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 "Malopolski, J." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Prognozowanie rozmyte zapotrzebowania na energie elektryczna na terenach wiejskich w dlugim horyzoncie czasowym
    Fuzzy long-term forecasting of electricity demand in rural areas
    Autorzy:
    Trojanowska, M
    Malopolski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/883650.pdf
    Data publikacji:
    2008
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    obszary wiejskie
    model Takagi-Sugeno
    zapotrzebowanie na energie elektryczna
    prognozowanie rozmyte
    Źródło:
    Technika Rolnicza Ogrodnicza Leśna; 2008, 06; 19-20
    1732-1719
    2719-4221
    Pojawia się w:
    Technika Rolnicza Ogrodnicza Leśna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Forecasting of the daily demand for natural gas in rural households using the methods of artificial intelligence. Part II. Forecasting using fuzzy logic
    Prognozowanie dobowego zapotrzebowania na gaz ziemny wiejskich gospodarstw domowych przy wykorzystaniu metod sztucznej inteligencji. Cz. 2. Prognozowanie przy wykorzystaniu logiki rozmytej
    Autorzy:
    Małopolski, J.
    Trojanowska, M.
    Nęcka, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/335847.pdf
    Data publikacji:
    2015
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    natural gas
    short-term forecasts
    fuzzy logic
    prognoza krótkookresowa
    logika rozmyta
    modele Takagi-Sugeno
    Opis:
    In this paper, two fuzzy Takagi-Sugeno models were built to describe daily gas consumption of rural households using the Gaussian and trapezoidal membership function. It was found that the predictive values of both models are similar and satis-factory (MAPE 5.3-5.5%) and slightly better than in the case of the model of neural network when the BFGS algorithm was used for training, as shown in the first section of the study.
    W pracy przedstawiono zbudowane dwa rozmyte modele typu Takagi-Sugeno opisujące dobowe zużycie gazu przez wiejskie gospodarstwa domowe, wykorzystując gaussowską i trapezoidalną funkcję przynależności. Stwierdzono, że wartość predykcyjna obydwu modeli jest podobna oraz zadowalająca (MAPE rzędu 5,3-5,5%) i nieznacznie lepsza od modelu neuronowe-go, gdy do uczenia sieci zastosowano algorytm BFGS, a który przedstawiono w części I opracowania.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2015, 60, 2; 65-67
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Forecasting of the daily demand for natural gas in rural households using the methods of artificial intelligence. Part I. Forecasting using artificial neural networks
    Prognozowanie dobowego zapotrzebowania na gaz ziemny wiejskich gospodarstw domowych przy wykorzystaniu metod sztucznej inteligencji. Cz. 1. Prognozowanie przy wykorzystaniu sztucznych sieci neuronowych
    Autorzy:
    Nęcka, K.
    Trojanowska, M.
    Małopolski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/334058.pdf
    Data publikacji:
    2015
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    natural gas
    short-term forecasts
    artificial neural networks
    gaz ziemny
    prognoza krótkookresowa
    sztuczna sieć neuronowa
    Opis:
    The paper determines daily forecast demands for natural gas using artificial neural networks (MLPs). The influence of net-work structure, the type of activation function and the training process used on the quality of prediction were studied. It was found that the quality of forecasts was highly influenced by the network training algorithm. The smallest errors of the ex-pired forecasts (MAPE 5-6%) were obtained using the BFGS algorithm.
    W trakcie badań wyznaczano dobowe prognozy zapotrzebowania na gaz ziemny z wykorzystaniem sztucznych sieci neuronowych MLP. Przebadano wpływ struktury sieci, rodzaju funkcji aktywacji oraz zastosowanego procesu uczenia sieci na jakość predykcji. Stwierdzono, że na jakość prognoz duży wpływ ma algorytm uczenia sieci. Najmniejsze błędy prognoz wygasłych (MAPE rzędu 5-6%) uzyskano stosując algorytm BFGS.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2015, 60, 2; 62-64
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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