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 "approximation network" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    The ANN approximation of the CH4 combustion model : the mixture composition
    Autorzy:
    Kowalski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/246942.pdf
    Data publikacji:
    2010
    Wydawca:
    Instytut Techniczny Wojsk Lotniczych
    Tematy:
    modeling
    internal combustion engines
    approximation
    artificial neural network
    combustion process
    chemical species
    Opis:
    The calculation of the changing of the combustion mixture composition during the combustion process of the CH4 is presented of the paper. Correct calculation results of the mixture composition during the combustion process in combustion chambers of internal combustion engines is important to define the heat release calculation, modeling and simulation of the combustion phenomena. The paper presents results of calculations for the GriMech 3 kinetic mechanism of the methane combustion for different thermodynamic parameters and the composition of the combusted mixture. Results of the kinetic calculation of combustion process are qualitatively consistent with the data available in literature. The second purpose of research was the approximation of obtained results with the trained artificial neural network. Input data needed to approximate mole fractions of considered in the GriMech 3 mechanism combustion process chemical species consisted of 52 mole fractions of initial chemical species and temperature and pressure process. For all considered chemical species the mean square error did not exceed a value of 1-10-2 %, but the maximum error for a single value of 43 species excess even more than 100% of the value of mole fraction values taken from kinetic calculations. Single values of errors disqualify the neural network application for modeling of mole fractions of chemical species.
    Źródło:
    Journal of KONES; 2010, 17, 2; 233-240
    1231-4005
    2354-0133
    Pojawia się w:
    Journal of KONES
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The ANN approximation of the CH4 combustion model : the heat release
    Autorzy:
    Kowalski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/246946.pdf
    Data publikacji:
    2010
    Wydawca:
    Instytut Techniczny Wojsk Lotniczych
    Tematy:
    modelling
    internal combustion engines
    approximation
    artificial neural network
    combustion process
    heat release
    Opis:
    The calculation of the heat release from the combustion process of the CH4 is presented of the paper. Correct calculation results of the heat released from combustion is important for design, modelling and testing phenomena in combustion chambers of internal combustion engines. The paper presents results of calculations for the kinetic mechanism of methane combustion GriMech 3 for different thermodynamic parameters and composition of the combusted mixture. The calculations were performed for all possible configurations of the variable temperaturę range from 1100K to 3600K, the variable pressure in the range of 2MPa to 5MPa, variable humidity of charged air from 10 to 30 grams of water per l kg of air and variable mole fractions of charge air. Results of the kinetic calculation of combustion process are qualitatively consistent with the data available in literature. The next stage of research was approximation of obtained results with the trained artificial neural network. Input data needed to approximate the energy of the combustion process consisted of 52 mole fractions of chemical species and temperature and pressure process. Approximation results have meant square error not exceeded 0.04% for the test data and 0.02% for the validation data. The maximum error for a single result was 1.9% compared to data obtained with chemical kinetic calculations.
    Źródło:
    Journal of KONES; 2010, 17, 2; 225-232
    1231-4005
    2354-0133
    Pojawia się w:
    Journal of KONES
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Implementacja sztucznej sieci neuronowej w architekturze równoległej z wykorzystaniem protokołu MPI
    Parallel implementation of artificial neural network with use of MPI protocol
    Autorzy:
    Bartecki, K.
    Czorny, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/153068.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sztuczna sieć neuronowa
    architektura równoległa
    aproksymacja funkcji
    artificial neural network
    parallel architecture
    function approximation
    Opis:
    W artykule wskazano na pewne aspekty związane z implementacją jednokierunkowej sieci neuronowej w architekturze równoległej z wykorzystaniem standardu przesyłania komunikatów MPI. Zaprezentowany przykład zastosowania sieci dotyczy klasycznego problemu aproksymacji funkcji. Zbadano wpływ liczby uruchamianych procesów na efektywność procedury uczenia i działania sieci oraz zademonstrowano negatywny wpływ opóźnień powstałych przy przesyłaniu danych za pomocą sieci LAN.
    In the paper some characteristic features concerning feed-forward neural network implementation in parallel computer architecture using MPI communication protocol are investigated. Two fundamental methods of neural network parallelization are described: neural (Fig. 1) as well as synaptic parallelization (Fig. 2). Based on the presented methods, an original application implementing feed-forward multilayer neural network was built. The application includes: a Java runtime interface (Fig. 3) and a computational module based on the MPI communication protocol. The simulation tests consisted in neural network application to classical problem of nonlinear function approximation. Effect of the number of processes on the network learning efficiency was examined (Fig. 4, Tab. 1). The negative effect of transmission time delays in the LAN is also demonstrated in the paper. The authors conclude that computational advantages of neural networks parallelization on a heterogeneous cluster consisting of several personal computers will become apparent only in the case of very complex neural networks, composed of many thousands of neurons.
    Źródło:
    Pomiary Automatyka Kontrola; 2011, R. 57, nr 6, 6; 638-640
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Niektóre osobliwości aproksymacji neuronowej na przykładzie odwrotnego zadania kinematyki
    Some peculiarities of neural approximation on example of inverse kinematic problem
    Autorzy:
    Bartecki, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/155167.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sztuczna sieć neuronowa
    aproksymacja funkcji
    odwrotne zadanie kinematyki
    artificial neural network
    function approximation
    inverse kinematics
    Opis:
    W artykule wskazano na pewne charakterystyczne aspekty związane z zastosowaniem jednokierunkowych sieci neuronowych jako uniwersalnych układów aproksymujących złożone zależności nieliniowe. Zaprezentowany przykład dotyczy klasycznego problemu z dziedziny robotyki -tzw. odwrotnego zadania kinematyki. Zademonstrowano wpływ właściwego doboru struktury sieci, jej algorytmu uczenia oraz wzorców uczących na jakość aproksymacji neuronowej.
    Characteristic features of feedforward artificial neural networks, acting as universal function approximators, are presented. The problem under consideration concerns inverse kinematics of a two-link planar manipulator (Fig. 1). As shown in this paper, a two-layer, feedforward neural network is able to learn the nonlinear mapping between the end effector position domain and the joint angle domain of the manipulator (Fig. 2). However, a necessary condition for achieving the required approximation quality is proper selection of the network structure, especially with respect to the number of nonlinear, sigmoidal units in its hidden layer. Using too few neurons in this layer results in underfitting (Fig. 3), while too many neurons bring the problem of overfitting (Figs 6 and 7). The effect of learning algorithm efficiency as well as proper choice of learning data set on the network performance is also demonstrated (Fig. 8). Apart from the general conclusions concerning neural approximation, the presented results show also the possibility of neural control of robotic manipulator trajectory.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 6, 6; 589-592
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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