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 "systemy neuronowe" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Discrete Fractional Order Artificial Neural Network
    Autorzy:
    Sierociuk, D.
    Sarwas, G.
    Dzieliński, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/386578.pdf
    Data publikacji:
    2011
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    sztuczne sieci neuronowe
    systemy nieliniowe
    artificial neural networks
    nonlinear systems
    Opis:
    In this paper the discrete time fractional order artificial neural network is presented. This structure is proposed for simulating the dynamics of non-linear fractional order systems. In the second part of this paper several numerical examples are shown. The final part of the paper presents the discussion on the use of fractional or integer discrete time neural network for modelling and simulating fractional order non-linear systems. The simulation results show the advantages of the proposed solution over the classical (integer) neural network approach to modelling of non-linear fractional order systems.
    Źródło:
    Acta Mechanica et Automatica; 2011, 5, 2; 128-132
    1898-4088
    2300-5319
    Pojawia się w:
    Acta Mechanica et Automatica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie sztucznych sieci neuronowych przez przedsiębiorstwa eksportujące oraz importujące
    The usage of artificial neural networks by export and import enterprises
    Autorzy:
    Jasiński, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/339733.pdf
    Data publikacji:
    2014
    Wydawca:
    Polskie Towarzystwo Zarządzania Produkcją
    Tematy:
    sztuczne sieci neuronowe
    systemy transakcyjne
    artificial neural networks
    exchange rate
    trading system
    Opis:
    The paper raises issues of the use of artificial intelligence in the enterprise. The focus was on the possibility of using artificial neural networks to accurately predict the behavior of the time series relevant to the economic activities based on the export and import. In particular, the paper describes the practical possibilities for time series forecasting such as foreign exchange rates. Researches focused on predicting of slope of linear regression, to determinate the direction of exchange rate changes. Artificial neural networks, tested during researches, included two types of models. First one was a simple neural network model, containing only a one network. Second one was a more complex model containing at least a few networks. These networks were used for predicting a part of output variable. To obtained mentioned parts during researches was used multiresolution analysis based on discrete wavelet trans- form. During researches a lot of versions of multiresolution analysis were tested. Finally, as the best one, was chosen the discrete wavelet transform based on the biorthogonal 6/8 wavelet. The paper describes also a type of model input variables, considering a frequency of their changes. It shows advantages and disadvantages of macroeconomic data and technical analysis. The article describes main and the most useful types of moving averages, such as simple moving average, exponential moving average, weighted moving average and VI- DYA (Variable Index Dynamic Average). The paper mentions other type of input variable, especially such indicators as RSI and MACD and their modifications. The final evaluation of the models was carried out based on a simple trading system. Thus was confirmed the useful- ness of the results in practical applications. During the analysis of the obtained results, was used the method of sliding window.
    Źródło:
    Zarządzanie Przedsiębiorstwem; 2014, 17, 1; 37-40
    1643-4773
    Pojawia się w:
    Zarządzanie Przedsiębiorstwem
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Metody sztucznej inteligencji w projektowaniu i eksploatacji systemów zaopatrzenia w wodę
    Artificial Intelligence Methods in the Design and Operation of Water Supply Systems
    Autorzy:
    Czapczuk, A.
    Dawidowicz, J.
    Piekarski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/1818573.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    systemy zaopatrzenia w wodę
    sztuczna inteligencja
    systemy ekspertowe
    sztuczne sieci neuronowe
    metody heurystyczne
    water supply systems
    artificial intelligence
    expert systems
    artificial neural networks
    heuristic methods
    Opis:
    Numerical methods are widely used for many years in the design and operation of water supply systems. Computer technology is characterized by very dynamic progress in the field of hardware and software. Specialized computer programs offer more and more features, especially in the field of data entry and viewing the results, but still operate on the basis of pre-defined algorithms. Currently we are dealing with a turbulent development of artificial intelligence techniques. Probably will never computational programs that completely will replace the operator of the need to make key decisions, but in recent years the aim is to develop computer programs that will be characterized by at least a small degree of creativity. For this purpose, the traditional calculation programs are supplemented by artificial intelligence methods, including artificial neural networks, expert systems, heuristic methods. The above trend can also be observed in issues related to water supply in the problems of design and operational. The literature proposals for the use of artificial intelligence at the stage of water treatment, disinfection, pumping, hydraulic design and simulation of water distribution systems and other components. Have taken a lot of optimization problems that are very difficult to solve by conventional methods. In this paper, some examples of the use of artificial intelligence methods in problems of water supply, indicating that these are the solutions that pave the way for the implementation in practice of design and operation. A wide range of artificial intelligence methods requires careful analysis that the method can be applied to individual problems. Also require a thorough knowledge of ongoing work in this regard.
    Źródło:
    Rocznik Ochrona Środowiska; 2015, Tom 17, cz. 2; 1527-1544
    1506-218X
    Pojawia się w:
    Rocznik Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hierarchiczne struktury w sztucznych sieciach neuronowych
    Hierarchical Structures on Artificial Neural Networks
    Autorzy:
    Płaczek, Stanisław
    Powiązania:
    https://bibliotekanauki.pl/articles/509240.pdf
    Data publikacji:
    2014
    Wydawca:
    Akademia Finansów i Biznesu Vistula
    Tematy:
    Sztuczne Sieci Neuronowe
    struktury hierarchiczne
    dekompozycja
    koordynacja
    systemy złożone
    artificial neural networks
    hierarchical structures
    decomposition
    coordination
    complex systems
    Opis:
    W wielowarstwowych Sztucznych Sieciach Neuronowych (SSN), nieliniowych w swej strukturze, uczenie sieci polega na poszukiwaniu minimum globalnej funkcji celu. W realizacjach praktycznych – w funkcji celu – występują parametry dwóch lub trzech warstw ukrytych. Strojenie współczynników macierzy w warstwach W1, W2, czy też W3, odbywa się w procesie uczenia, który można traktować jako stan nieustalony SSN. Stany nieustalone w poszczególnych warstwach mają różne przebiegi dynamiczne, czyli zależności amplitudy błędu średniokwadratowego w warstwie od numeru iteracji. W praktycznych realizacjach procesu uczenia szybkość zbieżności procesu do stanu ustalonego, czyli minimum funkcji błędy, jest ważną charakterystyką, dlatego też podział SSN na niezależne poziomy, zdefiniowanie lokalnych funkcji celu dla każdej warstwy, skoordynowanie lokalnych procesów uczenia w celu osiągnięcia globalnego minimum ma praktyczny głęboki sens. W artkule podejmuje się próbę zastosowania ogólnej teorii złożonych systemów do opisu SSN, budowy algorytmów uczących i ich praktycznej realizacji. Tego typu podejście prowadzi do poszukiwania rozwiązań poprzez dekompozycję i koordynację w hierarchicznej strukturze SSN. Ze względu na występujące nieliniowości w poszczególnych warstwach sieci, trudno udowodnić warunki zbieżności dla stosowanych metod. Tym niemniej, praktyka realizacji różnych algorytmów pokazuje przydatność przyjętych rozwiązań.
    On multi-layer artificial neural networks (ANN), non-linear in their structure, network teaching consists in seeking for global minimum function of the objective. In practical implementations – in the objective’s function – there are occurring parameters of two or three hidden layers. Tuning matrix coefficients in the layers W1, W2 or W3 takes place in the teaching process which can be treated as an ANN transient state. Transient states in individual layers have different dynamic courses, i.e. dependency of the amplitude of mean squared error in the layer on the number of iteration. In practical implementations of the teaching process, the speed of process convergence to the steady state, i.e. the minimum of the error function, is an important characteristic, hence the division of ANN into independent levels, defining the local functions of the objective for every layer, coordination of the local teaching processes in order to achieve the global minimum is of practical deep sense. In his article, the author made an attempt to apply the general theory of complex systems to describe ANN, to build teaching algorithms and their practical implementation. Such an approach leads to pursuit of solutions through decomposition and coordination in the ANN hierarchical structure. Due to the occurring nonlinearities in individual layers of the network, it is difficult to prove the convergence conditions for the methods applied. Nonetheless, the practice of implementation of various algorithms indicates usefulness of the adopted solutions.
    Źródło:
    Zeszyty Naukowe Uczelni Vistula; 2014, 38/2014 Informatyka; 20-37
    2353-2688
    Pojawia się w:
    Zeszyty Naukowe Uczelni Vistula
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie teorii systemów hierarchicznych do analizy sztucznych sieci neuronowych
    Application of the Theory of Hierarchical Systems to Analyse Artificial Neural Networks
    Autorzy:
    Płaczek, Stanisław
    Powiązania:
    https://bibliotekanauki.pl/articles/440175.pdf
    Data publikacji:
    2015
    Wydawca:
    Akademia Finansów i Biznesu Vistula
    Tematy:
    Sztuczne Sieci Neuronowe
    hierarchiczne struktury
    dekompozycja
    koordynacja
    systemy złożone
    artificial neural networks
    hierarchical structures
    decomposition
    coordination
    complex systems
    Opis:
    Sztuczne Sieci Neuronowe (SSN) okazały się wygodnym narzędziem, przydatnym przy realizacji bardzo wielu różnych praktycznych zadań inżynierskich, ekonomicznych finansowych, medycznych i innych. SSN mogą być zastosowane tame, gdzie pojawiają się problemy z przetwarzaniem i analizą danych, prognozą, klasyfikacją czy sterowaniem. Sukces spowodowany jest tym, że w tych zastosowaniach SSN pełni rolę uniwersalnego aproksymatora nieliniowej, wektorowej funkcji wielu zmiennych. Podstawowym problemem jest efektywne uczenie złożonej konfiguracji sieci, jaką niewątpliwie jest struktura wielowarstwowej sieci neuronowej o wielu wejściach i wyjściach. Uczenie polega na poszukiwaniu minimum globalnej funkcji celu, którą najczęściej definiujemy jako błąd średniokwadratowy wyjścia sieci i warto-ści zadanej. Zadanie nie jest trywialne i ze względu na wielowymiarowość wektorów wejścia i wyjścia oraz wielowarstwowość sieci. Z tego też względu szuka się rozwiązań w sieciach o strukturze z jedną warstwą ukrytą. W celu wykorzystania możliwości sieci wielowarstwowych, do analizy złożonych struktur zastosowano metody i techniki opracowane dla wielowarstwowych, hierarchicznych struktur technicznych. Systemy hierarchiczne występują nie tylko w przyrodzie, lecz również w organizacjach ludzi. Tego typy struktury są bardzo efektywne z punktu widzenia zarządzania i kierowania organizacjami. Z systemami hierarchicznymi związane są zagadnienia dekompozycji dużego, podstawowego systemu na podsystemy oraz umiejętne skoordynowanie rozwiązań cząstkowych, w celu otrzymania rozwiązania optymalnego dla całego systemu. W artykule przedstawiono próbę zastosowania dekompozycji oraz koordynacji w stosunku do SSN o złożonej, wielowarstwowej strukturze. Dekomponując strukturę sieci oraz algorytm uczenia na podzadania, analizuje się wymagania, które musi spełnić algorytm w celu efektywnej koordynacji rozwiązań cząstkowych. Tak więc problem koordynacji jest problemem centralnym w analizie i konstrukcji algorytmu uczenia SSN. Artykuł ma charakter koncepcyjny.
    Artificial neural networks (ANN) have appeared to be a convenient tool, useful for implementation of very many practical engineering, economic, financial, medical, and other tasks. ANN may be applied where the problems with data processing and analysis, forecast, classification or steering appear. The success is caused by the fact that in these applications ANN plays the role of universal approximator of the non-linear, vectored function of many variables. The basic problem is an effective teaching of the complex configuration of the network which, no doubt, the structure of multilayer neural network with many inputs and outputs is. Teaching consists in seeking for the minimum global function of the purpose, which is most oft en defined as a mean squared error of the network input and the set-point. The task is not trivial also due to the multidimensionality of vectors of input and output as well as due to the multilayer nature of the network. Also having this in mind, there are attempts to fi nd solutions in networks with the structure with one hidden layer. In order to make use of the possibilities of multilayer networks, the author applied for the analysis of complex structures the methods and techniques developed for multilayer, hierarchical technical structures. Hierarchical systems take place not only in the nature but also in human organisations. Such structures are very effective from the point of view of organisation management and direction. The hierarchical systems are combined with the issues of decomposition of a big, basic system into subsystems and a skilful coordination of partial solutions in order to obtain a solution optimal for the entire system. In his article, the author presented an attempt to apply decomposition and coordination in relation to ANN with a complex, multilayer structure. Decomposing the network structure and the algorithm of teaching into subtasks, he analyses the requirements to be met by the algorithm for the purpose of effective coordination of partial solutions. Thus, the problem of coordination is the central problem in the analysis and construction of the ANN algorithm of teaching. The article is of the conceptual nature.
    Źródło:
    Kwartalnik Naukowy Uczelni Vistula; 2015, 2(44); 102-116
    2084-4689
    Pojawia się w:
    Kwartalnik Naukowy Uczelni Vistula
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie cząstkowych modeli parametrycznych w zadaniu detekcji uszkodzeń sieci gazowej
    Comparison of particular parametric models for faults detection in gas pipeline
    Autorzy:
    Syfert, M.
    Jankowska, A.
    Łabęda-Grudziak, Z.
    Tabor, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/155924.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    detekcja uszkodzeń
    modele cząstkowe
    modele parametryczne
    addytywne modele regresyjne
    sztuczne sieci neuronowe
    systemy rozmyte
    faults detection
    particular models
    parametric models
    additive regression models
    artificial neural networks
    fuzzy systems
    Opis:
    Zreferowano badania detekcji uszkodzeń gazociągu z użyciem cząstkowych modeli parametrycznych. Stosując trzy metody modelowania: addytywne modele regresyjne (najnowszą z badanych technik), sztuczne sieci neuronowe oraz układy rozmyte typu TSK opracowano aproksymacje ciśnień w węzłach sieci. Modele testowano w zadaniu detekcji wycieku oraz uszkodzenia czujnika pomiarowego. Wszystkie modele zapewniały dużą dokładność aproksymacji ciśnienia w poprawnych stanach pracy, wykazując także bardzo skuteczną detekcję uszkodzeń czujników pomiarowych ciśnień, natomiast w sytuacji symulowanych wycieków ich przydatność w detekcji była znacznie mniejsza.
    The results of faults detection [1, 2, 3, 4, 5] in a gas system network (Fig. 1) with use of parametric partial models [6, 7, 8] are presented in the paper. This is a new approach to the task with use of exploratory data analysis [10, 11, 17] and partial models. Three techniques were used to build models of pressure in network nodes: additive regression (ADD - new method of modelling [10, 11, 12, 13, 14, 15]), artificial neural networks (ANN) [16, 17, 18] and TSK fuzzy logic modelling [8, 16, 17]. The measured pressures in adjacent nodes as well cumulative flows in the main line (from global analytical model [9]) of gasoline were the inputs of the models. For the analysed stations (in parts A and B marked in Fig. 1) a set of test failures in the form of leaks and damage of pressure sensors is given in Tab. 1.Using trial and error method, by evaluating the effectiveness of fault detection, there were obtained structures of models of different complexity for individual modelling techniques: ADD - presented by equations (1) and (2), ANN- (3) and (4), TSK- (5) and (6). The model order is not greater than 2. The exemplary results of leak detection with use of particular models are shown in Figs. 3, 5, 7 and of sensor fault detection in Figs. 4, 6, 8. In the conclusions there is summarised the relative accuracy of models (in Table 2), the relative normalized values of the studied residues of leaks - Tab.3 and the pressure sensor failures - Tab. 4. All models provided highly precise pressure approximation in non-fault states, but TSK and ADD models turned out to be the more accurate. Additionally, all of them were effective in case of pressure sensor fault detection, however, in case of simulated leakages their usefulness was much lower.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 1, 1; 3-8
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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