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 "modelowanie neuronowe" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-13 z 13
    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:
    Artificial neural networks as models neuronal electronic state offices
    Autorzy:
    Tchórzewski, J.
    Leszko, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/95129.pdf
    Data publikacji:
    2015
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    e-document
    office
    repository
    artificial neural networks
    neural modelling
    MATLAB and Simulink
    e-dokument
    sztuczne sieci neuronowe
    Matlab
    Simulink
    modelowanie neuronowe
    urząd administracji publicznej
    Opis:
    The paper presents selected results of research on learning design and artificial neural network (ANN) models paperless office as a state defined as a document repository. A review of selected issues on artificial neural network, and environments to support their generation and learning. In particular, attention was drawn to the new modeling capabilities leading to obtaining neural models of electronic systems. Artificial neural network is designed and taught her electronic office model based on the size of the input 11 and 9 variables, par 72 trainees on the actual size of government agencies for the year 2007. The model was obtained in MATLAB and Simulink and using the Neural Network Toolbox. Showing the possibilities of using the model to test sensitivities and simulation in Simulink.
    Źródło:
    Information Systems in Management; 2015, 4, 3; 219-227
    2084-5537
    2544-1728
    Pojawia się w:
    Information Systems in Management
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Numerical prediction of component-ratio-dependent compressive strength of bone cement
    Autorzy:
    Machrowska, Anna
    Karpiński, Robert
    Jonak, Józef
    Szabelski, Jakub
    Krakowski, Przemysław
    Powiązania:
    https://bibliotekanauki.pl/articles/117777.pdf
    Data publikacji:
    2020
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    artificial neural networks
    mathematical modelling
    biomaterials
    bone cement
    sztuczne sieci neuronowe
    modelowanie matematyczne
    biomateriały
    cement kostny
    Opis:
    Changes in the compression strength of the PMMA bone cement with a variable powder/liquid component mix ratio were investigated. The strength test data served to develop basic mathematical models and an artificial neural network was employed for strength predictions. The empirical and numerical results were compared to determine modelling errors and assess the effectiveness of the proposed methods and models. The advantages and disadvantages of mathematical modelling are discussed.
    Źródło:
    Applied Computer Science; 2020, 16, 3; 87-101
    1895-3735
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wear of Railway Tyre Steels Modelling Using Artificial Neural Networks
    Modelowanie zużycia stali na obręcze kół kolejowych za pomocą sztucznych sieci neuronowych
    Autorzy:
    Witaszek, Mirosław
    Witaszek, Kazimierz
    Powiązania:
    https://bibliotekanauki.pl/articles/1857830.pdf
    Data publikacji:
    2020
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    wear
    tyre steels
    artificial neural networks
    modelling
    zużycie
    stale na obręcze kół kolejowych
    sztuczne sieci neuronowe
    modelowanie
    Opis:
    In the paper the results of sliding wear tests were used to model the dependence of steel volume loss on railway wheel tyres on selected material parameters and sliding conditions. The material properties included in this modelling were the hardness and chemical composition of the tyre material (specimens) and the hardness of the mating material (counter-specimens). The conditions for sliding were the initial maximum Hertzian pressure and the sliding distance. The tests were carried out in the ring-block system. Artificial neural networks were used for modelling. It was found that the constructed model made it possible to quantify the volume loss from the above–mentioned factors. A clear influence of the pressure, friction distance, and hardness of both cooperating materials on the studied wear was found. The influence of the chemical composition is less noticeable due to the rather narrow range of its allowable changes. The microscopic tests allowed us to identify the main wear mechanisms in the sliding friction of the tested tyre and rail steels.
    W pracy przedstawiono wykorzystanie wyników badań zużycia przy tarciu ślizgowym do modelowania zależności zużycia objętościowego stali na obręcze kół kolejowych od wybranych parametrów materiału i warunków współpracy. Własnościami materiału uwzględnionymi w tym modelowaniu były twardość oraz skład chemiczny materiału obręczy (próbki) oraz twardość materiału współpracującego (przeciwpróbki). Warunkami współpracy były początkowy, maksymalny nacisk Hertza i droga tarcia. Badania przeprowadzono w układzie klocek–krążek. Do modelowania wykorzystano sztuczne sieci neuronowe. Stwierdzono, że zbudowany model pozwolił na określenie zależności ilościowych ubytku objętościowego od wyżej wymienionych czynników. Wskazano występowanie wyraźnego wpływ nacisku, drogi tarcia, twardości obu współpracujących materiałów na badane zużycie. Wpływ składu chemicznego jest mniej zauważalny z powodu dość wąskiego zakresu dopuszczalnych jego zmian. Badania mikroskopowe pozwoliły na zidentyfikowanie głównych mechanizmów zużywania przy tarciu ślizgowym badanych stali obręczowych i szynowej.
    Źródło:
    Tribologia; 2020, 294, 6; 77-85
    0208-7774
    Pojawia się w:
    Tribologia
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Artificial Neural Networks to Predict the Air Permeability of Woven Fabrics
    Zastosowanie sztucznych sieci neuronowych do przewidywania przepuszczalność powietrza tkanin
    Autorzy:
    Matusiak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/233122.pdf
    Data publikacji:
    2015
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    woven fabrics
    air permeability
    artificial neural networks
    modelling
    tkaniny
    przepuszczalność powietrza
    sztuczne sieci neuronowe
    modelowanie
    przepływ powietrza
    Opis:
    Air permeability is one of the most important utility properties of textile materials as it influences air flow through textile material. Air permeability plays a significant role in textiles for clothing due to their influence on physiological comfort. Air permeability is also very important in technical textiles, especially for filtration, automotive airbags, parachutes, etc. The air permeability of textile materials depends on their porosity. There are a lot of structural properties of textile materials influencing air permeability and there are also statistically significant interactions between the main factors influencing the air permeability of fabrics. It justifies the application of artificial neural networks (ANNs) to predict the air permeability of textile materials on the basis of their structural parameters. Within the framework of the work presented ANNs were applied to predict the air permeability of cotton woven fabrics.
    Przepuszczalność powietrza jest jedną z ważniejszych właściwości użytkowych materiałach włókienniczych. Wpływa ona na przepływ powietrza przez materiał włókienniczy. Przepuszczalność powietrza odgrywa istotną rolę w materiałach włókienniczych przeznaczonych na odzież z uwagi na ich wpływ na odczuwanie komfortu fizjologicznego. Przepuszczalność powietrza jest także bardzo ważna w przypadku tekstyliów technicznych, w szczególności przeznaczonych na filtry, spadochrony,poduszki powietrzne itp. Przepuszczalność powietrza materiałów włókienniczych zależy od ich porowatości. Istnieje wiele właściwości strukturalnychmateriałów włókienniczych wpływających na przepuszczalność powietrza. Występują również statystycznie istotne interakcje pomiędzy głównymi czynnikami wpływającymi na przepuszczalność powietrza tkanin. To uzasadnia zastosowanie sztucznych sieci neuronowych do przewidywania przepuszczalności powietrza materiałów włókienniczych na podstawie ich parametrów strukturalnych. W ramach niniejszej pracy sztuczne sieci neuronowe zostały zastosowane do przewidywania przepuszczalności powietrza tkanin bawełnianych.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2015, 1 (109); 41-48
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Use of Artificial Neural Networks for Modelling of Seam Strength and Elongation at Break
    Zastosowanie sztucznych sieci neuronowych dla modelowania wytrzymałości szwów i wydłużenia przy zerwaniu
    Autorzy:
    Yildiz, Z.
    Dal, V.
    Ünal, M.
    Yildiz, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/232292.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    textile fabrics
    artificial neural networks
    seam strength
    modeling
    tekstylia
    sztuczne sieci neuronowe
    szew wytrzymałościowy
    modelowanie
    wydłużenia przy zerwaniu
    Opis:
    The strength and elongation at break of a seam are very important characteristics of comfort clothing. Optimum seam strength must be durable enough to do our daily activities easily. Some parameters such as the type and count of the sewing yarn, the seam density, the size of the sewing needle, and type of stitch affecting the strength and elongation at break of the seam. In this study two kinds of fabrics (gabardine and poplin) were chosen for experiments. As sewing parameters, two different types of stitches (plain and chain stitch), five seam densities (3, 4, 5, 6 and 7 seams/cm), two kinds of sewing needles (SPI and SES), and three kinds of sewing yarns (cotton, core-spun, and PBT yarns) were used in experiments. With these materials 120 different seam variations were developed. Each sampless seam strength was tested according to the ISO 13935-1[1] standard using an Instron 4411 instrument. After the testing process, an artificial neural network model was developed to predict the seam strength and elongation at break values. The test results were applied to multi layer perceptron and radial basis function neural network modeling. These two neural network types were compared in terms of the accuracy of the modeling system. The results show that the artificial neural network model produces reliable estimates of seam strength and elongation at break (R=1, MSE=3.33E-05).
    Wytrzymałość szwu i wydłużenie przy zerwaniu są bardzo ważnymi cechami ubrań z punktu widzenia wygody noszenia. Optymalna wytrzymałość szwu musi być wystarczająco duża, aby z łatwością wykonywać nasze codzienne czynności. Niektóre z parametrów, takich jak typ oraz numer przędzy, gęstość szwu, rozmiar igły do szycia, typ ściegu wpływają na wytrzymałość szwu i wydłużenie przy zerwaniu. Badania przeprowadzono na dwóch rodzajach tkanin (gabardyna i popelina), stosując dwa różne rodzaje szwów (proste i łańcuszkowy), szwy o pięciu gęstościach (3, 4, 5, 6 i 7 szwy/cm), dwa rodzaje igieł (SPI i SES) i trzy rodzaje przędz (bawełniana zwykła, rdzeniowa i przędze PBT), otrzymując 120 wariantów szwów. Wytrzymałość każdej próbki została zbadana zgodnie z normą ISO 13935-1 za pomocą przyrządu Instron 4411. Następnie, opracowano model sztucznej sieci neuronowej w celu przewidzenia wartości wytrzymałości szwów i wydłużenia przy zerwaniu. Wyniki badań zostały przetworzone w wielowarstwowym perceptronie i funkcji radialnej modelowania sieci neuronowej. Obydwa typy sieci neuronowych zostały porównane pod względem dokładności modelowania. stwierdzono, że za pomocą modelu sztucznych sieci neuronowych można uzyskać wiarygodne wyniki (R = 1, MSE = 3.33E-05).
    Źródło:
    Fibres & Textiles in Eastern Europe; 2013, 5 (101); 117-123
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sterowania dawką koagulantu w czasie rzeczywistym w celu zwiększenia skuteczności procesu koagulacji
    Use of real time coagulant dose control to upgrade the efficiency of the coagulation process
    Autorzy:
    Kłos, M.
    Gumińska, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/237145.pdf
    Data publikacji:
    2011
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    koagulacja
    sterowanie dawką koagulantu
    jakość wody
    sztuczne sieci neuronowe
    modelowanie
    coagulation
    coagulant dose control
    water quality
    artificial neural networks
    modeling
    Opis:
    Zagadnienie sterowania dawką koagulantu w procesie oczyszczania wód powierzchniowych nie jest jeszcze zagadnieniem w pełni rozwiązanym. Stosowane w praktyce wodociągowej rozwiązania techniczne opierają się głównie na określeniu korelacji między wybranymi wskaźnikami jakości ujmowanej wody, np. mętnością, potencjałem elektrokinetycznym (analiza prądu strumieniowego) i ich wykorzystaniem w prostych układach automatyki. W artykule przedstawiono wyniki badań nad założeniami pracy układu oczyszczania wody działającego zgodnie z proponowanymi algorytmami sterującymi dawkowaniem koagulantu. Badania przeprowadzono w zakładzie oczyszczania wody powierzchniowej w rejonie pogórskim, w którym wody charakteryzują się dużą zmiennością jakości. Analiza wyników badań, wykorzystująca zarówno klasyczne modele matematyczne, jak i sztuczne sieci neuronowe, dała podstawy systemu sterowania dawką koagulantu, pozwalającego na rozszerzenie funkcjonalności układu wykorzystującego standardowy analizator prądu strumieniowego.
    There are no simple solutions to the problem of coagulant dose control in the process of surface water treatment. Those currently being used in engineering are generally focused on determining the correlation between some of the parameters that describe the quality of raw water, e.g. turbidity or the electrokinetic potential (streaming current analysis), and on implementing them in simple automatics. This paper describes the results of investigations that underlie the assumptions for the water treatment train, and based on these data proposes an algorithm for coagulant dose control. Pertinent studies were conducted at a surface water treatment plant located in a foot-hill area. The water entering the treatment plant is highly variable in quality. Analysis of the test results (where use was made of both classical mathematical models and artificial neural networks) enabled formulation of the principles for the system of coagulant dose control, which consequently upgraded the functionality of the system involving a standard stream current analyzer. słowa kluczowe polskie: Koagulacja, sterowanie dawką koagulantu, jakość wody, sztuczne sieci neuronowe, modelowanie.
    Źródło:
    Ochrona Środowiska; 2011, 33, 4; 71-76
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelling of moment of friction under increasing load using artificial neural networks
    Modelowanie przebiegu momentu tarcia pod narastającym obciążeniem z wykorzystaniem sztucznych sieci neuronowych
    Autorzy:
    Gocman, K.
    Kałdoński, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/243205.pdf
    Data publikacji:
    2007
    Wydawca:
    Instytut Techniczny Wojsk Lotniczych
    Tematy:
    tribologia
    tarcie graniczne
    smarność
    modelowanie procesów tribologicznych
    sztuczne sieci neuronowe
    tribology
    boundary friction
    lubricity
    modeling of tribological processes
    artificial neural networks
    Opis:
    Searching models of tribological quantities taking into account every processes proceeded in friction pairs is one of the most important problem in present tribology. Existing models of wear and friction are unfortunately imperfect -they do not reflect every occurrences proceeded in tribological pairs, especially in case of boundary friction. Complicated and nonlinear nature of friction processes force researching of non-analytical models. In view of their properties, the artificial neural networks (ANN) could become very useful instruments. The results preliminary tests on influence of load and rotational speed on moment offriction are presented in this paper. Tests were carried out under increasing load and at the range of rotational speed 500 - 1500 rpm. The analysis of results was elaborated and run of moment offriction on base of artificial neural network was modeled. The different kinds of ANN and different training algorithms were applied to obtain the best quality of built models. In particular the schema of the friction, the moment of the friction in a load function for selected rotational speeds, the structure of the GRNN network, composition experimental data and results of the modelling are illustrated in the paper.
    Modelowanie wielkości tribologicznych, uwzględniające wszystkie procesy zachodzące w węźle tarcia jest jednym z najważniejszych zadań współczesnej tribologii. Istniejące modele zużycia i tarcia są niestety niedoskonałe - nie odzwierciedlają one wszystkich zjawisk zachodzących w węźle tarcia, zwłaszcza w wypadku występowania tarcia granicznego. Złożony i nieliniowy charakter procesów zachodzących w węźle tarcia wymusza poszukiwanie modeli innych niż analityczne. Ze względu na swoje właściwości, bardzo użytecznym narzędziem mogą stać się sztuczne sieci neuronowe (SSN). W artykule przedstawiono wstępne wyniki badań wpływu obciążenia i prędkości obrotowej na przebieg momentu tarcia. Badania przeprowadzone zostały przy obciążeniu narastającym płynnie w czasie testu, w zakresie prędkości obrotowych od 500 do 1500 obr/min. Po przeprowadzonej analizie wyników badań, na bazie sztucznych sieci neuronowych zbudowany został model przebiegu momentu tarcia. W czasie modelowania wykorzystano różne rodzaje sieci neuronowych oraz zastosowano różne algorytmy uczące, aby uzyskać jak najlepszą jakość budowanego modelu. W szczególności schemat węzła tarcia, moment tarcia w funkcji obciążenia dla wybranych prędkości obrotowych, struktura sieci GRNN, zestawienie danych eksperymentalnych i wyników modelowania są zilustrowane w artykule.
    Źródło:
    Journal of KONES; 2007, 14, 2; 171-177
    1231-4005
    2354-0133
    Pojawia się w:
    Journal of KONES
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelling and Analysis of the Synergistic Alloying Elements Effect on Hardenability of Steel
    Autorzy:
    Sitek, Wojciech
    Trzaska, Jacek
    Gemechu, W. F.
    Powiązania:
    https://bibliotekanauki.pl/articles/2203932.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    hardenability
    artificial neural networks
    multiple regression
    steel alloy
    modelling and simulation
    hartowność
    sztuczne sieci neuronowe
    regresja wielokrotna
    stal
    modelowanie i symulacja
    Opis:
    The paper presents a methodology of modeling relationships between chemical composition and hardenability of structural alloy steels using computational intelligence methods, that are artificial neural network and multiple regression models. Particularly, the researchers used unidirectional multilayer teaching method based on the error backpropagation algorithm and a quasi-newton methods. Based on previously known methodologies, it was found that there is no universal method of modeling hardenability, and it was also noted that there are errors related to the calculation of the curve. The study was performed on large set of experimental data containing required information on about the chemical compositions and corresponding Jominy hardenability curves for over 400 data steel heats with variety of chemical compositions. It is demonstrated that the full practical usefulness of the developed models in the selection of materials for particular applications with intended performance in the area of application.
    Źródło:
    Archives of Foundry Engineering; 2022, 22, 4; 102--108
    1897-3310
    2299-2944
    Pojawia się w:
    Archives of Foundry Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Soft modelling of the shaping of metal profiles in rapid tube hydroforming technology
    Autorzy:
    Sadłowska, Hanna
    Kochański, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/29520063.pdf
    Data publikacji:
    2022
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    rapid tube hydroforming
    RTH
    manufacturing
    constitutive modelling
    soft modelling
    finite element method
    FEM
    artificial neural networks
    ANN
    hydroformowanie rur
    produkcja
    modelowanie konstytutywne
    miękkie modelowanie
    metoda elementów skończonych
    MES
    sztuczne sieci neuronowe
    Opis:
    The paper presents an approach to the impact of process parameters in innovative RTH (Rapid Tube Hydroforming) technology for shaping closed metal profiles in flexible and deformable dies. In order to implement the assumed deformation of the deformed profile, the RTH technology requires the monitoring and control of numerous technological parameters, including geometric, material, and technological variables. The paper proposes a two-stage research procedure considering hard modelling (constitutive) and soft modelling (data-driven). Due to the complexity of the technological process, it was required to develop a numerical finite element method FEM model focused on obtaining the adequate profile deformation measured by the ellipsoidality of the cylindrical profile. Based on the results of the numerical experiments, a preliminary soft mathematical model using ANN was developed. Analysing the soft model results, several statistical hypotheses were made and verified to investigate the significance of selected process parameters. Thanks to this, it was possible to select the most important process parameters, i.e., the properties of moulding sands used for RTH dies: the angle of internal friction and cohesion.
    Źródło:
    Computer Methods in Materials Science; 2022, 22, 4; 201-210
    2720-4081
    2720-3948
    Pojawia się w:
    Computer Methods in Materials Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Koncepcja symulatora nawigacyjnego planowania podróży z wykorzystaniem modelu neuronowego układu napędu statku
    The concept of a navigational travel planning simulator using the neural model of the propulsion system of the ship
    Autorzy:
    Rudzki, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/344237.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Morski w Gdyni. Wydawnictwo Uniwersytetu Morskiego w Gdyni
    Tematy:
    modelowanie
    sztuczne sieci neuronowe
    układ napędu statku
    symulator
    nawigacyjne planowanie podróży
    modeling
    artificial neural networks
    ship propulsion system
    simulator
    navigational travel planning
    Opis:
    W artykule przedstawiono koncepcję symulatora nawigacyjnego planowania podróży, zbudowanego na bazie programu nawigacyjnego OpenCPN. Poprzez dodatkowy plug-in możliwości programu zostaną rozszerzone o moduł do planowania i symulacji trasy żeglugi z uwzględnieniem warunków meteorologicznych panujących na akwenie. Pozycja statku na potrzeby symulacji trasy będzie wyznaczana na podstawie przyjętego kursu zgodnie z zaplanowaną trasą oraz prędkości wyliczanej przez sztuczną sieć neuronową z uwzględnieniem warunków meteorologicznych.
    The article presents the concept of a navigation simulator for travel planning based on the OpenCPN navigation program. Through an additional plug-in the program capabilities will be extended with a module for planning and simulating shipping routes taking into account meteorological conditions on the basin. The position of the ship for the simulation of the route will be determined on the basis of the accepted course of the ship, according to the planned route and velocity calculated by the artificial neural network, taking into account the forecasted meteorological conditions.
    Źródło:
    Prace Wydziału Nawigacyjnego Akademii Morskiej w Gdyni; 2017, 32; 84-90
    1730-1114
    Pojawia się w:
    Prace Wydziału Nawigacyjnego Akademii Morskiej w Gdyni
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych do prognozowania zawartości azotu ogólnego w odpływie z oczyszczalni ścieków
    Application of artificial neural networks to forecasting total nitrogen content in secondary effluent from treatment plants
    Autorzy:
    Wąsik, E.
    Chmielowski, K.
    Studziński, J.
    Szeląg, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/237416.pdf
    Data publikacji:
    2018
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    ścieki komunalne
    ścieki oczyszczone
    modelowanie
    prognozowanie
    sztuczne sieci neuronowe
    azot ogólny
    azot amonowy
    azotyny
    azotany
    azot organiczny
    sewage
    secondary effluent
    modeling
    forecasting
    artificial neural networks
    total nitrogen
    ammonia nitrogen
    nitrites
    nitrates
    organic nitrogen
    Opis:
    Zaprezentowano możliwość wykorzystania sztucznych sieci neuronowych do prognozowania zawartości azotu ogólnego w ściekach oczyszczonych w funkcji jego różnych postaci występujących w odpływie z oczyszczalni ścieków. W badaniach zastosowano dane z lat 2010–2016, zawierające pomiary zawartości związków azotu w ściekach odpływających z oczyszczalni obsługującej aglomerację o równoważnej liczbie mieszkańców powyżej 100000. Zbiór danych wejściowych został wstępnie poddany analizie skupień i następnie wykorzystany do trenowania sieci neuronowej w postaci perceptronu wielowarstwowego. Na podstawie uzyskanych symulacji stwierdzono, że najmniejsze wartości błędów prognozy ilosci azotu ogólnego (2÷3%) uzyskano w wariancie, gdy jego wartość była funkcją wszystkich postaci azotu występujących w oczyszczonych ściekach. W przypadku modelu wykorzystującego jedynie dane o zawartości azotu nieorganicznego oraz azotanów otrzymane wyniki symulacji niewiele różniły się od wartości rzeczywistych, na co wskazuje bardzo duża wartość współczynnika korelacji (>97%). Wartość średniego błędu bezwzględnego w tym przypadku zwiększyła się tylko o około 4 punkty procentowe do wartości 6,2% (proces uczenia) oraz 6,9% (proces testowania/walidacji) w stosunku do symulacji wykorzystującej wszystkie postacie azotu w ściekach.
    Potential application of artifi cial neural networks (ANN) to forecast total nitrogen content (TNC) in treated wastewater was presented as a function of selected nitrogen forms present in the secondary effl uent. The analyzed data from the period of 2010–2016 covered measurements of the nitrogen content in the effl uent from the treatment plant servicing agglomeration with a population equivalent of more than 100,000. The input data set was initially subjected to cluster analysis and then, used to train a neural network in the form of a multilayer perceptron (MLP). The simulations demonstrated that the smallest error values for the forecast of TNC (2–3%) were obtained for the variant, the value of which was a function of all the forms of nitrogen present in the secondary effl uent. For the total nitrogen model based on inorganic nitrogen and nitrates data only, the simulation results did not differ signifi cantly from the actual values, as indicated by a very high correlation coeffi cient (over 97%). In this case, the value of the mean absolute error increased only by nearly 4% to 6.2% (learning process) or 6.9% (testing/validation process), compared to the simulation based on all the nitrogen forms in the sewage.
    Źródło:
    Ochrona Środowiska; 2018, 40, 1; 29-33
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wybrane problemy projektowania i eksploatacji sieci rozdzielczych
    Selected problems of design and operation of power distribution networks
    Autorzy:
    Kulczycki, J.,
    Brożek, J.
    Strzałka, J.
    Kot, A.
    Szpyra, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/154201.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    elektroenergetyczne sieci rozdzielcze
    regulacja napięcia
    generacja rozproszona
    modelowanie i symulacja
    estymacja napięcia
    estymacja strat mocy
    algorytmy ewolucyjne
    sztuczne sieci neuronowe
    power distribution networks
    voltage control
    dispersed generation
    system modelling and
    system modelling and simulation
    voltage estimation
    power losses estimation
    evolutionary algorithms
    artificial neural networks
    Opis:
    Elektroenergetyczne sieci rozdzielcze stanowią ważne ogniwo systemu elektroenergetycznego. Optymalne projektowanie i efektywna eksploatacja tych sieci jest przedmiotem badań prowadzonych w wielu ośrodkach naukowych. W artykule przedstawiono wybrane problemy projektowania i eksploatacji elektroenergetycznych sieci rozdzielczych będące przedmiotem badań naukowych realizowanych w Laboratorium Sieci i Systemów Elektroenergetycznych Katedry Elektroenergetyki Akademii Górniczo-Hutniczej w Krakowie.
    Power distribution networks are an important element of the Electric Power System. The problems of optimal development and effective utilization of these networks is subject of works realized in many research institutes. In the paper there are presented selected results of scientific research realized in the Networks and Power Systems Laboratory of Department of Electrical Power AGH University of Science and Technology.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 3, 3; 123-130
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-13 z 13

      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