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 1-15 z 17
Tytuł:
Fatigue Life Predictions of Metal Matrix Composites Using Artificial Neural Networks
Przewidywania trwałości zmęczeniowej kompozytów metalowych przy użyciu sztucznych sieci neuronowych
Autorzy:
Uygur, I.
Cicek, A.
Toklu, E.
Kara, R.
Saridemir, S.
Powiązania:
https://bibliotekanauki.pl/articles/355098.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
MMCs
fatigue life prediction
artificial neural networks
przewidywania trwałości zmęczeniowej
sztuczne sieci neuronowe
Opis:
In this study, fatigue life predictions for the various metal matrix composites, R ratios, notch geometries, and different temperatures have been performed by using artificial neural networks (ANN) approach. Input parameters of the model comprise various materials (M), such as particle size and volume fraction of reinforcement, stress concentration factor (Kt), R ratio (R), peak stress (S), temperatures (T), whereas, output of the ANN model consist of number of failure cycles. ANN controller was trained with Levenberg-Marquardt (LM) learning algorithm. The tested actual data and predicted data were simulated by a computer program developed on MATLAB platform. It is shown that the model provides intimate fatigue life estimations compared with actual tested data.
Zastosowano sztuczne sieci neuronowe (ANN) do przewidywania trwałości zmęczeniowej dla różnych kompozytów metalowych, parametrów R, geometrii karbu, i różnych temperatur. Parametry wejściowe modelu obejmowały: różne materiały (M), o różnym rozmiarze cząstek i objętosci frakcji zbrojącej, współczynnik koncentracji naprężeń (Kt), stosunek parametru R (R), naprężenie szczytowe (S), temperaturę (T), natomiast dane wyjściowe składały się z liczby cykli awarii (SSN). Kontroler ANN był trenowany z użyciem algorytmu uczenia Levenberga-Marquardta (LM). Badane dane rzeczywiste i dane przewidywane symulowane były przez program komputerowy opracowany na platformie MATLAB. Wykazano, że model zapewnia oszacowanie trwałości zmęczeniowej bliską rzeczywistym danym badanym.
Źródło:
Archives of Metallurgy and Materials; 2014, 59, 1; 97-103
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ann modelling for the analysis of the green moulding sands properties
Analiza właściwości syntetycznych mas formierskich z zastosowaniem sztucznych sieci neuronowych
Autorzy:
Jakubski, J.
Malinowski, P.
Dobosz, S. M.
Major-Gabryś, K.
Powiązania:
https://bibliotekanauki.pl/articles/356980.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
data mining
artificial neural networks
green moulding sands
sztuczne sieci neuronowe
syntetyczne masy formierskie
Opis:
Application of modern technological solutions, as well as the economic and ecological solutions, is for foundries one of the main aspects of the competitiveness on the market for castings. IT solutions can significantly support technological processes. This article presents neural networks with different structures that have been used to determine the moisture content of the moulding sand based on the moulding sand selected properties research results. Neural networks were built using Matlab software. Moulding sand properties chosen for quality control processes were selected based on wide previous results. For the proposed moulding sand properties, neural networks can be a useful tool for predicting moisture content. The structure of artificial neural network do not have a significant influence on the obtained results. In subsequent studies on the use of neural networks as an application to support the green moulding sand rebonding process, it must be determined how factors such as environmental humidity and moulding sand temperature will affect the accuracy of data obtained with the use of artificial neural networks.
Zastosowanie nowoczesnych rozwiązań technologicznych, a także ekonomicznych i ekologicznych stanowi dla odlewni jeden z głównych aspektów konkurencyjności na rynku produktów odlewów. Doskonałym wsparciem dla procesów technologicznych są rozwiązania informatyczne. W artykule zaprezentowano sieci neuronowych o różnej strukturze, które zostały użyte do określania wilgotności masy formierskiej na podstawie wyników badania wybranych właściwości masy. Sieci neuronowe zbudowano z wykorzystaniem oprogramowania Matlab. Właściwości mas wybrane do procesów sterowania jakością zostały dobrane w oparciu o wcześniejsze wyniki badań. Dla zaproponowanych właściwości syntetycznych mas formierskich sztuczne sieci neuronowe mogą być użytecznym narzędziem do przewidywania wilgotności masy. Ilość warstw ukrytych w strukturze sieci nie ma wpływu na otrzymywane rezultaty. W kolejnych badaniach nad wykorzystaniem sieci neuronowych jako aplikacji wspierającej procesy odświeżania syntetycznych mas formierskich, należy okreslić, w jaki sposób czynniki takie jak wilgotność otoczenia, czy temperatura masy wpłyną na dokładność danych uzyskanych z wykorzystaniem sztucznych sieci neuronowych.
Źródło:
Archives of Metallurgy and Materials; 2013, 58, 3; 961-963
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Effect of rock properties on ROP modeling using statistical and intelligent methods: a case study of an oil well in southwest of Iran
Badanie wpływu właściwości skał na prędkość wiercenia przy zastosowaniu metod statystycznych i inteligentnych: studium przypadku: szyb naftowy w południowo-zachodniej części Iranu
Autorzy:
Bezminabadi, S. N.
Ramezanzadeh, A.
Jalali, S. M. E.
Tokhmechi, B.
Roustaei, A.
Powiązania:
https://bibliotekanauki.pl/articles/219768.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
prędkość wiercenia
właściwości skał
metoda wielokrotnej regresji nieliniowej
sztuczne sieci neuronowe
ROP
rock properties
MNR
ANN
Opis:
Rate of penetration (ROP) is one of the key indicators of drilling operation performance. The estimation of ROP in drilling engineering is very important in terms of more accurate assessment of drilling time which affects operation costs. Hence, estimation of a ROP model using operational and environmental parameters is crucial. For this purpose, firstly physical and mechanical properties of rock were derived from well logs. Correlation between the pair data were determined to find influential parameters on ROP. A new ROP model has been developed in one of the Azadegan oil field wells in southwest of Iran. The model has been simulated using Multiple Nonlinear Regression (MNR) and Artificial Neural Network (ANN). By adding the rock properties, the estimation of the models were precisely improved. The results of simulation using MNR and ANN methods showed correlation coefficients of 0.62 and 0.87, respectively. It was concluded that the performance of ANN model in ROP prediction is fairly better than MNR method.
Prędkość wiercenia jest jednym z podstawowych parametrów charakteryzujących tempo prac wiertniczych. Oszacowanie prędkości wiercenia jest zagadnieniem kluczowym dla inżynierów wiertnictwa, gdyż pozwala na dokładne określenie czasu trwania prac, a co za tym idzie także kosztów operacyjnych. Szacowanie prędkości wiercenia odbywa się na podstawie modelu uwzględniającego parametry pracy oraz parametry środowiskowe. Pierwszy krok obejmuje pozyskanie danych o fizycznych i mechanicznych właściwościach skał na podstawie profilowania geofizycznego otworu. Zastosowano korelację odpowiednich par danych dla pokreślenie wpływu głównych czynników warunkujących prędkość wiercenia. Nowy model obliczania prędkości wiercenia opracowany został w okręgu naftowym Azadegan w południowo-zachodniej części Iranu. Symulacje prowadzono w oparciu o metodę wielokrotnej regresji nieliniowej a także przy wykorzystaniu sztucznych sieci neuronowych. Poprzez dodanie danych o właściwościach skał, model został znacznie udoskonalony. Wyniki symulacji prowadzonych w oparciu o powyższe metody wykazały współczynniki korelacji na poziomie 0.62 i 0.87. Stwierdzono, że metoda wykorzystująca sztuczne sieci neuronowe daje dokładniejsze szacunki prędkości wiercenia niż podejście bazujące wyłącznie na metodzie obliczania regresji nieliniowej
Źródło:
Archives of Mining Sciences; 2017, 62, 1; 131-144
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Condition monitoring of off-highway truck tires at Sungun copper mine using neural networks
Monitorowanie stanu technicznego opon w ciężkich pojazdach terenowych eksploatowanych w kopalni miedzi Sungun, przy użyciu sieci neuronowych
Autorzy:
Moniri Morad, A.
Sattarvand, J.
Powiązania:
https://bibliotekanauki.pl/articles/218962.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
eksploatacja
optymalizacja kosztów
opona ciężarówki
sztuczne sieci neuronowe
maintenance
cost optimization
truck tire
artificial neural networks
Opis:
Maintenance cost of the equipment is one of the most important portions of the operating expenditures in mines; therefore, any change in the equipment productivity can lead to major changes in the unit cost of the production. This clearly shows the importance and necessity of using novel maintenance methods instead of traditional approaches, in order to reach the minimum sudden occurrence of the equipment failure. For instance, the tires are costly components in maintenance which should be regularly inspected and replaced among different axles. The paper investigates the current condition of equipment tires at Sungun Copper Mine and uses neural networks to estimate the wear of the tires. The Input parameters of the network composed of initial tread depth, time of inspection and consumed tread depth by the time of inspection. The output of the network is considered as the residual service time ratio of the tires. The network trained by the feed-forward back propagation learning algorithm. Results revealed a good coincidence between the real and estimated values as 96.6% of correlation coefficient. Hence, better decisions could be made about the tires to reduce the sudden failures and equipment breakdowns.
Koszty użytkowania sprzętu stanowią jedną z najpoważniejszych pozycji w zestawieniu kosztów eksploatacyjnych kopalni, dlatego też każda poprawa wydajności sprzętu powoduje w efekcie zmianę jednostkowego kosztu produkcji. Wyraźnie pokazuje to wagę i konieczność stosowania nowoczesnych metod eksploatacji w miejsce podejścia tradycyjnego w celu minimalizacji ryzyka wystąpienia awarii sprzętu. Przykładowo, opony są elementami kosztownymi w eksploatacji, wymagają regularnego przeglądu i ponownego mocowania na osi. W artykule przebadano stan techniczny opon w maszynach i urządzeniach eksploatowanych w kopalni miedzi Sungun. Przy zastosowaniu metod wykorzystujących sieci neuronowe określano zużycie opon. Parametry wejściowe sieci to początkowa głębokość bieżnika, okres pomiędzy przeglądami, zużycie bieżnika do czasu przeglądu. Parametr wyjściowy to współczynnik określającyczas serwisowania opon. Sieć uczono przy użyciu algorytmu propagacji wstecznej z wyprzedzeniem (feedforward back-propagation algorithm). Uzyskane wyniki wskazują wysoką zbieżność pomiędzy wartościami rzeczywistymi a estymowanymi, współczynnik korelacji kształtuje się na poziomie 96.6%. Umożliwia to podejmowanie lepszych decyzji w odniesieniu do eksploatacji opon, tak by zapobiec nagłym uszkodzeniom i awariom sprzętu.
Źródło:
Archives of Mining Sciences; 2013, 58, 4; 1133-1144
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Type of modulation identification using Wavelet Transform and Neural Network
Autorzy:
Walenczykowska, M.
Kawalec, A.
Powiązania:
https://bibliotekanauki.pl/articles/201661.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
modulation identification
artificial neural networks
continuous wavelet transform (CWT)
identyfikacja modulacji
sztuczne sieci neuronowe (SSN)
transformacja falkowa (CWT)
Opis:
Automatic recognition of the signal modulation type turned out to be useful in many areas, including electronic warfare or surveillance. The wavelet transform is an effective way to extract signal features for identification purposes. In this paper there are M-ary ASK, M-ary PSK, M-ary FSK, M-ary QAM, OOK and MSK signals analysed. The mean value, variance and central moments up to five of continuous wavelet transform (CWT) are used as signal features. The principal component analysis (PCA) is applied to reduce a number of features. A multi-layer neural network trained with backpropagation learning algorithm is considered as a classifier. There are two research variants: interclass and intraclass recognition with a wide range of signal-to-noise ratio (SNR).
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2016, 64, 1; 257-261
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Investigation Of Infrared Drying Behaviour Of Spinach Leaves Using ANN Methodology And Dried Product Quality
Autorzy:
Sarimeseli, A.
Yuceer, M.
Powiązania:
https://bibliotekanauki.pl/articles/185285.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
Artificial neural network (ANN)
infrared
spinach drying
ascorbic acid
rehydration
colour parameters
sztuczne sieci neuronowe
suszenie
kwas askorbinowy
rehydracja
Opis:
Effects of infrared power output and sample mass on drying behaviour, colour parameters, ascorbic acid degradation, rehydration characteristics and some sensory scores of spinach leaves were investigated. Within both of the range of the infrared power outputs, 300–500 W, and sample amounts, 15–60 g, moisture content of the leaves was reduced from 6.0 to 0.1±(0.01) kg water/ kg dry base value. It was recorded that drying times of the spinach leaves varied between 3.5–10 min for constant sample amount, and 4–16.5 min for constant power output. Experimental drying data obtained were successfully investigated by using artificial neural network methodology. Some changes were recorded in the quality parameters of the dried leaves, and acceptable sensory scores for the dried leaves were observed in all of the experimental conditions.
Źródło:
Chemical and Process Engineering; 2015, 36, 4; 425-436
0208-6425
2300-1925
Pojawia się w:
Chemical and Process Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling and Analysis of the Synergistic Alloying Elements Effect on Hardenability of Steel
Autorzy:
Sitek, Wojciech
Trzaska, Jacek
Gemechu, W. F.
Powiązania:
https://bibliotekanauki.pl/articles/2203932.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
hardenability
artificial neural networks
multiple regression
steel alloy
modelling and simulation
hartowność
sztuczne sieci neuronowe
regresja wielokrotna
stal
modelowanie i symulacja
Opis:
The paper presents a methodology of modeling relationships between chemical composition and hardenability of structural alloy steels using computational intelligence methods, that are artificial neural network and multiple regression models. Particularly, the researchers used unidirectional multilayer teaching method based on the error backpropagation algorithm and a quasi-newton methods. Based on previously known methodologies, it was found that there is no universal method of modeling hardenability, and it was also noted that there are errors related to the calculation of the curve. The study was performed on large set of experimental data containing required information on about the chemical compositions and corresponding Jominy hardenability curves for over 400 data steel heats with variety of chemical compositions. It is demonstrated that the full practical usefulness of the developed models in the selection of materials for particular applications with intended performance in the area of application.
Źródło:
Archives of Foundry Engineering; 2022, 22, 4; 102--108
1897-3310
2299-2944
Pojawia się w:
Archives of Foundry Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Safe vibrations of spilling basin explosions at "Gotvand Olya Dam" using artificial neural network
Określanie bezpiecznego poziomu wibracji w zbiorniku w trakcie prac strzałowych prowadzonych na tamie Gotvand Olya z wykorzystaniem sztucznych sieci neuronowych
Autorzy:
Amnieh, H. B.
Bahadori, M.
Powiązania:
https://bibliotekanauki.pl/articles/219884.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
drgania gruntu
bezpieczeństwo prac strzałowych
tama Gotvand Olya
sztuczne sieci neuronowe
ground vibration
safe explosion
Gotvand Olya Dam
artificial neural network (ANN)
Opis:
Ground vibration is an undesirable outcome of an explosion which can have destructive effects on the surrounding environment and structures. Peak Particle Velocity (PPV) is a determining factor in evaluation of the damage caused by an explosion. To predict the ground vibration caused by blasting at the Gotvand Olya Dam (GOD) spilling basin, thirty 3-component records (totally 90) from 19 blasts were obtained using 3 VIBROLOC seismographs. Minimum and the maximum distance from the center of the exploding block to the recording station were set to be 11 and 244 meters, respectively. To evaluate allowable safe vibration and determining the permissible explosive charge weight, Artificial Neural Networks (ANN) was employed with Back Propagation (BP) and 3 hidden layers. The mean square error and the correlation coefficient of the network in this study were found to be 1.95 and 0.995, respectively, which compared to those obtained from the known empirical correlations, indicating substantially more accurate prediction. Considering the network high accuracy and precision in predicting vibrations caused by such blasting operations, the nearest distance from the center of the exploding block at this study was 11 m, and considering the standard allowable vibration of 120 mm/sec for heavy concrete structures, the maximum permissible explosive weight per delay was estimated to be 47.00 Kg. These results could be employed in subsequent safer blasting operation designs.
Wibracje gruntu to niepożądany skutek prowadzenia prac strzałowych, które mogą negatywnie wpływać na otaczające środowisko oraz znajdujące się w sąsiedztwie budowle. Głównym wskaźnikiem używanym przy określaniu szkód spowodowanych przez wybuchy jest wskaźnik maksymalnej prędkości cząstek (PPV). Przy prognozowaniu wibracji terenu wskutek prac strzałowych prowadzonych na tamie Gotvand Olya i w zbiorniku zbadano zapisy 3-składnikowych prędkości ( w sumie 90 zapisów) z 13 wybuchów zarejestrowane przy użyciu sejsmografu 3 VIBROLOC. Maksymalna i minimalna odległość pomiędzy środkiem rozkruszanego bloku a stacją rejestrującą ustawiona została na poziomie 244 i 11 m. W celu określenia bezpiecznego poziomu drgań oraz dopuszczalnej wagi ładunku, zastosowano podejście wykorzystujące sieci neuronowe, z wykorzystaniem metody propagacji wstecznej i trzech warstw ukrytych. Błąd średniokwadratowy i współczynnik korelacji sieci wyniosły 1.95 i 0.95, co pozostaje w zgodności z danym uzyskiwanymi z obserwacji empirycznych, wskazując na poprawność i dokładność prognoz. Zakładając wysoki poziom dokładności sieci oraz wysoką dokładność w prognozowaniu poziomu drgań wywołanych przez prace strzałowe, przyjęto że najbliższa odległość od środka rozkruszanego bloku wyniesie 11 m. Uwzględniając standardowe dopuszczalne w przypadku ciężkich budowli betonowych poziomy drgań w wysokości 120 m/s, oszacowano że maksymalna dopuszczalna masa ładunku wyniesie 47.00 Kg, w przeliczeniu na jeden okres zwłoki. Wyniki badań wykorzystane być mogą w planowaniu kolejnych bezpiecznych prac strzałowych.
Źródło:
Archives of Mining Sciences; 2014, 59, 4; 1087-1096
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Belemnella stratigraphy of the Campanian-Maastrichtian boundary; a new methodological and taxonomic approach
Autorzy:
Remin, Z.
Powiązania:
https://bibliotekanauki.pl/articles/138983.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
belemnity
biostratygrafia
kampan
Kronsmoor
mastrycht
sztuczne sieci neuronowe
Wisła
Artificial Neural Networks
belemnites
biostratigraphy
Campanian
Campanian-Maastrichtian boundary
Kronsmoor section
Maastrichtian
Vistula section
Opis:
The taxonomy and stratigraphy of the Upper Campanian and Lower Maastrichtian belemnites from the Vistula (central Poland) and Kronsmoor (northern Germany) sections are revised on the basis of new collections from the Vistula section as well as a reinvestigation of the classic collection of Schulz from the Kronsmoor section. For the taxonomic description a new biometric procedure is proposed, which can be applied to both the genera Belemnella and Belemnitella. For the species-level taxa recognition the Artificial Neural Networks method, the self-organizing Kohonen algorithm, was implemented. This new taxonomic and methodological approach enabled the recognition of nine species of the genus Belemnella. Five of them can be assigned to the existing species B. lanceolata, B. longissima, B. inflata, B. obtusa and B. vistulensis. However, the species concept differs from that applied by Schulz (1979). As a consequence, the stratigraphic ranges of these species are modified. Four species are left in open nomenclature and represent possibly new species. Future studies may reveal that they might be assigned to East European forms from Ukraine or Russia. The species of Belemnella recognized are placed into the stratigraphic framework based on the standard ammonite and inoceramid bivalve zonations, especially those recognized in the Vistula section. The newly proposed belemnite zonation for the Vistula and Kronsmoor sections is correlated via inoceramids with the standard GSSP at Tercis, France, in order to identify the base of the Maastrichtian Stage. The Campanian/Maastrichtian boundary as defined in Tercis is placed here at the base of the newly defined B. obtusa and B. vistulensis Zones ["obtusa/vistulensis"] - thus it is markedly higher than the traditional boundary based on the FAD of representatives of the genus Belemnella - This new boundary coincides well with a distinct turnover of belemnite guard morphology and represents one of the most important points in the early evolutionary history of Belemnella. Three belemnite zones defined by their lower boundaries are recognized in the Campanian/Maastrichtian interval, in addition to three subzones recognized within the B. obtusa Superzone. The B. lanceolata and B. inflata zones as understood here are referred to the Upper Campanian [Tercis definition]. The B. obtusa Zone is subdivided into three subzones, viz.: Belemenlla vistulensis, Belemnella sp. G and Belemnella sp. F, which are referred to the Lower Maastrichtian [Tercis definition]. The fast evolving species of Belemnella enable the proposal of a biostratigraphic scheme with a resolution that is higher than those based on inoceramid bivalves and ammonites - the longevity of a belemnite zone could be as low as 200Ky.
Źródło:
Acta Geologica Polonica; 2012, 62, 4; 495-533
0001-5709
Pojawia się w:
Acta Geologica Polonica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Combination of artificial neural networks and numerical modeling for predicting deformation modulus of rock masses
Autorzy:
Tayarani, Narges Saadat
Jamali, Saeed
Zadeh, Mehdi Motevalli
Powiązania:
https://bibliotekanauki.pl/articles/219719.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
sztuczne sieci neuronowe
symulacja numeryczna
metoda różnic skończonych
masy skalne
artificial neural networks
numerical simulation
finite difference method
deformation modulus of rock mass
arch dam
Opis:
The deformation modulus of the rock mass as a very important parameter in rock mechanic projects generally is determined by the plate load in-situ tests. While this test is very expensive and time-consuming, so in this study a new method is developed to combin artificial neural networks and numerical modeling for predicting deformation modulus of rock masses. For this aim, firstly, the plate load test was simulated using a Finite Difference numerical model that was verified with actual results of the plate load test in Pirtaghi dam galleries in Iran. Secondly, an artificial neural network is trained with a set of data resulted from numerical simulations to estimate the deformation modulus of the rock mass. The results showed that an ANN with five neurons in the input layer, three hidden layers with 4, 3 and 2 neurons, and one neuron in the output layer had the best accuracy for predicting the deformation modulus of the rock mass.
Źródło:
Archives of Mining Sciences; 2020, 65, 2; 337-346
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Effect of PVD and CVD Coating Structures on the Durability of Sintered Cutting Edges
Wpływ struktury powłok PVD i CVD na trwałość spiekanych ostrzy skrawających
Autorzy:
Staszuk, M.
Dobrzański, L.A.
Tański, T.
Kwaśny, W.
Musztyfaga-Staszuk, M.
Powiązania:
https://bibliotekanauki.pl/articles/353335.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
tool materials
PVD and CVD coatings
surface treatment
machining
artificial neural network
materiały narzędziowe
powłoki PVD i CVD
obróbka powierzchni
obróbka skrawaniem
sztuczne sieci neuronowe
Opis:
In the work it was demonstrated that the exploitative stability of edges from tool ceramics and sintered carbides coated with gradient and multilayer PVD and CVD coatings depends mainly on the adherence of the coatings to the substrate, while the change of coating microhardness from 2300 to 3500 HV0.05, the size of grains and their thickness affect the durability of the edges to a lesser extent. It was found that some coatings showed a fine-grained structure. The coatings which contained the AlN phase with hexagonal lattice showed a considerably higher adhesion to the substrate from sialon ceramics rather than the coatings containing the TiN phase. Better adherence of the coatings containing the AlN phase with hexagonal lattice is connected with the same kind of interatomic bonds (covalent) in material of both coating and ceramic substrate. In the paper the exploitative properties of the investigated coatings in the technological cutting trials were also determined. The models of artificial neural network, which demonstrate a relationships between the edge stability and coating properties such as: critical load, microhardness, thickness and size of grains were worked out.
W pracy wykazano, że trwałość eksploatacyjna ostrzy skrawających z ceramiki narzędziowej i węglików spiekanych pokrytych gradientowymi i wielowarstwowymi powłokami PVD oraz CVD zależy głównie od przyczepności powłok do podłoża, natomiast zmiana mikrotwardości w zakresie od 2300 do 3500 HV0.05. wielkości ziarn oraz ich grubości w mniejszym stopniu wpływają na trwałość ostrzy. Powłoki wykazują drobnoziarnistą strukturę. Powłoki zawierające fazę AlN o sieci heksagonalnej wykazują lepszą przyczepność do sialonowego podłoża niż powłoki zawierające fazę TiN. Lepsza przyczepność powłok zawierających fazę A1N o sieci heksagonalnej związana jest z takim samym rodzajem wiązań międzyatomowych (kowalencyjnych) w materiale powłoki i ceramicznego podłoża. W pracy określono także własności eksploatacyjne powłok w technologicznej próbie toczenia. Zależności pomiędzy trwałością ostrza a własnościami powłok takimi jak obciążenie krytyczne, mikrotwardość, grubość i wielkość ziarna określono z zastosowaniem sztucznych sieci neuronowych.
Źródło:
Archives of Metallurgy and Materials; 2014, 59, 1; 269-274
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Assessment of self-heating susceptibility of Indian coal seams – a neural network approach
Ocena skłonności pokładów węgla w Indiach do samozapłonu – podejście oparte o wykorzystanie sieci neuronowych
Autorzy:
Panigrahi, D. C.
Ray, S. K.
Powiązania:
https://bibliotekanauki.pl/articles/219076.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
metoda badania potencjału utleniającego w procesie mokrym
samozapłon
badanie korelacji
sztuczne sieci neuronowe
temperatura przejścia
wet oxidation potential
spontaneous heating
correlation studies
artificial neural network analysis
CPT
Opis:
The paper addresses an electro-chemical method called wet oxidation potential technique for determining the susceptibility of coal to spontaneous combustion. Altogether 78 coal samples collected from thirteen different mining companies spreading over most of the Indian Coalfields have been used for this experimental investigation and 936 experiments have been carried out by varying different experimental conditions to standardize this method for wider application. Thus for a particular sample 12 experiments of wet oxidation potential method were carried out. The results of wet oxidation potential (WOP) method have been correlated with the intrinsic properties of coal by carrying out proximate, ultimate and petrographic analyses of the coal samples. Correlation studies have been carried out with Design Expert 7.0.0 software. Further, artificial neural network (ANN) analysis was performed to ensure best combination of experimental conditions to be used for obtaining optimum results in this method. All the above mentioned analysis clearly spelt out that the experimental conditions should be 0.2 N KMnO4 solution with 1 N KOH at 45°C to achieve optimum results for finding out the susceptibility of coal to spontaneous combustion. The results have been validated with Crossing Point Temperature (CPT) data which is widely used in Indian mining scenario.
W pracy omówiono możliwości wykorzystania metody elektro-chemicznej zwanej metodą określania potencjału utleniającego w procesie mokrym do określania skłonności węgla do samozapłonu. Dla potrzeb eksperymentu zebrano 78 próbek węgla z trzynastu kopalni w obrębie Indyjskiego Zagłębia Węglowego. Przeprowadzono 936 eksperymentów, w różnych warunkach prowadzenia procesu aby zapewnić standaryzację metody w celu jej szerszego zastosowania. Dla każdej próbki przeprowadzono 12 eksperymentów metodą badania potencjału utleniającego w procesie mokrym. Wyniki skorelowano z własnościami danego węgla przez przeprowadzenie badania petrograficznych i wytrzymałościowych parametrów węgla. Procedurę korelacji wykonano z wykorzystaniem oprogramowania Design Expert 7.0.0, następnie przeprowadzono analizę z wykorzystaniem sieci neuronowych w celu opracowania najkorzystniejszej kombinacji warunków eksperymentu do wykorzystania dla uzyskania optymalnych wyników. Badania wykazały, że najkorzystniejsze warunki dla procesu to zastosowanie roztworu 0.2 N KMnO4 z 1 N KOH przy 45°C dla uzyskania optymalnych wyników określania skłonności pokładów do samozapłonu. Walidację wyników przeprowadzono w oparciu o wyniki badania metodą określania temperatury przejścia (Crossing Point Temperature), szeroko stosowaną w przemyśle wydobywczym w Indiach.
Źródło:
Archives of Mining Sciences; 2014, 59, 4; 1061-1076
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Lung cancer detection using an integration of fuzzy K-Means clustering and deep learning techniques for CT lung images
Autorzy:
Prasad, J. Maruthi Nagendra
Chakravarty, S.
Krishna, M. Vamsi
Powiązania:
https://bibliotekanauki.pl/articles/2173683.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
fuzzy K-means
artificial neural networks
SVM
support vector machine
crow search optimization algorithm
algorytm rozmytych k-średnich
sztuczne sieci neuronowe
maszyna wektorów wspierających
algorytm optymalizacji wyszukiwania kruków
Opis:
Computer aided detection systems are used for the provision of second opinion during lung cancer diagnosis. For early-stage detection and treatment false positive reduction stage also plays a vital role. The main motive of this research is to propose a method for lung cancer segmentation. In recent years, lung cancer detection and segmentation of tumors is considered one of the most important steps in the surgical planning and medication preparations. It is very difficult for the researchers to detect the tumor area from the CT (computed tomography) images. The proposed system segments lungs and classify the images into normal and abnormal and consists of two phases, The first phase will be made up of various stages like pre-processing, feature extraction, feature selection, classification and finally, segmentation of the tumor. Input CT image is sent through the pre-processing phase where noise removal will be taken care of and then texture features are extracted from the pre-processed image, and in the next stage features will be selected by making use of crow search optimization algorithm, later artificial neural network is used for the classification of the normal lung images from abnormal images. Finally, abnormal images will be processed through the fuzzy K-means algorithm for segmenting the tumors separately. In the second phase, SVM classifier is used for the reduction of false positives. The proposed system delivers accuracy of 96%, 100% specificity and sensitivity of 99% and it reduces false positives. Experimental results shows that the system outperforms many other systems in the literature in terms of sensitivity, specificity, and accuracy. There is a great tradeoff between effectiveness and efficiency and the proposed system also saves computation time. The work shows that the proposed system which is formed by the integration of fuzzy K-means clustering and deep learning technique is simple yet powerful and was effective in reducing false positives and segments tumors and perform classification and delivers better performance when compared to other strategies in the literature, and this system is giving accurate decision when compared to human doctor’s decision.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2022, 70, 3; art. no. e139006
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of penetration rate of rotary-percussive drilling using artificial neural networks – a case study
Prognozowanie postępu wiercenia przy użyciu wiertła udarowo-obrotowego przy wykorzystaniu sztucznych sieci neuronowych – studium przypadku
Autorzy:
Aalizad, S. A.
Rashidinejad, F.
Powiązania:
https://bibliotekanauki.pl/articles/219500.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
prędkość wiercenia
wiertło obrotowo-udarowe
sztuczne sieci neuronowe
urządzenia udarowe
kopalnia rud żelaza Sangan
penetration rate
rotary-percussive drilling
artificial neural networks
top hammer drilling
Sangan iron mine
Opis:
Penetration rate in rocks is one of the most important parameters of determination of drilling economics. Total drilling costs can be determined by predicting the penetration rate and utilized for mine planning. The factors which affect penetration rate are exceedingly numerous and certainly are not completely understood. For the prediction of penetration rate in rotary-percussive drilling, four types of rocks in Sangan mine have been chosen. Sangan is situated in Khorasan-Razavi province in Northeastern Iran. The selected parameters affect penetration rate is divided in three categories: rock properties, drilling condition and drilling pattern. The rock properties are: density, rock quality designation (RQD), uni-axial compressive strength, Brazilian tensile strength, porosity, Mohs hardness, Young modulus, P-wave velocity. Drilling condition parameters are: percussion, rotation, feed (thrust load) and flushing pressure; and parameters for drilling pattern are: blasthole diameter and length. Rock properties were determined in the laboratory, and drilling condition and drilling pattern were determined in the field. For create a correlation between penetration rate and rock properties, drilling condition and drilling pattern, artificial neural networks (ANN) were used. For this purpose, 102 blastholes were observed and drilling condition, drilling pattern and time of drilling in each blasthole were recorded. To obtain a correlation between this data and prediction of penetration rate, MATLAB software was used. To train the pattern of ANN, 77 data has been used and 25 of them found for testing the pattern. Performance of ANN models was assessed through the root mean square error (RMSE) and correlation coefficient (R2). For optimized model (14-14-10-1) RMSE and R2 is 0.1865 and 86%, respectively, and its sensitivity analysis showed that there is a strong correlation between penetration rate and RQD, rotation and blasthole diameter. High correlation coefficient and low root mean square error of these models showed that the ANN is a suitable tool for penetration rate prediction.
Postęp wiercenia przy wierceniach skał jest jednym z podstawowych parametrów decydujących o opłacalności przedsięwzięcia. Całkowite koszty prowadzenia prac wiertniczych określa się w oparciu o prognozowane tempo postępu wiercenia, parametr ten uwzględnia się następnie przy planowaniu prac wydobywczych. Niektóre spośród licznych czynników wpływających na postęp wiercenia przy użyciu wiertła obrotowo-udarowego nie zostały jeszcze w pełni rozpoznane. Przy prognozowaniu postępu wiercenia prowadzonego przy użyciu urządzeń udarowo-obrotowych uwzględniono cztery rodzaje skał obecnych w kopalni Sangan, leżącej w prowincji Khorasan-Razavi w północno -wschodniej części Iranu. Wybrane czynniki mające wpływ na postęp prac wiertniczych pogrupowano w trzy kategorie: właściwości skał, warunki prowadzenia prac wiertniczych oraz plan prowadzenia wiercenia. Parametry określające właściwości skał to gęstość, jakość skał (RQD) i wytrzymałość na ściskanie jednoosiowe, wytrzymałość skał otrzymywana w oparciu o test brazylijski, porowatość, twardość Mohra, moduł Younga, prędkość propagacji fali, Parametry określające warunki prowadzenia wierceń obejmują: udar, prędkość obrotowa, siła naporu, ciśnienie płukania, zaś parametry związane z planem prowadzenia wiercenia obejmują: wymiary otworu wiertniczego i długość. Właściwości skał określono laboratoryjnie, warunki i plan wierceń badano w terenie. Korelacji pomiędzy prędkością postępu wiercenia i właściwościami skał oraz warunkami i planem prac wiertniczych poszukiwano przy użyciu sztucznych sieci neuronowych (ANN). Zbadano 102 otwory wiertnicze, przeanalizowano warunki prowadzenia wierceń, plany prac i zarejestrowano czasy ich prowadzenia. W celu znalezienia korelacji pomiędzy tymi danymi a prognozowaną prędkością wiercenia wykorzystano oprogramowanie MATLAB. W treningu sieci neuronowej wykorzystano 77 danych, 25 z nich otrzymano w drodze testowania wzorca. Wyniki działania sieci neuronowych oceniono w oparciu o błąd średniokwadratowy (RMSE) oraz współczynnik korelacji (R2). Dla zoptymalizowanego modelu (14-14-10-1) błąd średniokwadratowy i współczynnik korelacji wynoszą odpowiednio 0.1865 i 86%. Analiza wrażliwości wykazała istnienie silnej korelacji pomiędzy prędkością wiercenia a jakością skały, prędkością obrotową wiertła i średnicą otworu wiertniczego. Wysoki współczynnik korelacji i niska wartość błędu średniokwadratowego otrzymana dla tych modeli wskazuje, że metody wykorzystujące sztuczne sieci neuronowe są odpowiednie do prognozowania prędkości wiercenia.
Źródło:
Archives of Mining Sciences; 2012, 57, 3; 715-728
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Non-parametric machine learning methods for evaluating the effects of traffic accident duration on freeways
Autorzy:
Lee, Y.
Wei, C.-H.
Chao, K.-C.
Powiązania:
https://bibliotekanauki.pl/articles/223569.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
accident on freeway
accident duration
effect evaluating
correlation
artificial neural networks
k-nearest neighbour method
wypadek na autostradzie
czas trwania wypadku
ocena skutków
korelacja
sztuczne sieci neuronowe
metoda najbliższego sąsiada
Opis:
Traffic accidents usually cause congestion and increase travel-times. The cost of extra travel time and fuel consumption due to congestion is huge. Traffic operators and drivers expect an accurately forecasted accident duration to reduce uncertainty and to enable the implementation of appropriate strategies. This study demonstrates two non-parametric machine learning methods, namely the k-nearest neighbour method and artificial neural network method, to construct accident duration prediction models. The factors influencing the occurrence of accidents are numerous and complex. To capture this phenomenon and improve the performance of accident duration prediction, the models incorporated various data including accident characteristics, traffic data, illumination, weather conditions, and road geometry characteristics. All raw data are collected from two public agencies and were integrated and cross-checked. Before model development, a correlation analysis was performed to reduce the scale of interrelated features or variables. Based on the performance comparison results, an artificial neural network model can provide good and reasonable prediction for accident duration with mean absolute percentage error values less than 30%, which are better than the prediction results of a k-nearest neighbour model. Based on comparison results for circumstances, the Model which incorporated significant variables and employed the ANN method can provide a more accurate prediction of accident duration when the circumstances involved the day time or drunk driving than those that involved night time and did not involve drunk driving. Empirical evaluation results reveal that significant variables possess a major influence on accident duration prediction.
Źródło:
Archives of Transport; 2017, 43, 3; 91-104
0866-9546
2300-8830
Pojawia się w:
Archives of Transport
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 17

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