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 "neural modelling" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-11 z 11
    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:
    Optimization of a thin-walled element geometry using a system integrating neural networks and finite element method
    Autorzy:
    Golewski, P.
    Gajewski, J.
    Sadowski, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/351314.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    artificial neural networks
    numerical modelling
    thin-walled element
    Opis:
    Artificial neural networks [ANNs] are an effective method for predicting and classifying variables. This article presents the application of an integrated system based on artificial neural networks and calculations by the finite element method [FEM] for the optimization of geometry of a thin-walled element of an air structure. To ensure optimal structure, the structure’s geometry was modified by creating side holes and ribs, also with holes. The main criterion of optimization was to reduce the structure’s weight at the lowest possible deformation of the tested object. The numerical tests concerned a fragment of an elevator used in the “Bryza” aircraft. The tests were conducted for networks with radial basis functions [RBF] and multilayer perceptrons [MLP]. The calculations described in the paper are an attempt at testing the FEM - ANN system with respect to design optimization.
    Źródło:
    Archives of Metallurgy and Materials; 2017, 62, 1; 435-442
    1733-3490
    Pojawia się w:
    Archives of Metallurgy and Materials
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of artificial neural networks in tribology - prediction and classification models
    Autorzy:
    Gocman, K.
    Kałdoński, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/244086.pdf
    Data publikacji:
    2009
    Wydawca:
    Instytut Techniczny Wojsk Lotniczych
    Tematy:
    tribology
    boundary friction
    ubricity
    modelling of tribological processes
    artificial neural networks
    Opis:
    The influence of load and rotational speed on wear and moment of friction is presented in this paper. The tests were carried out under both constant and increasing load and at wide range of rotational speed. During the tests moment offriction, oil temperature and weather conditions were registered. On the basis of obtained results neural models for prediction of wear, moment of friction and friction classifiers were created. The different kinds of artificial neural networks and different training algorithms were applied in order to obtain the best generalisation and quality of created models. All researches showed that artificial neural networks are useful as prediction and classification models. Because of too small teaching data models were limited only to two inputs - load and rotational speed and one output — wear, moment offriction or state. The best models achieved very good precision — testing error lower than 5%. It was also proved, that various types of networks have different usefulness for different applications. MLP networks turned out to be the best wear models, GRNN networks gave the best results as models of moment offriction and RBF networks were proved to be the best classifiers. To obtain model which will give better characterization of processes proceeded in tribological pairs, much more experiments to increase teaching data have to be conducted.
    Źródło:
    Journal of KONES; 2009, 16, 1; 137-144
    1231-4005
    2354-0133
    Pojawia się w:
    Journal of KONES
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelling of UAV flight dynamics using perceptron artificial neural networks
    Identyfikacja modelu dynamiki lotu bezpilotowego statku powietrznego z wykorzystaniem perceptronowego sztucznych sieci neuronowych
    Autorzy:
    Manerowski, J.
    Rykaczewski, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/281281.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
    Tematy:
    unmanned aerial vehicle (UAV)
    flight mechanics
    mathematical modelling
    artificial neural networks
    Opis:
    The methodology of modelling flight dynamics of UAV using perceptron artificial neural networks has been presented. The modelling is based on experimental data recorded during flight characteristic and performance tests of UAVs that is a part of a set to give training to anti-aircraft artillery. The artificial neural network structure in quasi-static and dynamic flights have been given. The accuracy indexes also have been given.
    W artykule przedstawiono metodologię modelowania dynamiki lotu bezpilotowego statku powietrznego z wykorzystaniem perceptronowych sztucznych sieci neuronowych. Modelowanie oparto na wynikach eksperymentu uzyskanych podczas badań własności lotnych i osiągów bezpilotowego statku powietrznego wchodzącego w zestaw celów powietrznych do szkolenia wojsk OPL. Podano, w zagadnieniu quasi-ustalonym oraz dynamicznym, strukturę sieci neuronowej odwzorowującej własności lotne takiego obiektu oraz wskaźniki oceny dokładności.
    Źródło:
    Journal of Theoretical and Applied Mechanics; 2005, 43, 2; 297-307
    1429-2955
    Pojawia się w:
    Journal of Theoretical and Applied Mechanics
    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:
    Data-driven discharge analysis: a case study for the Wernersbach catchment, Germany
    Autorzy:
    Popat, Eklavyya
    Kuleshov, Alexey
    Kronenberg, Rico
    Bernhofer, Christian
    Powiązania:
    https://bibliotekanauki.pl/articles/108441.pdf
    Data publikacji:
    2020
    Wydawca:
    Instytut Meteorologii i Gospodarki Wodnej - Państwowy Instytut Badawczy
    Tematy:
    artificial neural networks
    data-driven modelling
    event-based coefficient of rainfall-runoff
    precipitation
    multi-correlation analysis
    soil moisture content
    Opis:
    This study focuses on precipitationdischarge data-driven models, with regression analysis between the weighted maximum rainfall and maximum discharge of flood events. It is also the first of its kind investigation for the Wernersbach catchment, which incorporates data-driven models in order to evaluate the suitability of the model in simulating the discharge from the catchment and provide good insights for future studies. The input parameters are hydrological and climate data collected from 2001 to 2009, including precipitation, rainfall-runoff and soil moisture. The statistical regression and artificial neural network models used are based on a data-driven multiple linear regression technique, and the same input parameters are applied for validation and calibration. The artificial neural network model has one hidden layer with a sigmoidal activation function and uses a linear activation function in the output layer. The artificial neural network is observed to model 0.7% and 0.5% of values, with and without extreme values respectively. With less than 1% error, the artificial neural network is observed to predict extreme events better compared to the conventional statistical regression model and is also better suited to the tasks of rainfall-runoff and flood forecasting. It is presumed that in the future this study’s conclusions would form the basis for more complex and detailed studies for the same catchment area.
    Źródło:
    Meteorology Hydrology and Water Management. Research and Operational Applications; 2020, 8, 1; 54-62
    2299-3835
    2353-5652
    Pojawia się w:
    Meteorology Hydrology and Water Management. Research and Operational Applications
    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:
    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:
    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 1-11 z 11

      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