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 22
Tytuł:
Estimation of longitudinal precipitation of liquid indicator (LPLI) with the use of the artificial neural network (MLP, RBF) models
Estymacja wskaźnika opadu podłużnego rozpylonej cieczy (Wso) za pomocą sztucznych sieci neuronowych (MLP i RBF)
Autorzy:
Pentoś, K.
Cieniawska, B.
Łuczycka, D.
Powiązania:
https://bibliotekanauki.pl/articles/334681.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
spraying efficiency
artificial neural network
longitudinal precipitation
jakość opryskiwania
sztuczne sieci neuronowe
rozkład podłużny
Opis:
The study presents the results of the analysis of two artificial neural networks as models of relationships between longitudinal precipitation of liquid indicator and selected technical and technological factors of spraying process. The measurements were conducted in laboratory conditions. A wind tunnel was primary element in experimental set-up. Based on the results, it can be stated that MLP model (R2 = 0.908 for validation data set) was more accurate that RBF model (R2 = 0.837 for validation data set). The analysis of input variables’ contribution indicated that the LPLI is influenced the most by the air flow speed and the droplet size. Spray boom height and spray nozzle angle were less influencing parameters.
W pracy przedstawiono wyniki analizy dwóch modeli matematycznych zależności między wskaźnikiem opadu podłużnego rozpylonej cieczy a wybranymi technicznymi i technologicznymi parametrami procesu opryskiwania. Modele zbudowano wykorzystując sztuczne sieci neuronowe. Pomiary przeprowadzono w warunkach laboratoryjnych. Głównym elementem stanowiska badawczego był tunel aerodynamiczny. Na podstawie otrzymanych wyników można stwierdzić, że model oparty o sieć MLP (R2 = 0.908 dla zbioru walidacyjnego) charakteryzował się wyższą dokładnością niż model oparty o sieć RBF (R2 = 0.837 dla zbioru walidacyjnego). Analiza stopnia wpływu poszczególnych parametrów wejściowych modelu na jego wyjście wskazuje, że największy wpływ na Wso mają prędkość przepływu powietrza oraz wielkość kropli. Wysokość belki opryskowej oraz kąt nachylenia rozpylacza w znacznie mniejszym stopniu wpływają na Wso.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2018, 63, 1; 58-62
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modeling methods of predicting potato yield - examples and possibilities of application
Metody modelowania predykcji plonu ziemniaków – przykłady i możliwości zastosowania
Autorzy:
Piekutowska, M.
Niedbała, G.
Adamski, M.
Czechlowski, M.
Wojciechowski, T.
Czechowska-Kosacka, A.
Wójcik Oliveira, K.
Powiązania:
https://bibliotekanauki.pl/articles/337475.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
yield prediction
potato
artificial neural networks
regression
predykcja plonowania
ziemniak
sztuczne sieci neuronowe
regresja
Opis:
The purpose of the following work is to review the methods used in predicting plant yields, with particular emphasis on potato production. The article refers to the histological methods of estimating plant yields and prevailing trends: groundbased remote sensing, which is often associated with regression calculus, multiple regression, artificial intelligence and image analysis. There are also two popular models SUBSTOR and LINTUL-POTATO, which are the foundation for developing more and more accurate tools of potato yield estimation. There are many methods that allow to predict yields before the end of the growing season. The most important element in creating prediction models is choosing the appropriate number of independent variables that actually shape the yielding of potatoes. Timely and accurate prediction of crop yields improve the management of agricultural production as well as limit financial, quantitative and qualitative losses of crops.
Celem niniejszej pracy był przegląd metod wykorzystywanych w prognozowaniu plonów roślin ze szczególnym uwzględnieniem produkcji ziemniaka. W artykule nawiązano do historycznych sposobów szacowania plonów roślin oraz obecnie panujących trendów w predykcji: teledetekcji naziemnej, która często powiązana jest z rachunkiem regresyjnym, regresji wielorakiej, sztucznej inteligencji, analizie obrazów. Wspomniano także o dwóch popularnych modelach SUBSTOR i LINTULPOTATO, które stworzyły podwaliny do opracowywania coraz dokładniejszych narzędzi prognozujących plony ziemniaków. Wiele metod pozwala na predykcję plonów przed zakończeniem sezonu wegetacyjnego. Najistotniejszym elementem tworzenia modeli predykcyjnych jest dobór odpowiedniej liczby zmiennych niezależnych, które rzeczywiście kształtują plonowanie ziemniaków. Terminowe i dokładne prognozy plonów roślin uprawnych usprawniają zarządzanie produkcją rolniczą, pozwalają na ograniczanie strat finansowych, ilościowych i jakościowych plonów.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 176-180
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of artificial intelligence methods for optimization of tractive properties on silty clay loam
Metody sztucznej inteligencji w optymalizacji wybranych właściwości trakcyjnych na glebach gliniastych
Autorzy:
Pieczarka, K.
Pentoś, K.
Lejman, K.
Owsiak, Z.
Powiązania:
https://bibliotekanauki.pl/articles/334663.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
traction force
traction efficiency
artificial neural network
genetic algorithm
siła trakcyjna
sprawność trakcyjna
sztuczne sieci neuronowe
algorytm ewolucyjny
Opis:
The aim of this study was to develop valuable model of the interaction between low-power tractors wheel and deformed ground as well as to optimize tractor performance on silty clay loam. The relationships between traction force as well as traction efficiency and soil moisture, soil compaction, horizontal deformation, and vertical load were the subject of investigation. The research was carried out in the laboratory conditions. The two soft computing techniques of mathematical modeling were used: multilayer perceptron and radial basis function neural network. The more efficient model was obtained by multilayer perceptron. For the model with traction force as the output parameter the coefficient of determination was equal to 0,963 (MLP model) and 0,907 (RBF model). For the model with traction efficiency as the output parameter the coefficient of determination was equal to 0,986 and 0,944, respectively. Using the MLP model, the sensitivity analysis was conducted. The highest relative influence on traction force was observed for vertical load, in the case of traction efficiency, horizontal deformation is the most important parameter. For both dependent variables the lowest influence was calculated for soil compaction. The optimization of tractive properties requires generally high horizontal deformation, average soil moisture and high soil compaction. High vertical load is necessary for traction force maximization and relatively low for traction efficiency optimization.
Celem pracy było wygenerowanie możliwie dokładnych modeli opisujących interakcję układu opona napędowa–gleba gliniasta dla mikrociągnika. Na podstawie wygenerowanych modeli przeprowadzono optymalizację pracy analizowanego układu. Badaniom podlegały zależności między siłą i sprawnością trakcyjną a wilgotnością i zwięzłością gleby, deformacją poziomą i obciążeniem pionowym. Badania przeprowadzono w warunkach laboratoryjnych. W zadaniu modelowania matematycznego wykorzystano dwie techniki sztucznej inteligencji: sieć neuronową typu perceptron wielowarstwowy (MLP) oraz sieć neuronową z radialnymi funkcjami bazowymi (RBF). Bardziej dokładny okazał się model oparty o sieć MLP. Współczynnik determinacji opisujący jakość modelu w przypadku siły trakcyjnej wynosił 0,963 (model MLP) i 0,907 (model RBF). W przypadku sprawności trakcyjnej współczynnik determinacji wyniósł odpowiednio 0,986 i 0,944. Wykorzystując modele oparte na sieci MLP przeprowadzono analizę wrażliwości modeli. Analiza ta wykazała, że największy wpływ na siłę trakcyjną ma obciążenie pionowe, a w przypadku sprawności trakcyjnej najbardziej znaczącym parametrem jest deformacja pozioma. Dla obu zmiennych zależnych, najmniej znaczącym parametrem jest zwięzłość gleby. Optymalizacja parametrów trakcyjnych wymaga generalnie dużej wartości deformacji poziomej, średniej wartości wilgotności i dużej zwięzłości gleby. Maksymalizacja siły trakcyjnej jest możliwa przy dużej wartości obciążenia pionowego, a optymalną wartość sprawności trakcyjnej można uzyskać przy niskiej wartości obciążenia pionowego.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2018, 63, 1; 63-68
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural identification of images showing selected varieties of stored potatoes
Neuronowa identyfikacja obrazów wybranych odmian magazynowanych ziemniaków
Autorzy:
Lange, D. M.
Przybył, K.
Łukomski, M.
Koszela, K.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/334965.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
artificial neural networks
neural modeling
image analysis
graphic descriptors
edible potato tubers
sztuczne sieci neuronowe
modelowanie neuronowe
analiza obrazu
deskryptor graficzny
bulwa
ziemniak jadalny
Opis:
In recent years, there has been a growing interest in the use of modern IT tools in agricultural engineering. Both image analysis methods and artificial neural networks, designed to reproduce the work of the human brain, serve to build predictive and classification models, highly useful for modern agriculture. Correct identification of both the seed material and the produced crops becomes a priority of agricultural engineering, ensuring adequate efficiency and cost-effectiveness of agrotechnical operations. This article presents a project whose aim was to develop an effective neural model for qualitative identification of the variety of stored consumer potato tubers by using input data obtained in the process of digital image analysis. The designed and created artificial neural network model (multilayer perceptron), using informations in the form of selected graphic descriptors, classifies three selected varieties of edible potato (Denar, Gala, Vineta).
W ostatnich latach dostrzec można wzrastające zainteresowanie wykorzystywaniem nowoczesnych narzędzi informatycznych w inżynierii rolniczej. Zarówno metody analizy obrazu, jak i sztuczne sieci neuronowe, mające odwzorowywać pracę ludzkiego mózgu, służą budowaniu modeli predykcyjnych i klasyfikacyjnych, wysoce użytecznych dla współczesnego rolnictwa. Właściwa identyfikacja zarówno materiału siewnego, jak i wytworzonych plonów, staje się priorytetem inżynierii rolniczej, zapewniając odpowiednią efektywność i opłacalność przeprowadzanych zabiegów agrotechnicznych. Niniejszy artykuł przedstawia projekt, którego celem było opracowanie efektywnego modelu neuronowego służącego do identyfikacji jakościowej odmiany magazynowanych bulw ziemniaków konsumpcyjnych przy użyciu danych wejściowych pozyskanych w procesie analizy obrazów cyfrowych. Zaprojektowany i wytworzony model sztucznej sieci neuronowej (perceptron wielowarstwowy), korzystający z informacji w postaci wybranych deskryptorów graficznych, klasyfikuje trzy wybrane odmiany ziemniaka jadalnego (Denar, Gala, Vineta).
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 110-113
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do predykcji produkcji biogazu w warunkach laboratoryjnych
Application of the artificial neural networks in the prediction of biogas production in laboratory conditions
Autorzy:
Adamski, M.
Pronobis, L.
Dworecki, Z.
Powiązania:
https://bibliotekanauki.pl/articles/884340.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sieci neuronowe sztuczne
zastosowanie
badania laboratoryjne
produkcja biogazu
prognozowanie
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2013, 2
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja ziarniakow kukurydzy w oparciu o neuronowa identyfikacje ksztaltu
The classification of maizes kernels with supporting neuronal identification of shape
Autorzy:
Boniecki, P
Nowakowski, K.
Powiązania:
https://bibliotekanauki.pl/articles/882900.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
ksztalt
kukurydza
ziarniaki
sieci neuronowe sztuczne
aplikacja Klasyfikator
identyfikacja
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2008, 06; 21-24
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of artificial neural networks to predict the spatial variability of grain quality during combine harvest of wheat
Wykorzystanie sztucznych sieci neuronowych do prognozowania zmienności przestrzennej jakości ziarna podczas zbioru kombajnowego pszenicy
Autorzy:
Niedbała, G.
Czechlowski, M.
Wojciechowski, T.
Powiązania:
https://bibliotekanauki.pl/articles/335514.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sztuczne sieci neuronowe
MLP
predykcja neuronowa
selektywny zbiór zbóż
spektroskopia VIS-NIR
artificial neural network
neural prediction
selective grain harvest
VIS-NIR spectroscopy
Opis:
The aim of the study was to attempt to build and validate the neural model controlling the qualitative selection of the stream of grain mass as early as the stage of combine harvesting of winter wheat. The model uses the highest possible number of data describing locally changeable environmental conditions such as: protein content, moisture and yield of wheat grain, soil abundance in basic nutrients (total Kjeldahl nitrogen, exchangeable phosphorus and potassium, magnesium) and additionally - the pH coefficient, content of organic matter in soil and the relative altitude. The construction of the neural model was preceded with a multiple regression analysis. The results of the analysis (α = 0.05) indicated statistical significance of all of the traits under analysis, which influence grain quality and are defined as the content of protein. The MLP neural network (9-30-1) consisted of one hidden layer containing 30 neurons, one output and nine inputs. The network learning was done with the BFGS (Broyden-Fletcher-Goldfarb-Shanno) algorithm in a single phase during 827 epochs with the SOS error function. The study was a part of the development project No. R12 0073 06 entitled “Development and validation of the technology for separation grain stream during cereals selective harvesting”, financed by the Polish National Centre for Research and Development.
Celem pracy było podjęcie próby budowy i walidacji modelu neuronowego sterującego selekcją jakościową strumienia masy ziarna już na etapie kombajnowego zbioru pszenicy ozimej. Model wykorzystuje jak najwięcej danych opisujących lokalnie zmienne warunki środowiskowe takie jak: zawartości białka, wilgotność i wielkość plonu ziarna pszenicy, zasobność gleby w podstawowe składniki pokarmowe (azot ogólny, fosfor i potas wymienny, magnez) oraz dodatkowo współczynnik pH, zawartość materii organicznej w glebie oraz wysokość względną NPM. Budowę modelu neuronowego poprzedzono analizą regresji wielorakiej. Wyniki tej analizy na poziomie α = 0,05 wskazały istotność statystyczną wszystkich badanych cech wpływających na jakość ziarna zdefiniowaną jako zawartość białka. Zbudowana sieć neuronowa typu MLP (9-30-1) składała się jednej warstwy ukrytej zawierającej 30 neuronów, jednego wyjścia i dziewięciu wejść. Uczenie sieci z wykorzystaniem algorytmu BFGS wykonano jednofazowo w trakcie 827 epok z funkcją błędu SOS. Pracę zrealizowano w ramach projektu rozwojowego nr R12 0073 06 pt: „Opracowanie i walidacja technologii rozdziału strumienia ziarna podczas selektywnego zbioru zbóż” finansowanego przez NCBIR.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2013, 58, 1; 126-129
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuronowy system informatyczny wspomagajacy proces prognozowania masy mleka uzyskanego podczas doju
Neural information system helping in the process of predicting the mass of obtained milk during milking
Autorzy:
Boniecki, P
Jedrus, A.
Nizewski, P.
Powiązania:
https://bibliotekanauki.pl/articles/883594.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
system Milko
sieci neuronowe sztuczne
krowy
prognozowanie
wydajnosc mleka
produkcja zwierzeca
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2007, 05; 15-18
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza neuronowa wybranych parametrów zdolności wydojowej krów wysokowydajnych
The neural analysis of selected parameters of milking capacity for high-yield cows
Autorzy:
Jedrus, A.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/884086.pdf
Data publikacji:
2014
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
krowy wysokomleczne
zdolnosc wydojowa
mleko cwiartkowe
wydajnosc mleka
sieci neuronowe sztuczne
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2014, 1
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Budowa neuronowych modeli prognostycznych na przykladzie wybranych zagadnien inzynierii rolniczej
Construction of neural forecasting models for example of selected issues in agricultural engineering
Autorzy:
Dejewska, T
Boniecki, P.
Jakubek, A.
Powiązania:
https://bibliotekanauki.pl/articles/883707.pdf
Data publikacji:
2009
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
zbiory danych
modelowanie
modele prognostyczne
inzynieria rolnicza
sieci neuronowe sztuczne
uczenie sie
Opis:
Celem pracy było omówienie metodyki budowy modeli prognostycznych w oparciu o sztuczne sieci neuronowe. Podczas konstruowania modelu neuronowego realizującego predykcję występują często złożone problemy. Z uwagi na to przybliżono metody pozwalające na poprawny przebieg poszczególnych etapów budowy. Przedstawiono również wartość poznawczą i skuteczność działania tych modeli dla inżynierii rolniczej.
The aim of the following thesis was the description of methods of building of prognostic models with the use of the artificial neural networks. During constructing of neuronal model of prediction, a variety of complex problems may often appear. In consideration of those problems, some methods enabling appropriate course of each of the stages of building the model were presented. Moreover, a cognitive value and effectiveness of working of those models in the agricultural engineering were introduced.
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2009, 05; 7-10
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
JabVis 1.1 ewolucja aplikacji z elementami sztucznej inteligencji
JabVis 1.1 evolution of application with elements of artificial intelligence
Autorzy:
Jakubek, A.
Boniecki, P.
Dejewska, T.
Zaborowicz, M.
Powiązania:
https://bibliotekanauki.pl/articles/884284.pdf
Data publikacji:
2011
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
owoce
jablka
dojrzalosc owocow
stopien dojrzalosci
sieci neuronowe sztuczne
system JabVis 1.1
Opis:
Bezinwazyjne metody określania stadium dojrzałości jabłek są obszarem zainteresowań branży sadowniczej oraz przetwórczej tych owoców. Odpowiedzią na to zapotrzebowanie jest aplikacja JabVis ver. 1.1 powstała w 2010 w Instytucie Inżynierii Rolniczej. Jądro aplikacji zostało zaczerpnięte z poprzedniej wersji programu, który służył z kolei do identyfikacji trzech odmian jabłek. W JabVis 1.1 zostały zintegrowane moduły identyfikujące odmianę oraz stopień dojrzałości jabłek. Liczba odmian jabłoni oraz operowanie tylko na trzech z nich, pozwala na dalszą wielopłaszczyznową rozbudowę systemu w przyszłości.
Non-invasive methods for determining the maturity of apples are an area of interest in the horticultural industry and the processing of these fruits. Created in 2010 at the Institute of Agricultural Engineering, the application JabVis version 1.1 is answer to this need.. Application kernel is taken from a previous version, which in turn served to identify three varieties of apples. Modules able to identify the variety and ripeness of apples are integrated into JabVis 1.1. Number of varieties of apple trees and manipulations on only three of them, allows for further expansion of multi-level system in the future.
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2011, 01
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza mozliwosci wykorzystania sztucznych sieci neuronowych do szacowania sil konkurencji wewnatrzgatunkowej w trzydziestoletnich drzewostanach brzozy brodawkowatej [Betula pendula Roth]
Analysis of the possibility of artificial neural networks utilization for strength estimation of the intraspecific competition in thirty-year stands of silver birch [Betula pendula Roth]
Autorzy:
Niedbala, G
Korzeniewicz, R.
Szmyt, J.
Powiązania:
https://bibliotekanauki.pl/articles/883523.pdf
Data publikacji:
2010
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
lesnictwo
drzewostany brzozowe
brzoza brodawkowata
Betula pendula
konkurencja wewnatrzgatunkowa
prognozowanie
sieci neuronowe sztuczne
Opis:
Celem pracy było zbudowanie predykcyjnego modelu neuronowego, mającego wyznaczyć siłę konkurencji wewnątrzgatunkowej brzozy brodawkowatej w trzydziestoletnich drzewostanach. Dla jego realizacji zebrano dane empiryczne z pierwszych dziesięciu lat drzewostanu oraz z ostatniego - trzydziestego roku. Do budowy modelu użyto dwóch zmiennych niezależnych - średnicy i wysokości drzew (w każdym roku), łącznie 18 zmiennych. Wygenerowany model został oparty na sieci MLP z jedną warstwą ukrytą. Na jego podstawie przeprowadzono analizę wrażliwości sieci, która określiła jednoznacznie dwie najważniejsze cechy wpływające na przeżywalność brzozy brodawkowatej.
The aim of the work was to build the prediction neural model, to estimate strength of the intraspecific competition in thirty-year stands of silver birch. The empirical data were collected from first ten years of the stand and from last thirtieth. Two independent features were used for building of the model- diameter and height of trees (in every year), together 18 variables. The generated model was based on the MLPnetwork with one hidden layer. The analysis of the sensibility network was carried out on this model. Therewerequalifiedtwothemostimportantfeatures,whicharedeterminedintraspecificcompetitionofsilverbirch.
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2010, 04; 19-22
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja chronionych w Polsce motyli z rodziny Papilionidae z wykorzystaniem wybranych topologii neuronowych
Classification of protected Papilionidae butterflies using selected neural network topology
Autorzy:
Boniecki, P
Mueller, W.
Nowakowski, K.
Powiązania:
https://bibliotekanauki.pl/articles/883223.pdf
Data publikacji:
2009
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
zbiory danych
klasyfikacja
gatunki chronione
obrazy cyfrowe
sieci neuronowe sztuczne
paziowate
Papilionidae
uczenie sie
motyle
Opis:
Celem badań było porównanie zdolności klasyfikacyjnych modeli neuronowych, uczonych dwoma różnymi metodami: wzorcową oraz bezwzorcową. Klasyfikacji poddano wybrane owady należące do rodziny „Papilionidae”, które objęte są ochroną prawną na terenie Polski. Neuronowej klasyfikacji dokonano w oparciu o informację zakodowaną w postaci zbioru dwuwymiarowych obrazów owadów. Jako cechy reprezentatywne, stanowiące podstawę do klasyfikacji, przyjęto pięć dominujących kolorów występujących w ubarwieniu motyli. W celu porównawczym wygenerowano dwie topologie neuronowe: sieć typu MLP (ang. MultiLayer Perceptron: perceptron wielowarstwowy) uczonej technikami „z nauczycielem” orazsieæ Kohonena, która była uczona metodą „beznauczyciela”.
The aim of this study was to compare the classification ability of neural models, learned with two different ways: with reference and without reference. Selected insects subjected to classification belong to the family “Papilionidae”, and are a subject to legal protection in Poland. Neural classification was based on the information encoded in the form of a file of two-dimensional images of insects. As representatives of features, which form the basis of the classification, adopted were five dominant butterflies colors. For comparison two neural topologies were generated: a network type MLP (Multilayer Perceptron) learned by method "with the teacher" and a neural network type Kohonen, which was learned by method „without a teacher”.
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2009, 03; 23-26
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metody pozyskiwania zbiorow uczacych dla modelu neuronowego identyfikujacego uszkodzenia ziarniakow
Method of learning sets extraction for identification neutral model of kernel damages
Autorzy:
Nowakowski, K
Powiązania:
https://bibliotekanauki.pl/articles/883156.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
barwa
ksztalt
zbiory danych
wymiary
pole powierzchni
uszkodzenia mechaniczne
ziarniaki
sieci neuronowe sztuczne
uczenie sie
identyfikacja
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2007, 04; 6-7
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie zapotrzebowania na gaz ziemny w gminach wiejskich dla potrzeb planowania energetycznego
Forecasting of natural gas demand in rural municipalities for the energy planning purposes
Autorzy:
Necka, K.
Trojanowska, M.
Powiązania:
https://bibliotekanauki.pl/articles/883921.pdf
Data publikacji:
2015
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
gminy wiejskie
gaz ziemny
zapotrzebowanie na gaz ziemny
zuzycie gazu
prognozy dlugoterminowe
planowanie energetyczne
sieci neuronowe sztuczne
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2015, 5
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 22

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