for Neural Network Algorithm input data definitions. Artificial Immune Algorithms is created and trained for the purpose of Arterial Blood Gas parameters classification: pH, PaCO2, PaO2, HCO3. The main goal of this paper is to develop a artificial neural network technique for Arterial Blood Gases short-term prediction. The main question that is considered is how to predict some dynamic parameters that describe blood gases nature. A model of a physical system has an error associated with its predictions due to the dependences of the physical system's output on uncontrollable and unobservable quantities. The use of artificial methods creates the possibilities of obtaining some parameter values on the proper level of probability. This would provide a direct feedback to the clinical staff about the progress of a patient, the success of individual treatments, and quality of care as well as predicting blood gas value.
    Dla rozpoznawania przypadków chorobowych, które są opisane numerycznymi danymi wykorzystano metody sztucznej inteligencji. W pracy wykorzystano dwie metody: metodę sztucznych sieci neuronowych oraz metodę sztucznych sieci immunologicznych. Przedstawiono wyniki uzyskane tymi metodami w odniesieniu do przypadków dysplazji oskrzelowo płucnej dla dzieci, których waga była poniżej 1500 g.
    Źródło:
    Automatyka / Automatics; 2012, 16, 1; 89-96
    1429-3447
    2353-0952
    Pojawia się w:
    Automatyka / Automatics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie algorytmów interpolacji i sztucznych sieci neuronowych do wyznaczania charakterystyki zawartości chromu w glebach
    Application of interpolation algorithms and artificial neural networks for chromium contents in soils characterization
    Autorzy:
    Gruszczyński, S.
    Urbański, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/269225.pdf
    Data publikacji:
    2005
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    algorytmy interpolacji
    sieci neuronowe
    sztuczne sieci neuronowe
    gleby
    zanieczyszczenie gleb
    chrom
    zawartość chromu w glebach
    Opis:
    Przeanalizowano różne podejścia do ustalania trendu rozkładu poziomego chromu (Cr) w glebie w warunkach silnego zanieczyszczenia tym pierwiastkiem. Zastosowano algorytmy regresji wielomianowej (wielomiany I, II i III stopnia), algorytmy interpolacji (TIN, Kriging, RST) oraz sztuczne sieci neuronowe (MLP, CANFIS, RBF, GRNN, PNN, MDN). Wykorzystano dane pochodzące z badań terenowych przeprowadzonych w otoczeniu Zakładów Chemicznych "Alwernia". Różnice między poszczególnymi podejściami zaprezentowano w formie graficznej oraz niektórych statystyk rozkładu reszt. Badania rozkładu przestrzennego zanieczyszczenia gleb nasunęły wniosek, iż ważnym elementem staje się określenie precyzji informacji oraz granic błędu przez akceptację jakiegoś oszacowania zanieczyszczenia, natomiast na dalszy plan schodzi wykrycie lub uwypuklenie regularności związanej z mechanizmem zjawiska imisji. Wydaje się, że zmienność zawartości chromu w glebach, zauważalna nawet na bliskich dystansach, utrudnia akceptację metod interpolacji jako sposobu oceny rozkładu zanieczyszczeń. Z drugiej strony znaczące nieliniowości utrudniają akceptację modeli regresji. W tych warunkach możliwością wartą rozważenia jest modelowanie z użyciem sieci neuronowych, w tym także wykorzystanie rozwiązań hybrydowych (np. MDN), pozwalających na pogłębioną analizę zmienności koncentracji Cr w glebach.
    Various ways of approach, to determine the horizontal distribution trend (tendency) of Chromium (Cr) in soil, where is high pollution by this element are analysed. Polynominal regression algorithms (I, II, III degree polynominals), interpolation algorithms (TIN, Kriging, RST), and also artificial neural networks (MLP, CANFIS, RBF, GRNN, PNN, MDN) are applied. Data from field experiments, carried out in the area of Chemical Plant in Alwernia were used. The differences between several ways of approach are presented in a graphical form, and also in some remainders distribution statistics. The soil pollution spatial distribution examinations lead to following conclusion, that in the first place is the information precision determination, and also the limit of error, through the pollution evaluation acceptance, whereas in the second place is the indication or standing out the regularity connected with the imission effect mechanism. It seems that the chromium concentration in soils variation, noticed even on short distances, makes it difficult the acceptance of interpolation method, as a method of contamination distribution evaluation. On the other hand the considerable nonlinearity makes difficult the acceptance of regression model. In these circumstances, the possibility which is worth consideration, is the modelling with the application of neuron networks, that is also hybrid solution application (for instance MDN), which gives the possibility of Cr concentration in soils variation deeper analysis.
    Źródło:
    Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie; 2005, 10, 1; 15-44
    1426-2908
    Pojawia się w:
    Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Próba wykorzystania sieci neuronowych w kompleksowej interpretacji danych elektromagnetycznych na przykładzie złoża Grabownica
    An attempt to apply artificial neural networks in integrated interpretation of electromagnetic data - the Grabownica hydrocarbon deposit case study
    Autorzy:
    Mastej, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/183525.pdf
    Data publikacji:
    2011
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    rozpoznawanie obrazów
    sztuczne sieci neuronowe
    magnetotelluryka
    złoża węglowodorów
    pattern recognition
    artificial neural networks
    magnetotellurics
    hydrocarbon deposits
    Opis:
    W pracy przedstawiono próbę zastosowania metody rozpoznawania obrazów z użyciem sztucznych sieci neuronowych w kompleksowej interpretacji danych z sondowań magnetotellurycznych AMT (Audio-frequency Magnetotellurics) i CSAMT (Controlled Source Audio-frequency Magnetotellurics) ze złoża ropy i gazu Grabownica (dipol podłużny i poprzeczny względem linii profili pomiarowych). Obiektami klasyfikacji były pionowe pasy z przekrojów magnetotellurycznych, o szerokości 50 m, utworzone na bazie siatek interpolacyjnych. Strukturę obiektów formalnie niestrukturalnych wymuszono częściowo poprzez ich podział na: przypowierzchniową, wysokooporową strefę do 200 m n.p.m., strefę niskooporowych utworów uszczelniających oraz słabych maksimów - kominów dyfuzyjnych, od 200 do -100 m n.p.m. i najniższą, wysokooporową strefę złoża. Prawidłowe wskazanie rzeczywistych stref złożowych na bazie informacji pochodzących z często niejasnych i rozbieżnych między sobą obrazów z przekrojów magnetotellurycznych, świadczą o przydatności tej metody. Wskazano także dwie nieznane strefy złożowe w NE części przekroju G4 i w SW części przekroju G2.
    The paper presents an attempt to apply the pattern recognition method using artificial neural networks in integrated interpretation of the magnetotelluric data AMT (Audio-frequency Magnetotellurics) and CSAMT (Controlled Source Audio-frequency Magnetotellurics), acquired from the Grabownica oil and gas deposit (longitudinal and transversal dipole in relation to measurement profile lines). Vertical belts of magnetotelluric cross-sections, each 50 m wide, obtained from interpolation grids, were the objects of classification. The structure of formally non-structural objects was partly imposed through division into: near-surface high-resistivity zone, to 200 m a.s.l., low-resistivity screens and week maxima - diffusion chimneys, from 200 to -100 m a.s.l., and the lowest, high-resistivity deposit zone. The usefulness of the method was proven by correct identification of real deposit zones based on data often coming from ambiguous and incompatible magnetotelluric cross-sections. In addition, two unknown deposit zones were discovered in NE part of cross-section G4 and SW part of cross-section G2.
    Źródło:
    Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie; 2011, 37, 1; 157-173
    0138-0974
    Pojawia się w:
    Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie predyktorów typu neural network do prognozowania szeregów czasowych
    Utilization for forecasting activity of time range predictors type neural network
    Autorzy:
    Gworek, S.
    Utrata, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/350230.pdf
    Data publikacji:
    2005
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    prognozowanie ekonomiczne
    predyktory
    szeregi czasowe
    sztuczne sieci neuronowe
    analiza efektywności
    business forecasting
    predictors
    forecasting activity of time range
    artificial neural networks
    estimation of efficiency
    Opis:
    W pracy przedstawiono rozważania dotyczące zastosowania sztucznych sieci neuronowych do prognozowania zjawisk gospodarczych opisanych za pomocą krótkich szeregów czasowych. W pierwszej części artykułu przedstawiono krótką charakterystykę sztucznych sieci neuronowych wraz z możliwymi obszarami prognozowania ekonomicznego, w których mogą znaleźć zastosowanie. W drugiej części artykułu przeprowadzono ocenę efektywności predykcji wybranego zjawiska za pomocą sztucznych sieci neuronowych.
    This article presents consideration for forecasting activity of economic phenomenon described behind assistance of short time range concerning employment artificial neural network. It presents short characteristic of artificial neural network in first along with possible areas of economic forecasting activities, can find application. The second part of the paper includes an estimation of efficiency of selected economic phenomenon with an application of artificial neural networks.
    Źródło:
    Górnictwo i Geoinżynieria; 2005, 29, 4; 53-62
    1732-6702
    Pojawia się w:
    Górnictwo i Geoinżynieria
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sztuczne sieci neuronowe dla uzupełnienia danych w geofizyce otworowej - wybrane przykłady
    Artificial Neural Networks for completing data in well logging - selected examples
    Autorzy:
    Jarzyna, J.
    Opyrchał, A.
    Mozgowoj, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/183854.pdf
    Data publikacji:
    2007
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    profilowania geofizyki otworowej
    sztuczne sieci neuronowe
    czas interwałowy
    gęstość objętościowa
    oporność pozorna
    Karpaty Zachodnie
    well logging
    artificial neural networks
    transit interval time
    bulk density
    apparent resistivity
    Western Carpathians
    Opis:
    Wykorzystano sztuczne sieci neuronowe do odtwarzania profilowań geofizyki otworowej. Na podstawie dostępnych profilowań geofizyki wiertniczej odtworzono czas interwałowy rejestrowany przy profilowaniu akustycznym, gęstość objętościową będącą wynikiem profilowania gamma-gamma oraz oporność pozorną. Wybrano perceptrony i wsteczną propagację błędu jako metodę nauczania. Najbardziej skuteczne przy odtwarzaniu parametrów okazały się perceptrony z kilkoma neuronami na wejściu i przynajmniej kilkoma neuronami w warstwie ukrytej. Miarą poprawności wyników dostarczanych przez sieci były podstawowe statystyki obliczane dla odtworzonych parametrów w porównaniu z wynikami pomiarów lub estymacji. Najtrudniejsze do opracowania okazały się interwały, w których skały miały skomplikowaną litologię i zróżnicowaną przynależność stratygraficzną. Wyniki wykorzystano dla potrzeb interpretacji sejsmicznej, grawimetrycznej i magnetotellurycznej.
    Artificial Neural Networks were used for reconstruction of well logs. Transit interval time recorded during acoustic log, bulk density as a result of gamma-gamma log and apparent resistivity were reconstructed on the basis of available logs. Perceptrons were chosen and the back propagation method was applied as the most effective training algorithm. Perceptrons with a few input neurons and at least a few neurons in a hidden layer turned out in reconstructing parameters. Basic statistics calculated for the reconstructed parameters compared to the measured or estimated ones acted as measures of correctness of solutions delivered by the networks. Intervals containing rocks of complex lithology and diversified stratigraphy turned out to be the most difficult to interpret. Results were applied in seismics, gravimetric and magnetotelluric interpretations.
    Źródło:
    Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie; 2007, 33, 4/1; 81-102
    0138-0974
    Pojawia się w:
    Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Machine-Learning Methods for Assessing Dynamic Resistance of Existing Bridge Structures Subjected to Mining Tremors
    Metody uczenia maszynowego w ocenie odporności dynamicznej istniejących obiektów mostowych poddanych wstrząsom górniczym
    Autorzy:
    Rusek, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/385657.pdf
    Data publikacji:
    2018
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    dynamika budowli
    uczenie maszynowe
    sztuczne sieci neuronowe
    SVM
    wstrząsy górnicze
    odporność dynamiczna
    mosty
    dynamics of structures
    machine learning
    Artificial Neural Networks
    SVM Support Vector Machine
    mining tremors
    dynamic resistance
    bridges
    Opis:
    W pracy przedstawiono wyniki badań, których celem było utworzenie modelu pozwalającego na określenie odporności istniejących obiektów mostowych na wpływy wstrząsów górniczych. Podstawą do analiz była utworzona przez autora baza danych o odporności dynamicznej żelbetowych obiektów mostowych poddanych wymuszeniu sejsmicznemu charakterystycznemu dla terenu Legnicko-Głogowskiego Okręgu Miedziowego (LGOM). Odporność dynamiczna każdego obiektu w bazie danych została wyrażona w postaci granicznych wartości przyspieszeń drgań gruntu, jakie dana konstrukcja może przejąć bez zagrożenia bezpieczeństwa. Badania przeprowadzono, wykorzystując metodę Support Vector Machine (SVM) w ujęciu regresyjnym (SVR – Support Vector Regression) oraz sztuczne sieci neuronowe (ANN – Artificial Neural Network). Utworzone w ten sposób modele porównano w aspekcie jakości predykcji oraz uogólniania nabytej wiedzy. Pozwoliło to na wytypowanie metody najbardziej efektywnej pod względem oceny odporności dynamicznej istniejących obiektów mostów.
    This paper demonstrates the results of research studies aimed at creating a model that allows to determine the resistance of existing bridge structures to the impact of mining tremors. A database (created by the author of this article) of the dynamic resistance of reinforced concrete bridge structures subjected to seismic excitations commonly occurring in the Legnica-Głogów Copper District (LGOM) formed the basis for the analysis. The dynamic resistance of each structure contained in the database was expressed as the limit values of the acceleration of ground vibrations that may be carried by a given structure without compromising its safety. The study was carried out using the Support Vector Machine (SVM) method in a Support Vector Regression (SVR) approach as well as an Artificial Neural Network (ANN). The models were compared in terms of the quality of the predictions and generalization of the acquired knowledge. This allows to select the most-effective method in evaluating the dynamic resistance of existing bridge structures.
    Źródło:
    Geomatics and Environmental Engineering; 2018, 12, 1; 109-120
    1898-1135
    Pojawia się w:
    Geomatics and Environmental Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Soft modelling of the shaping of metal profiles in rapid tube hydroforming technology
    Autorzy:
    Sadłowska, Hanna
    Kochański, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/29520063.pdf
    Data publikacji:
    2022
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    rapid tube hydroforming
    RTH
    manufacturing
    constitutive modelling
    soft modelling
    finite element method
    FEM
    artificial neural networks
    ANN
    hydroformowanie rur
    produkcja
    modelowanie konstytutywne
    miękkie modelowanie
    metoda elementów skończonych
    MES
    sztuczne sieci neuronowe
    Opis:
    The paper presents an approach to the impact of process parameters in innovative RTH (Rapid Tube Hydroforming) technology for shaping closed metal profiles in flexible and deformable dies. In order to implement the assumed deformation of the deformed profile, the RTH technology requires the monitoring and control of numerous technological parameters, including geometric, material, and technological variables. The paper proposes a two-stage research procedure considering hard modelling (constitutive) and soft modelling (data-driven). Due to the complexity of the technological process, it was required to develop a numerical finite element method FEM model focused on obtaining the adequate profile deformation measured by the ellipsoidality of the cylindrical profile. Based on the results of the numerical experiments, a preliminary soft mathematical model using ANN was developed. Analysing the soft model results, several statistical hypotheses were made and verified to investigate the significance of selected process parameters. Thanks to this, it was possible to select the most important process parameters, i.e., the properties of moulding sands used for RTH dies: the angle of internal friction and cohesion.
    Źródło:
    Computer Methods in Materials Science; 2022, 22, 4; 201-210
    2720-4081
    2720-3948
    Pojawia się w:
    Computer Methods in Materials Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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