Autor: Boniecki, P. - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Wykorzystanie sztucznych sieci neuronowych typu RBF do predykcji plonu wybranych roślin zbożowych
The use of artificial neuronal networks of the RBF type for prediction of yield of chosen cereal plants
Autorzy:: Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/335789.pdf
Data publikacji:: 2005
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: sztuczna sieć neuronowa
RBF
predykcja
plon
zboże
symulacja komputerowa
artificial neural network
prediction
yield
cereal plant
computer simulation
Opis:: Pojawiające się ostatnio metody, mające cechy sztucznej inteligencji, pozwalają na budowę modeli symulacyjnych, które realizują postawione zadania w oparciu o wzorce zaczerpnięte bezpośrednio z obserwacji przyrody [1]. Szczególną grupę stanowią techniki przetwarzania oparte na sztucznych sieciach neuronowych, będące w istocie komputerowymi symulatorami pracy mózgu [3]. Za pomocą modeli neuronowych można m.in. dokonać predykcji wielkości plonów płodów rolnych w oparciu o posiadane empiryczne dane, dotyczące zbiorów w latach ubiegłych. W pracy proponuje się wykorzystanie technik predykcyjnych, jakie m.in. reprezentują wybrane topologie sieci neuronowych, w szczególności sieci neuronowe typu RBF (Radial Basis Functions).
Appearing recently methods, having guilds of artificial intelligence, permit on building of simulating models which realize assigned tasks on the basis of patterns taken directly with nature observation [1]. The processing techniques based on artificial neural networks create a special group, being in fact a computer simulators of brain work [3]. With the help of neuronal models it is possible to predict the expected crops yield on the basis of empirical data regarding crop yields in last summers. This work proposes utilization of prediction methods, which represent chosen topologies of neuronal nets among others, the RBF (Radial Basis Functions) neural network peculiarly.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2005, 50, 2; 15-19
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Sztuczne sieci neuronowe jako narzędzie wspomagające proces numerycznego przetwarzania w problemach inżynierii rolniczej
The artificial neural networks as a helping tool in the process of numerical agricultural engineering problems
Autorzy:: Boniecki, P.
Paryś, A.
Powiązania:: https://bibliotekanauki.pl/articles/336080.pdf
Data publikacji:: 2006
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: inżynieria rolnicza
sztuczna sieć neuronowa
przetwarzanie numeryczne
macierz odwrotna
agricultural engineering
artificial neural network
numerical processing
inverted matrix
Opis:: Proces dyskretyzacji ciągłego zagadnienia różniczkowego (wraz z warunkami początkowo-brzegowymi) prowadzi do uzyskania liniowego układu równań algebraicznych. Rozwiązanie takiego układu równań wymaga znajomości postaci macierzy odwrotnej układu. Jednokierunkowe sieci neuronowe mogą być efektywnie wykorzystane w algebrze macierzowej do realizacji wielu standardowych operacji macierzowych, w tym również do odwracania macierzy. Wymienione wyżej modele neuronowe pozwalają w trakcie ich eksploatacji na uzyskanie dużej szybkości działania (praktycznie działania w czasie rzeczywistym). Problemem zasadniczym, w powyższym kontekście, jest właściwe określenie funkcji energetycznej, której minimalizacja pozwala na zaprojektowanie, wygenerowanie oraz nauczenie odpowiedniej topologii sieci neuronowej. Celem pracy była analiza możliwości wykorzystanie nowoczesnych technik sztucznych sieci neuronowych do generowania postaci macierzy odwrotnej.
The discretization process of the cotinuous differential issue (with the initial-border conditions) leads to obtaining the linear set of algebraic equations. To resolve such a set of equations, the knowledge about the inverted form of system matrix is required. One-directional neural networks can be effectively used in matrix algebra to conduct lots of standard matrix operations, including matrix inversion. The neural models listed above during exploitation let to obtain a great functional speed (nearly real time work). The basic problem, in mentioned context, is the proper definition of an energetic function, minimalization of which lets to design, generate and learn the proper neural network topology. The aim of work was analysis of the possibilities of using modern techniques of artificial neural networks to generate the inverted matrix form.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2006, 51, 1; 14-17
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Autoasocjacyjna sieć neuronowa jako narzędzie do nieliniowej kompresji danych
The artificial neural nerwork as a helping tool in the process of non-linear data compression
Autorzy:: Boniecki, P.
Przybył, J.
Powiązania:: https://bibliotekanauki.pl/articles/336092.pdf
Data publikacji:: 2006
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: sieć neuronowa
autoasocjacyjna sieć neuronowa
kompresja danych
artificial neural network
data compression
autoassociative network
Opis:: Sieci autoasocjacyjne to sieci, które odtwarzają wartości wejściowe na swoich wyjściach. Działanie takie zdecydowanie ma sens, ponieważ rozważana sieć autoasocjacyjna posiada w warstwie środkowej (ukrytej) zdecydowanie mniejszą liczbą neuronów niż w warstwie wejściowej czy wyjściowej. Dzięki takiej budowie dane wejściowe muszą przecisnąć się przez swojego rodzaju zwężenie w warstwie ukrytej sieci, kierując się w do wyjścia. Dlatego też, w celu realizacji stawianego jej zadania reprodukcji informacji wejściowej na wyjściu, sieć musi się najpierw nauczyć reprezentacji obszernych danych wejściowych za pomocą mniejszej liczby sygnałów produkowanych przez neurony warstwy ukrytej, a potem musi opanować umiejętność rekonstrukcji pełnych danych wejściowych z tej "skompresowanej" informacji. Oznacza to, że sieć autoasocjacyjna w trakcie uczenia zdobywa umiejętność redukcji wymiaru wejściowych danych.
An autoassociative network is one which reproduces its inputs as outputs. Autoassociative networks have at least one hidden layer with less units than the input and output layers (which obviously have the same number of layers as each other). Hence, autoassociative networks perform some sort of dimensionality reduction or compression on the cases. Dimensionality reduction can be used to pre-process the input data to encode Information in a smaller number of variables. This approach recognizes that the intrinsic dimensionality of the data may be lower than the number of variables. In other words, the data can be adequately described by a smaller number of variables, if the right transformation can be found.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2006, 51, 1; 37-40
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Neuronowe techniki klasyfikacyjne w problemach identyfikacyjnych inżynierii rolniczej
The neuronal classifying techniques in problems of identification of agricultural engineering
Autorzy:: Boniecki, P.
Mueller, W.
Powiązania:: https://bibliotekanauki.pl/articles/337135.pdf
Data publikacji:: 2005
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: inżynieria rolnicza
technika neuronowa
klasyfikacja
sztuczna sieć neuronowa
agricultural engineering
neural technique
artificial neural network
classification
Opis:: Celem pracy było omówienie podstawowych technik klasyfikacyjnych w kontekście wykorzystania ich w problemach badawczych inżynierii rolniczej. Wskazano wybrane topologie sztucznych sieci neuronowych jako efektywne narzędzia klasyfikacyjne. Dodatkowym efektem przeprowadzonej analizy bylo wytworzenie systemu informatycznego "Sieci neuronowe - Perceptron " wspomagającego proces edukacji. Wytworzony program komputerowy ma za zadanie klasyfikować dane zaczerpnięte z obszaru inżynierii rolniczej. Program działa w oparciu o sieć wielowarstwową typu perceptron - MLP (MultiLayer Perceptron).
The aim of the work was discussion of basic classifying techniques in context of their utilisation in investigative problems of agricultural engineering. The chosen topology of artificial neural networks were showed as effective classifying tools. Creation of the computer system "The neuronal nets - Perceptron " was the additional effect of the conducted analysis, helping the process of education. The aim of the created computer program is to classify the data obtained from the area of agricultural engineering. The program acts on the basis of many-layered network of perceptron type - MLP (MultiLayer Perceptron).
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2005, 50, 3; 15-19
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Metody prognozowania wybranych zagadnień inżynerii rolniczej z wykorzystaniem sztucznych sieci neuronowych
The methods of predicting the issues of agricultural engineering with the use of artificial neural networks
Autorzy:: Dejewska, T.
Boniecki, P.
Jakubek, A.
Powiązania:: https://bibliotekanauki.pl/articles/335271.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: inżynieria rolnicza
sztuczna sieć neuronowa
prognoza
artificial neural network
agricultural engineering
predicting
Opis:: Celem pracy było omówienie neuronowych metod prognozowania oraz porównanie ich efektywności w wybranych zagadnieniach inżynierii rolniczej przy użyciu sztucznych sieci neuronowych. Wskazano przy tym topologie sieci, które w rozwiązaniu problemów predykcyjnych charakteryzowały się najlepszą skutecznością.
The aim of the following thesis was the description of chosen methods of the prediction and the comparison of their efficiency in the field of agricultural engineering with the use of artificial neural networks. There were also pointed the typolgies of networks which turned out to be the most effective in the process of solving the prediction problems.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2009, 54, 2; 28-31
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Interaktywny system edukacyjny wprowadzający w zagadnienie sztucznych sieci neuronowych
Interactive educational system introducing into issue of artificial neural networks
Autorzy:: Olszewski, T.
Boniecki, P.
Weres, J.
Powiązania:: https://bibliotekanauki.pl/articles/287816.pdf
Data publikacji:: 2005
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: sztuczna sieć neuronowa
edukacyjny system informatyczny
modelowanie neuronowe
sztuczna inteligencja
artificial neural network
educational computer system
artificial intelligence
Opis:: Dziedzina sztucznych sieci neuronowych ma swoje źródło w badaniach dotyczących sztucznej inteligencji. Stanowią one próbę naśladowania najważniejszych cech charakteryzujących biologiczne systemy nerwowe. Nazwą „sztuczne sieci neuronowe” (SSN) określa się dziś najczęściej symulatory programowe, umożliwiające modelowanie sieci na komputerach klasy PC. Sztuczne sieci neuronowe pozwalają na modelowanie systemów empirycznych o nieokreślonych zależnościach, trudnych do opisania tradycyjnymi, deterministycznymi metodami. Mają również zdolność generalizacji i uogólniania. Dzięki swym cechom SSN znajdują zastosowanie w rozwiązywaniu różnych problemów w wielu, niepowiązanych z sobą dziedzinach, jak: finanse, medycyna czy inżynieria rolnicza. Celowe jest więc wykonanie informatycznego systemu edukacyjnego, który pozwoli w łatwy i przystępny sposób zapoznać użytkownika z tematyką modelowania neuronowego.
The domain of artificial neural networks has its own source in the research of artificial intelligence. Artificial neural networks (ANN) are trying to imitate the most important features which represent the biological nervous systems. Nowadays in most cases the name of “artificial neural networks” define as programming simulators which allows the modeling of networks on PC computers. ANN permits to modeling empirical systems which have indefinable relationships and are hard to present in a traditional deterministic methods. They have as well the ability to generalize. Owing to its features, ANN applies in resolving variety of problems in many totally different areas, like: finances, medicine or agricultural engineering. It is purposeful to prepare educational informatics system which allows a user to get closer to subjects of neural modeling in easy and accessible way.
Źródło:: Inżynieria Rolnicza; 2005, R. 9, nr 8, 8; 293-298
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Optymalizacja procesów decyzyjnych przy zastosowaniu wybranych metod sztucznej inteligencji
Optimization of decision processes using chosen methods of artificial intelligence
Autorzy:: Nowakowski, K.
Boniecki, P.
Majewski, A.
Powiązania:: https://bibliotekanauki.pl/articles/288891.pdf
Data publikacji:: 2005
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: sztuczne sieci neuronowe
system ekspercki
optymalizacja
proces decyzyjny
artificial neural network
expert system
optimization
decision cases
Opis:: Już od dawna ludzie poszukują narzędzi, które pomogłyby im w procesie podejmowania trafnych decyzji. Ze względu na nikłe jak do tej pory sukcesy rozsądnym wydaje się być wykorzystanie w tym celu wybranych metod sztucznej inteligencji. Użycie w/w technologii opartych na symulacji pracy ludzkiego umysłu daje nowe możliwości. Połączenie techniki sztucznych sieci neuronowych i systemów ekspertowych pozwoliło na stworzenie wirtualnych doradców - specjalistów w wybranej dziedzinie. Pozwalają oni skutecznie pomóc w podejmowaniu konkretnych decyzji. Nie zrobią tego za człowieka ale dzięki wykorzystanym technologią mogą pomóc w podjęciu optymalnej decyzji.
Since a long time humans seek tools which would help them take accurate decisions. Because of very little success so far, choosing methods of artificial intelligence seems to be reasonable. Using mentioned technologies based on simulation of work of human mind gives new possibilities. The connection of technique of artificial neural network and expert systems permitted to create virtual advisers' - experts in chosen field. They permit to help treat concrete decisions effectively. They will not make it instead of humans but thanks to used technology they can help undertake optimal decision.
Źródło:: Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 131-136
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Interaktywny system edukacyjny wspomagający proces projektowania oraz eksploatacji sztucznych sieci neuronowych w rolnictwie
Interactive education system supporting the use of artificial neural networks in agriculture
Autorzy:: Boniecki, P.
Weres, J.
Mueller, W.
Powiązania:: https://bibliotekanauki.pl/articles/289530.pdf
Data publikacji:: 2006
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: sztuczna sieć neuronowa
klasyfikacja
eksplatacja
projektowanie
rolnictwo
artificial neural network
identification
agriculture
Opis:: W wielu pracowniach naukowych realizowanych jest obecnie wiele nowatorskich projektów naukowo badawczych mających na celu ograniczenie negatywnych skutków występujących w trakcie opryskiwania oraz nawożenia. Dokonuje się to m.in. poprzez tworzenie systemów wczesnego wykrywania chorób roślin, pojawiania się chwastów i innych zagrożeń plonów. Wiele z tych projektów działa już w praktyce i ma duże szanse na praktyczne wykorzystanie w niedalekiej przyszłości na farmach eksperymentalnych, a docelowo w większych gospodarstwach rolnych. Wszystkie te projekty są budowane przy założeniem czynienia jak najmniejszej szkody środowisku naturalnemu (np. inteligentne opryski, nawożenie) dzięki dokładniejszemu oraz pełniejszemu rozpoznaniu oraz analizie wzajemnie powiązanych danych empirycznych. Wiele prac wykorzystuje technikę neuronowego rozpoznawania obrazów, kojarzenia oraz klasyfikacji danych reprezentujących cechy charakterystyczne roślin takie jak kształt, barwa czy faktura [Boniecki i Weres 2003]. Celem pracy było wytworzenie, zgodnie ze standardami inżynierii oprogramowania, interaktywnej aplikacji komputerowej, wspomagającej proces edukacyjny w zakresie konstrukcji oraz eksploatacji wybranych topologii sztucznych sieci neuronowych. Zadaniem aplikacji jest przybliżenie wybranych zagadnień z zakresu generowania i eksploatacji sieci typu perceptron oraz sieci radialnej. Wytworzony system informatyczny ma również praktycznie zaprezentować zasadę działania tych sieci, w szczególności jako narzędzi klasyfikacyjnych, na przykładzie zadania identyfikacji wybranych odmian kwiatów.
Many research institutions conduct novel R&D projects designed to limit the adverse impact of crop spraying and fertilization. Some such projects produce systems for early detection of crop diseases, weed growth and other crop hazards. Many apply their findings in practice or stand a good chance of being employed in the near future, first on experimental and then on larger farms. All of such projects are developed with a view to reducing adverse environmental impact (by e.g. smart crop spraying and fertilization) by more accurately and completely recognizing and analyzing interrelated empirical data. Many such works rely on the neural technology of image recognition, as well as the association and classification of data representing characteristic features of plants (shapes, colors, textures, etc.). The purpose of this project was to develop an interactive computer application pursuant to software engineering standards that would support education in the field of constructing and operating selected artificial neural network topologies. The project is designed to investigate selected problems having to do with the generation and operation of perceptron and radial networks and help present the networks' operating principles as classification instruments in a case of identifying flower varieties for practical purposes.
Źródło:: Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 17-27
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Konstrukcja bioreaktorów w kontekście zagadnienia modelowania procesu kompostowania
Bioreactors construction in the context of modeling composting process
Autorzy:: Olszewski, T.
Dach, J.
Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/335482.pdf
Data publikacji:: 2007
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: bioreaktor
konstrukcja
kompostowanie
sztuczna sieć neuronowa
bioreactor
construction
composting
artificial neural network
Opis:: Kompostowanie materii organicznej jest złożonym procesem, który charakteryzuje wiele parametrów chemiczno-fizycznych. Badanie procesu kompostowania w pryzmach w skali rzeczywistej wymaga nakładu środków i pracy. Doświadczenia tego typu w warunkach terenowych są trudne do kontrolowania i brak jest pewności co do powtarzalności warunków pomiarowych. Wykorzystanie rozbudowanej aparatury pomiarowej w badaniach polowych jest bardzo utrudnione m.in. ze względu na wpływ zmiennej pogody, ograniczenia czasowe (częstotliwość wykonywania pomiarów) itp. Modelowanie procesu rozkładu substancji organicznych w laboratoriach umożliwia jego dokładniejsze poznanie i kontrolę nad czynnikami mającymi wpływ na jego przebieg. W pracy przedstawiono przegląd bioreaktorów wykorzystywanych do modelowania procesu kompostowania. Zastosowanie różnych rozwiązań konstrukcyjnych, sprzętu pomiarowego i rejestracyjnego ma istotny wpływ na odwzorowanie warunków terenowych w doświadczeniach laboratoryjnych. Przedstawiono również przykłady wykorzystania sztucznych sieci neuronowych podczas doświadczeń z użyciem bioreaktorów, jako narzędzia do modelowania zjawisk związanych z procesami przemiany materii w aspekcie biologicznym, chemicznym i fizycznym.
Composting of organic matter is a complex process characterized by many physical and chemical parameters. The studies investigated in a real scale need lots of labour and financial sources. The experiments infield conditions are difficult to control and their repeatability is low. The usage of scientific set-up is limited because of heap dimensions, weather conditions and work time limitations. The modeling of organic matter decomposition in laboratories makes easier better control and survey of parameters which influence on a process. The paper presents review of bioreactors used for modeling of composting process. The application of different constructions, techniques of measurement and data registration has an important impact on projection of field conditions in a laboratory scale. The examples of usage of the artificial neural networks during experiments with bioreactors were also presented.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2007, 52, 2; 52-56
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Analiza założeń dla modelowania plonu buraka cukrowego z wykorzystaniem sztucznych sieci neuronowych
The analysis of assumptions for modeling sugar beet crop with utilization of artificial neural networks
Autorzy:: Niedbała, G.
Przybył, J.
Boniecki, P.
Sęk, T.
Powiązania:: https://bibliotekanauki.pl/articles/287451.pdf
Data publikacji:: 2005
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: burak cukrowy
predykcja plonu
sztuczne sieci neuronowe
sugar beet
crop prediction
artificial neural network
Opis:: Do planowania plonu roślin, w tym plonu buraka cukrowego, wykorzystuje się modele prognostyczne. Istniejące modele mają zastosowanie zarówno w skali mikro - dla gospodarstwa, jaki i makro - dla regionu, czy kraju. Te modele, najczęściej zaimplementowane w programach komputerowych, ze względu na dużą liczbę danych wejściowych, są raczej niedostępne dla plantatora buraka cukrowego i rolniczych służb doradczych. Dlatego w pracy podjęto próbę opracowania własnego modelu plonu buraka cukrowego, opartego na metodach sztucznej inteligencji, przy wykorzystaniu możliwie niewielkiej liczby danych wejściowych. Założono, że dane wejściowe do modelu powinny stanowić podstawowe czynniki charakteryzujące siedlisko, użyte środki produkcji i przebieg warunków pogodowych.
In planning crops, including sugar beet crop, prognostic models are used. Existing models are utilized in micro scale - for the farm, as well as in macro scale - for region or country. These models, generally implemented in computer programmes, are rather unavailable for sugar beet planters and agricultural advisory services because of the huge amount of input data. That is why in this paper an attempt was made to create own model of sugar beet crop based on artificial intelligence methodology and the smallest possible amount of input data. It was assumed that input data for models should be the basic factors characterizing habitat, means of production used and weather conditions course.
Źródło:: Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 123-130
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: NEURALNET 2005: Education computer system supporting the use of artificial neural networks in agriculture
NEURALNET 2005: Komputerowy system edukacyjny wspomagający proces wykorzystania sztucznych sieci neuronowych w rolnictwie
Autorzy:: Boniecki, P.
Weres, J.
Krysztofiak, A.
Mueller, W.
Powiązania:: https://bibliotekanauki.pl/articles/336078.pdf
Data publikacji:: 2006
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: NEURALNET 2005
system komputerowy
edukacja
sztuczna sieć neuronowa
rolnictwo
computer system
artificial neural network
agriculture
education
Opis:: The purpose of this project was to develop an interactive computer application pursuant to software engineering standards that would support education in the field of constructing and operating selected artificial neural network topologies. The project is designed to investigate selected problems having to do with the generation and operation of perceptron and radial network and help to present the networks' operating principles as classification instruments in a case of identifying flower varieties for practical purposes.
Celem pracy było wytworzenie, zgodnie ze standardami inżynierii oprogramowania, interaktywnej aplikacji komputerowej, wspomagającej proces edukacyjny w zakresie konstrukcji oraz eksploatacji wybranych topologii sztucznych sieci neuronowych w kontekście wykorzystania ich w rolnictwie. Ma ona przybliżyć wybrane zagadnienia z zakresu generowania i eksploatacji sieci typu perceptron i sieci radialnej oraz praktycznie zaprezentować zasadę działania tych sieci jako narzędzi klasyfikacyjnych na przykładzie zadania identyfikacji odmian kwiatów.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2006, 51, 1; 10-13
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "Boniecki, P." wg kryterium: Autor

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język