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 "learning network" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 23
Tytuł:
Wpływ opisu danych na efektywność uczenia oraz pracy sztucznej sieci neuronowej na przykładzie identyfikacji białek
Influence of data description on efficiency of learning and job artificial neural network on example of identification of proteins
Autorzy:
BARTMAN, Jacek
Powiązania:
https://bibliotekanauki.pl/articles/457310.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Rzeszowski
Tematy:
sztuczna sieć neuronowa
uczenie
artificial neural network
learning
Opis:
Uczenie jednokierunkowych wielowarstwowych sztucznych sieci neuronowych jest zagadnieniem szeroko omawianym w literaturze. Autorzy większości opracowań skupiają się na metodach uczenia, zdecydowanie mniej prac poświęconych jest wpływowi preprocesingu danych na uczenie i efektywność pracy sieci. Skoro uczenie sztucznych sieci neuronowych jest szukaniem funkcji odwzorowującej zbiór danych wejściowych w zbiór oczekiwanych odpowiedzi, to czego możemy oczekiwać, jeżeli zmienimy opis danych uczących? Zmienia się funkcja odwzorowująca, a więc szukamy innej funkcji, zatem jest możliwe, iż sposób kodowania danych wpływa na efektywność uczenia i pracy sieci. Niniejsza praca dotyka przedstawione zagadnienie badając wpływ sposobu zakodowania opisu białek na efektywność uczenia oraz pracy sieci neuronowej identyfikującej rodzaj białka
Learning feedforward multilayer neural networks is an issue widely discussed in the literature. The authors of the most works focus on methods of learning, much less work is devoted to the influence of data preprocessing on learning and the efficiency of the network. If learning of artificial neural networks is finding the mapping function set of input data into a set of expected responses, what you can expect if you change the description of the data learners? Changes of mapping functions, and so we are looking for another function, so it is possible that the encoding of data affects the efficiency of learning and job of the network. This paper touches the issue presented by examining the impact of coding method information about the proteins on the effectiveness of learning and the work of the neural network identifies the type of protein.
Źródło:
Edukacja-Technika-Informatyka; 2013, 4, 2; 358-365
2080-9069
Pojawia się w:
Edukacja-Technika-Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
PCA-based approximation of a class of distributed parameter systems: classical vs. neural network approach
Autorzy:
Bartecki, K.
Powiązania:
https://bibliotekanauki.pl/articles/201641.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
distributed parameter system
principal component analysis
artificial neural network
supervised learning
unsupervised learning
Opis:
In this article, an approximation of the spatiotemporal response of a distributed parameter system (DPS) with the use of the principal component analysis (PCA) is considered. Based on a data obtained by the numerical solution of a set of partial differential equations, a PCA-based approximation procedure is performed. It consists in the projection of the original data into the subspace spanned by the eigenvectors of the data covariance matrix, corresponding to its highest eigenvalues. The presented approach is carried out using both the classical PCA method as well as two different neural network structures: two-layer feed-forward network with supervised learning (FF-PCA) and single-layer network with unsupervised, generalized Hebbian learning rule (GHA-PCA). In each case considered, the effect of the approximation model structure represented by the number of eigenvectors (or, in the neural case, units in the network projection layer) on the mean square approximation error of the spatiotemporal response and on the data compression ratio is analysed. As shown in the paper, the best approximation quality is obtained for the classical PCA method as well as for the FF-PCA neural approach. On the other hand, an adaptive learning method for the GHA-PCA network allows to use it in e.g. an on-line identification scheme.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2012, 60, 3; 651-660
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid, finite element-artificial neural network model for composite materials
Zastosowanie sztucznych sieci neuronowych w modelowaniu numerycznym kompozytów przy pomocy metody elementów skończonych
Autorzy:
Lefik, M.
Powiązania:
https://bibliotekanauki.pl/articles/281993.pdf
Data publikacji:
2004
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
artificial neural network
composite materials
self-learning FE method
Opis:
An application of Artificial Neural Networks for a definition of the effective constitutive law for a composite is described in the paper. First, a classical homogenisation procedure is directly interpreted with a use of this numerical tool. Next, a self-learning Finite Element code (FE with ANN inside) is used in the case when the effective constitutive law is deduced from a numerical experiment (substituting here a purely phenomenological approach). The new contribution to the classical self-learning procedure consists of its adaptation to a case of a non-monotonic loading (non-to-one load-deformation curve). This new ability of the method is principally due to the incremental form of the constitutive equation and the respective scheme of the neural network structure. Also an organisation of a constitutive data-base containing learning patterns is suitably modified. It is shown by examples that the training process is very quick. The error of this method is smaller, comparing to other schemes of data acquisition.
W artykule opisano zastosowanie sztucznych sieci neuronowych do określenia efektywnego związku konstytutywnego dla kompozytów. To narzędzie numeryczne użyte zostało dwojako: do bezpośredniego zapisu wyników otrzymanych w ramach klasycznej metody homogenizacji oraz do wnioskowania o własnościach efektywnych na podstawie eksperymentu numerycznego (zastępującego eksperyment rzeczywisty) wykonanego na małej, lecz reprezentatywnej próbce kompozytu. W tym drugim przypadku zastosowano schemat "samouczącego się" programu metody elementów skończonych, w którym związek konstytutywny opisany jest siecią neuronową. Schemat ten zaadaptowano tak, że może być użyty w przypadku obciążeń niemonotonicznych oraz wtedy, gdy zależność: miara odkształcenia-miara naprężenia nie jest wzajemnie jednoznaczna. Te nowe możliwości uzyskane zostały dzięki przedstawieniu związku konstytutywnego w formie przyrostowej oraz opracowania odpowiedniej do tego budowy sieci neuronowej. Schemat "samouczącego się" programu MES charakteryzuje się tym, że proces formułowania nieznanego związku konstytutywnego jest szybki, a zgodność modelu numerycznego z eksperymentem większa niż dla innych metod.
Źródło:
Journal of Theoretical and Applied Mechanics; 2004, 42, 3; 539-563
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial neural network (ANN) modelling to estimate bubble size from macroscopic image and object features
Autorzy:
Vinnett, Luis
León, Roberto
Mesa, Diego
Powiązania:
https://bibliotekanauki.pl/articles/29552038.pdf
Data publikacji:
2023
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
machine learning
artificial neural network
flotation
bubble size
Sauter diameter
Opis:
Bubble size measurements in aerated systems such as froth flotation cells are critical for controlling gas dispersion. Commonly, bubbles are measured by obtaining representative photographs, which are then analyzed using segmentation and identification software tools. Recent developments have focused on enhancing these segmentation tools. However, the main challenges around complex bubble cluster segmentation remain unresolved, while the tools to tackle these challenges have become increasingly complex and computationally expensive. In this work, we propose an alternative solution, circumventing the need for image segmentation and bubble identification. An Artificial Neural Network (ANN) was trained to estimate the Sauter mean bubble size (D32) based on macroscopic image features obtained with simple and inexpensive image analysis. The results showed excellent prediction accuracy, with a correlation coefficient, R, over 0.998 in the testing stage, and without bias in its error distribution. This machine learning tool paves the way for robust and fast estimation of bubble size under complex bubble images, without the need of image segmentation.
Źródło:
Physicochemical Problems of Mineral Processing; 2023, 59, 5; art. no. 185759
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An investigation of the relationship between encoder difference and thermo-elastic machine tool deformation
Autorzy:
Brecher, Christian
Dehn, Mathias
Neus, Stephan
Powiązania:
https://bibliotekanauki.pl/articles/24084708.pdf
Data publikacji:
2023
Wydawca:
Wrocławska Rada Federacji Stowarzyszeń Naukowo-Technicznych
Tematy:
machine tool
thermal error compensation
machine learning
artificial neural network
Opis:
New approaches, using machine learning to model the thermo-elastic machine tool error, often rely on machine internal data, like axis speed or axis position as input data, which have a delayed relation to the thermo-elastic error. Since there is no direct relation to the thermo-elastic error, this can lead to an increased computation inaccuracy of the model or the need for expensive sensor equipment for additional input data. The encoder difference is easy to obtain and has a direct relationship with the thermo-elastic error and therefore has a high potential to improve the accuracy thermo-elastic error models. This paper first investigates causes of the encoder difference and its relationship with the thermo-elastic error. Afterwards, the model is presented, which uses the encoder difference to compute the thermo-elastic error. Due to the complexity of the relationship, it is necessary, to use a machine learning approach for this. To conclude, the potential of the encoder difference as an input of the model is evaluated.
Źródło:
Journal of Machine Engineering; 2023, 23, 3; 26--37
1895-7595
2391-8071
Pojawia się w:
Journal of Machine Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial intelligence approach for detecting material deterioration in hybrid building constructions
Autorzy:
Chesnokov, Andrei V.
Mikhailov, Vitalii V.
Dolmatov, Ivan V.
Powiązania:
https://bibliotekanauki.pl/articles/29520106.pdf
Data publikacji:
2021
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
hybrid construction
material deterioration
artificial neural network
semi-supervised machine learning
Opis:
Hybrid constructions include heterogeneous materials with different behaviors under load. The aim is to achieve a so-called synergistic effect when the advantages of particular structural elements complement each other in a unified system. The building constructions considered in the research include high-strength steel cables, fiberglass rods, and flexible polymer membranes. The membrane is attached to the rods which have been elastically bent from the initially straight shape into an arch-like form. Structural materials inevitably deteriorate during a long operational period. The present study focuses on detecting material deterioration using Artificial Neural Networks (ANNs), which belong to the scope of intelligent techniques for data analysis. Appropriate ANN structures and required features are proposed. A semi-supervised learning strategy is used. The approach allows the training of the networks with normal data only derived from the construction without defects. Material degradationis detected by the level of reconstruction error produced by the network given the input data. The work contributes to the field of structural health monitoring of hybrid building constructions. It provides the opportunity to detect material deterioration given the forces in particular structural elements.
Źródło:
Computer Methods in Materials Science; 2021, 21, 2; 83-94
2720-4081
2720-3948
Pojawia się w:
Computer Methods in Materials Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of iterative learning control for ripple torque compensation in PMSM drive
Autorzy:
Wójcik, Adrian
Pajchrowski, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/140797.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
ripple torque
iterative learning control
artificial neural network
permanent magnet synchronous motor
Opis:
The aim of the studywas to find an effective method of ripple torque compensation for a direct drive with a permanent magnet synchronous motor (PMSM) without time- consuming drive identification. The main objective of the research on the development of a methodology for the proper teaching a neural network was achieved by the use of iterative learning control (ILC), correct estimation of torque and spline interpolation. The paper presents the structure of the drive system and the method of its tuning in order to reduce the torque ripple, which has a significant effect on the uneven speed of the servo drive. The proposed structure of the PMSM in the dq axis is equipped with a neural compensator. The introduced iterative learning control was based on the estimation of the ripple torque and spline interpolation. The structurewas analyzed and verified by simulation and experimental tests. The elaborated structure of the drive system and method of its tuning can be easily used by applying a microprocessor system available now on the market. The proposed control solution can be made without time-consuming drive identification, which can have a great practical advantage. The article presents a new approach to proper neural network training in cooperation with iterative learning for repetitive motion systems without time-consuming identification of the motor.
Źródło:
Archives of Electrical Engineering; 2019, 68, 2; 309-324
1427-4221
2300-2506
Pojawia się w:
Archives of Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Synchrony state generation : an approach using stochastic synapses
Autorzy:
El-Laithy, K.
Bogdan, M.
Powiązania:
https://bibliotekanauki.pl/articles/91844.pdf
Data publikacji:
2011
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
temporal synchrony
artificial neural network
stochastic synapses
synchrony state generation
Hebbian-based learning
Opis:
In this study, the generation of temporal synchrony within an artificial neural network is examined considering a stochastic synaptic model. A network is introduced and driven by Poisson distributed trains of spikes along with white-Gaussian noise that is added to the internal synaptic activity representing the background activity (neuronal noise). A Hebbian-based learning rule for the update of synaptic parameters is introduced. Only arbitrarily selected synapses are allowed to learn, i.e. update parameter values. Results show that a network using such a framework is able to achieve different states of synchrony via learning. Thus, the plausibility of using stochastic-based models in modeling the neural process is supported. It is also consistent with arguments claiming that synchrony is a part of the memory-recall process and copes with the accepted framework in biological neural systems.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2011, 1, 1; 17-25
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Designing Smart Antennas Using Machine Learning Algorithms
Autorzy:
Samantaray, Barsa
Das, Kunal Kumar
Roy, Jibendu Sekhar
Powiązania:
https://bibliotekanauki.pl/articles/27312957.pdf
Data publikacji:
2023
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
artificial neural network
decision tree
ensemble algorithm
machine learning
smart antenna
support vector machine
Opis:
Smart antenna technologies improve spectral efficiency, security, energy efficiency, and overall service quality in cellular networks by utilizing signal processing algorithms that provide radiation beams to users while producing nulls for interferers. In this paper, the performance of such ML solutions as the support vector machine (SVM) algorithm, the artificial neural network (ANN), the ensemble algorithm (EA), and the decision tree (DT) algorithm used for forming the beam of smart antennas are compared. A smart antenna array made up of 10 half-wave dipoles is considered. The ANN method is better than the remaining approaches when it comes to achieving beam and null directions, whereas EA offers better performance in terms of reducing the side lobe level (SLL). The maximum SLL is achieved using EA for all the user directions. The performance of the ANN algorithm in terms of forming the beam of a smart antenna is also compared with that of the variable-step size adaptive algorithm.
Źródło:
Journal of Telecommunications and Information Technology; 2023, 4; 46--52
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Opracowanie koncepcji i implementacja modelu rozpoznawania obrazu z wykorzystaniem elementów sztucznej inteligencji
Development of the concept and implementation of an image recognition model using elements of artificial intelligence
Autorzy:
Sierżantowicz, Anna
Ptasznik, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/1397486.pdf
Data publikacji:
2020
Wydawca:
Warszawska Wyższa Szkoła Informatyki
Tematy:
rozpoznawanie obrazu
sztuczne sieci neuronowe
sieci splotowe
InceptionV3
transfer wiedzy
computer vision
artificial neural network
connvolutional neural network
transfer learning
Opis:
W niniejszym artykule przedstawiono koncepcję i implementację modelu do rozpoznawania ras psów na podstawie zdjęcia. Do realizacji zadania wykorzystano model głębokiej sieci neuronowej bazujący na strukturze InceptionV3. Sieć została wytrenowana i przetestowana na zbiorze przypadków uczących liczącym ponad 20 tys. zdjęć 120 ras psów z zastosowaniem transferu wiedzy. Zbadano również wpływ jakości zdjęć na wyniki klasyfikacji. Sieć uzyskała bardzo dobre rezultaty zarówno w przypadku analizy typowych, jak i nietypowych zdjęć.
This article presents the concept and implementation of a model for recognizing dog breeds based on an input image. The task was performed with the use of a deep neural network model based on the InceptionV3 structure. The neural network has been trained and tested on a dataset counting more than 20,000 images of 120 dog breeds using transfer learning technique. The impact of image quality on classification results was also examined. The model obtained very good results in the analysis of both typical and unusual input images.
Źródło:
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2020, 14, 23; 7-26
1896-396X
2082-8349
Pojawia się w:
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Development of a neural statistical model for the prediction of relative humidity levels in the region of Rabat-Kenitra, North West Morocco
Autorzy:
El Azhari, Kaoutar
Abdallaoui, Badreddine
Dehbi, Ali
Abdalloui, Abdelaziz
Zineddine, Hamid
Powiązania:
https://bibliotekanauki.pl/articles/2174362.pdf
Data publikacji:
2022
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
artificial neural network
ANN
learning algorithm
multi-layer perceptron
MLP
modelling
Rabat-Kenitra
relative humidity
Opis:
This article accounts for the development of a powerful artificial neural network (ANN) model, designed for the prediction of relative humidity levels, using other meteorological parameters such as the maximum temperature, minimum temperature, precipitation, wind speed, and intensity of solar radiation in the Rabat-Kenitra region (a coastal area where relative humidity is a real concern). The model was applied to a database containing a daily history of five meteorological parameters collected by nine stations covering this region from 1979 to mid-2014. It has been demonstrated that the best performing three-layer (input, hidden, and output) ANN mathematical model for the prediction of relative humidity in this region is the multi-layer perceptron (MLP) model. This neural model using the Levenberg-Marquard algorithm, with an architecture of [5-11-1] and the transfer functions Tansig in the hidden layer and Purelin in the output layer, was able to estimate relative humidity values that were very close to those observed. This was affirmed by a low mean squared error (MSE) and a high correlation coefficient (R), compared to the statistical indicators relating to the other models developed as part of this study.
Źródło:
Journal of Water and Land Development; 2022, 54; 13--20
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Machine learning methods applied to sea level predictions in the upper part of a tidal estuary
Autorzy:
Guillou, N.
Chapalain, G.
Powiązania:
https://bibliotekanauki.pl/articles/2078822.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Instytut Oceanologii PAN
Tematy:
multiple regression model
artificial neural network
multilayer perceptron
regression function
machine learning algorithm
sea level
Opis:
Sea levels variations in the upper part of estuary are traditionally approached by relying on refined numerical simulations with high computational cost. As an alternative efficient and rapid solution, we assessed here the performances of two types of machine learning algorithms: (i) multiple regression methods based on linear and polynomial regression functions, and (ii) an artificial neural network, the multilayer perceptron. These algorithms were applied to three-year observations of sea levels maxima during high tides in the city of Landerneau, in the upper part of the Elorn estuary (western Brittany, France). Four input variables were considered in relation to tidal and coastal surge effects on sea level: the French tidal coefficient, the atmospheric pressure, the wind velocity and the river discharge. Whereas a part of these input variables derived from large-scale models with coarse spatial resolutions, the different algorithms showed good performances in this local environment, thus being able to capture sea level temporal variations at semi-diurnal and spring-neap time scales. Predictions improved furthermore the assessment of inundation events based so far on the exploitation of observations or numerical simulations in the downstream part of the estuary. Results obtained exhibited finally the weak influences of wind and river discharges on inundation events.
Źródło:
Oceanologia; 2021, 63, 4; 531-544
0078-3234
Pojawia się w:
Oceanologia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczne sieci neuronowe jako motoryczna pamięć asocjacyjna ręki robota humanoidalnego
Artificial neural networks as a motorical associative memory for humanoid robot hand
Autorzy:
Olszewski, P.
Kamiński, W. A.
Powiązania:
https://bibliotekanauki.pl/articles/408803.pdf
Data publikacji:
2017
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
sztuczna sieć neuronowa
metoda uczenia
robot humanoidalny
manipulator
artificial neural network
learning system
humanoid robot
manipulators
Opis:
Opisane badania dotyczą użycia sztucznych sieci neuronowych przy realizacji asocjacyjnej pamięci motorycznej zarządzającej ręką robota humanoidalnego. Zaproponowano model kognitywnego sterowania odwołujący się do struktur i mechanizmów przetwarzania znanych z badań neurofizjologicznych. Do realizacji asocjacji posłużono się dwiema różnymi sieciami: maszyną płynową i jednokierunkową siecią asocjacyjną podobną do BAM.
This paper relates to the artificial neural networks usage for the purpose of associative memory implementation managing humanoid robot hand. Refering to the structures and mechanisms of processing known from neurophysiological studies model of cognitive control was proposed. In the association realization process two different networks were used: a liquid state machine and a one-way associative network similar to BAM.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2017, 7, 3; 72-77
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial intelligence-based hybrid forecasting models for manufacturing systems
Autorzy:
Rosienkiewicz, Maria
Powiązania:
https://bibliotekanauki.pl/articles/1841698.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
artificial neural network
support vector machine
extreme learning machine
hybrid forecasting
production planning
maintenance
quality control
Opis:
The paper addresses the problem of forecasting in manufacturing systems. The main aim of the research is to propose new hybrid forecasting models combining artificial intelligencebased methods with traditional techniques based on time series – namely: Hybrid econometric model, Hybrid artificial neural network model, Hybrid support vector machine model and Hybrid extreme learning machine model. The study focuses on solving the problem of limited access to independent variables. Empirical verification of the proposed models is built upon real data from the three manufacturing system areas – production planning, maintenance and quality control. Moreover, in the paper, an algorithm for the forecasting accuracy assessment and optimal method selection for industrial companies is introduced. It can serve not only as an efficient and costless tool for advanced manufacturing companies willing to select the right forecasting method for their particular needs but also as an approach supporting the initial steps of transformation towards smart factory and Industry 4.0 implementation.
Źródło:
Eksploatacja i Niezawodność; 2021, 23, 2; 263-277
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural model of human gait and its implementation in MATLAB and Simulink Environment using Deep Learning Toolbox
Autorzy:
Tchórzewski, Jerzy
Wielgo, Arkadiusz
Powiązania:
https://bibliotekanauki.pl/articles/2052427.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
artificial neural network
deep learning toolbox
humanoid robots
MATLAB environment
Simulink environment
modeling of human walking motion
Opis:
The article presents selected results of research on the modeling of humanoid robots, including the results of neural modeling of human gait and its implementation in the environment MATLAB and Simulink with the use of Deep Learning Toolbox. The subject of the research was placed within the scope of the available literature on the subject. Then, appropriate research experiments on human movement along a given trajectory were developed. First, the method of measuring the parameters present in the experiment was established, i.e. input quantities (displacement of the left heel, displacement of the right heel) and output quantities (displacement of the measurement point of the human body in space). Then, research experiments were carried out, as a result of which numerical data were measured in order to use them for teaching and testing the Artificial Neural Network. The Perceptron Artificial Neural Network architecture was used to build a model of a neural human walk along a given trajectory. The obtained results were discussed and interpreted, drawing a number of important conclusions.
Źródło:
Studia Informatica : systems and information technology; 2021, 1-2(25); 39-65
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 23

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