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 "fuzzy-neural networks" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 16
Tytuł:
Signature recognition with a hybrid approach combining modular neural networks and fuzzy logic for response integration
Autorzy:
Beltrán, M.
Melin, P.
Trujillo, L.
Lopez, M.
Powiązania:
https://bibliotekanauki.pl/articles/384541.pdf
Data publikacji:
2010
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
pattern recognition
neural networks
fuzzy logic
Opis:
This paper describes a modular neural network (MNN) with fuzzy integration for the problem of signature recognition. Currently, biometric identification has gained a great deal of research interest within the pattern recognition community. For instance, many attempts have been made in order to automate the process of identifying a person’s handwritten signature; however this problem has proven to be a very difficult task. In this work, we propose a MNN that has three separate modules, each using different image features as input, these are: edges, wavelet coefficients, and the Hough transform matrix. Then, the outputs from each of these modules are combined using a Sugeno fuzzy integral and a fuzzy inference system. The experimental results obtained using a database of 30 individual’s shows that the modular architecture can achieve a very high 99.33% recognition accuracy with a test set of 150 images. Therefore, we conclude that the proposed architecture provides a suitable platform to build a signature recognition system. Furthermore we consider the verification of signatures as false acceptance, false rejection and error recognition of the MNN.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2010, 4, 1; 20-27
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid intelligent system for pattern recognition
Autorzy:
Melin, P.
Castillo, O.
Powiązania:
https://bibliotekanauki.pl/articles/384459.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
soft computing
intelligent system
algorithms
fuzzy logic
neural networks
Opis:
We describe in this paper a general overview oj the analysis and design of hybrid intelligent systems for pattern recognition applications. Hybrid intelligent systems can be developed by a careful combination of several soft-computing techniques. The combination of soft computing techniques has to take advantage of the capabilities of each technique in solving port of the pattern recognition problem. We review the problems of face, fingerprint and mice recognition and their soiution using hybrid intelligent systems. Recognition rates achieved with the hybrid approaches are comparable with the best approaches known for solving these recognition problems.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2007, 1, 2; 13-19
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Response Integration in Ensemble Neural Networks using The Sugeno Integral and Fuzzy Inference System for Pattern Recognition
Autorzy:
Lopez, M.
Melin, P.
Powiązania:
https://bibliotekanauki.pl/articles/384555.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
ensemble neural networks
fuzzy logic
pattern recognition
fingerprint recognition
Opis:
Combining the outputs of multiple neural networks has been used in Ensemble architectures to improve the decision accuracy in many applications fields, including pattern recognition, in particular for the case of fingerprints. In this paper, we describe a set of experiments performed in order to find the optimal individual networks in terms of the architecture and training rule. In the second step, we used the fuzzy Sugeno Integral to integrate results of the ensemble neural networks. This method combines objective evidence in the form of the network's outputs, with subjective measures of their performance. In the third step, we used a Fuzzy Inference System for the decision process of finding the output of the ensemble neural networks, and finally a comparison of experimental results between Fuzzy Sugeno Integral and the Fuzzy Inference System are presented.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2008, 2, 1; 52-58
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Occupational accidents data collection and analysis
Autorzy:
Demichela, M.
Murè, S.
Cigna, C.
Monai, L.
Patrucco, M.
Powiązania:
https://bibliotekanauki.pl/articles/2069533.pdf
Data publikacji:
2010
Wydawca:
Uniwersytet Morski w Gdyni. Polskie Towarzystwo Bezpieczeństwa i Niezawodności
Tematy:
occupational accidents
fuzzy logic
neural networks
expert systems
data collection
Opis:
Despite of the always growing attention to safety related topics, the enforcement of directives, regulations and technical standards and the improvement of technical solutions aimed to minimize the occupational risks, the number of people dying every day at workplaces is still excessively high. The overall number of injuries is recently decreasing, but both the frequency and the total yearly number of fatalities still remain fundamentalny unchanged in the last years. The main problem with accidental data, as officially reported, is that very often, no evaluation is possible in terms of root causes, e.g. standard violations. Since the target of the analysis is the determination of the causal chain of events that lead to the accident to understand how it happened and how to avoid the occurrence of similar situations, the lack of detailed information lead to many difficulties in the definition of the suitable prevention measures. This paper shows three different, but integrated. methods able to collect, manage and analyze the information related to occurred accidents for preventive purposes.
Źródło:
Journal of Polish Safety and Reliability Association; 2010, 1, 1; 67--74
2084-5316
Pojawia się w:
Journal of Polish Safety and Reliability Association
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Assessment of a navigational situation in a fairway using an artificial neural network with fuzzy logic
Autorzy:
Banachowicz, A.
Uriasz, J.
Powiązania:
https://bibliotekanauki.pl/articles/320956.pdf
Data publikacji:
2001
Wydawca:
Polskie Forum Nawigacyjne
Tematy:
nawigacja
sieci neuronowe
logika rozmyta
navigation
artificial neural networks
fuzzy logic
decision making
Opis:
One of the stages that navigation is composed of is making decisions. One indispensable condition for making adequate decisions is assessment of a navigational situation. This article presents one modern method for supporting the decision-making process. The method consists in assessing a navigational situation with the use of artificial intelligence.
Źródło:
Annual of Navigation; 2001, 3; 19-30
1640-8632
Pojawia się w:
Annual of Navigation
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Information Technologies for Assessing the Quality of IT-specialties Graduates Training of University by Means of Fuzzy Logic and Neural Networks
Autorzy:
Azarova, Anzhelika O.
Azarova, Larysa E.
Pavlov, Sergii V.
Savina, Nataliia B.
Kaplun, Iryna S.
Wójcik, Waldemar
Smailova, Saule
Kalizhanova, Aliya
Powiązania:
https://bibliotekanauki.pl/articles/227142.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
information technologies
fuzzy logic
neural networks
quality of IT-specialties graduates' training
Opis:
The information technologies for assessing the quality of IT-specialties graduates' training of university by means of fuzzy logic and neural networks are developed in the article. It makes possible taking into account a wide set of estimation and output parameters, influence of the external and internal factors and allows to simplify the assessing process by means of modern mathematical apparatuses of artificial intelligence.
Źródło:
International Journal of Electronics and Telecommunications; 2020, 66, 3; 411-416
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Implementing artificial intelligence in forecasting the risk of personal bankruptcies in Poland and Taiwan
Autorzy:
Korol, Tomasz
Fotiadis, Anestis K.
Powiązania:
https://bibliotekanauki.pl/articles/19322547.pdf
Data publikacji:
2022
Wydawca:
Instytut Badań Gospodarczych
Tematy:
fuzzy logic
genetic algorithms
artificial neural networks
consumer bankruptcy
the financial crisis of households
Opis:
Research background: The global financial crisis from 2007 to 2012, the COVID-19 pandemic, and the current war in Ukraine have dramatically increased the risk of consumer bankruptcies worldwide. All three crises negatively impact the financial situation of households due to increased interest rates, inflation rates, volatile exchange rates, and other significant macroeconomic factors. Financial difficulties may arise when the private person is unable to maintain a habitual standard of living. This means that anyone can become financially vulnerable regardless of wealth or education level. Therefore, forecasting consumer bankruptcy risk has received increasing scientific and public attention.  Purpose of the article: This study proposes artificial intelligence solutions to address the increased importance of the personal bankruptcy phenomenon and the growing need for reliable forecasting models. The objective of this paper is to develop six models for forecasting personal bankruptcies in Poland and Taiwan with the use of three soft-computing techniques. Methods: Six models were developed to forecast the risk of insolvency: three for Polish households and three for Taiwanese consumers, using fuzzy sets, genetic algorithms, and artificial neural networks. This research relied on four samples. Two were learning samples (one for each country), and two were testing samples, also one for each country separately. Both testing samples contain 500 bankrupt and 500 nonbankrupt households, while each learning sample consists of 100 insolvent and 100 solvent natural persons. Findings & value added: This study presents a solution for effective bankruptcy risk forecasting by implementing both highly effective and usable methods and proposes a new type of ratios that combine the evaluated consumers? financial and demographic characteristics. The usage of such ratios also improves the versatility of the presented models, as they are not denominated in monetary value or strictly in demographic units. This would be limited to use in only one country but can be widely used in other regions of the world.
Źródło:
Oeconomia Copernicana; 2022, 13, 2; 407-438
2083-1277
Pojawia się w:
Oeconomia Copernicana
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sterowanie neuronowo–rozmyte mobilnym robotem kołowym
A neuro-fuzzy control of a wheeled mobile robot
Autorzy:
Hendzel, M.
Nawrocki, M.
Powiązania:
https://bibliotekanauki.pl/articles/387142.pdf
Data publikacji:
2010
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
robot mobilny
sterowanie
sztuczne sieci neuronowe
logika rozmyta
mobile robot
control
neural networks
fuzzy logic
Opis:
W niniejszej pracy do rozwiązania problemu sterowania ruchem mobilnego robota kołowego zastosowano inteligentny układ sterowania, rozumiany jako sterowanie hybrydowe łączące logikę rozmytą i sztuczne sieci neuronowe. Układ ten został zaprojektowany w taki sposób, aby na bieżąco modyfikować swoje właściwości przy zmieniających się warunkach pracy mobilnego robota. Badania symulacyjne zostały przeprowadzone dla przypadku kiedy wybrany punkt mobilnego robota przemieszcza się po trajektorii w kształcie pętli.
This work analyses neuro-fuzzy algorithm adaptation conclusions and premise rule base, applied to approximation nonlinearity wheeled mobile robot. Computer simulation proposed solution was realized in emulator mobile robot.
Źródło:
Acta Mechanica et Automatica; 2010, 4, 2; 63-68
1898-4088
2300-5319
Pojawia się w:
Acta Mechanica et Automatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Soft computing methods applied to condition monitoring and fault diagnosis for maintenance
Autorzy:
Zio, E.
Powiązania:
https://bibliotekanauki.pl/articles/2069596.pdf
Data publikacji:
2007
Wydawca:
Uniwersytet Morski w Gdyni. Polskie Towarzystwo Bezpieczeństwa i Niezawodności
Tematy:
soft computing
artificial neural networks
fuzzy logic
genetic algorithms
condition monitoring
fault diagnosis
maintenance
Opis:
Malfunctions in equipment and components are often sources of reduced productivity and increased maintenance costs in various industrial applications. For this reason, machine condition monitoring is being pursued to recognize incipient faults in the strive towards optimising maintenance and productivity. In this respect, the following lecture notes provide the basic concepts underlying some methodologies of soft computing, namely neural networks, fuzzy logic systems and genetic algorithms, which offer great potential for application to condition monitoring and fault diagnosis for maintenance optimisation. The exposition is purposely kept on a somewhat intuitive basis: the interested reader can refer to the copious literature for further technical details.
Źródło:
Journal of Polish Safety and Reliability Association; 2007, 2; 363--377
2084-5316
Pojawia się w:
Journal of Polish Safety and Reliability Association
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metody sztucznej inteligencji w zastosowaniach automatyki
Methods of artificial intelligence in applications of automatic control
Autorzy:
Rojek, R.
Bartecki, K.
Powiązania:
https://bibliotekanauki.pl/articles/153320.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sieci neuronowe
logika rozmyta
identyfikacja
sterowanie automatyczne
neural networks
fuzzy logic
identification
automatic control
Opis:
W artykule przedstawiono wybrane aspekty zastosowania metod sztucznej inteligencji w zagadnieniach automatyki. Zawarto ogólny przegląd metod identyfikacji i sterowania opartych na sztucznych sieciach neuronowych. Wskazano także na możliwość wykorzystania logiki rozmytej do optymalizacji pracy samochodowego układu napędowego.
In this paper, some issues concerning application of neural networks and fuzzy logic in automatic control are presented. Neural identification and control methods are briefly reviewed. Fuzzy logic approach to powertrain control of a passenger car is also shown.
Źródło:
Pomiary Automatyka Kontrola; 2006, R. 52, nr 10, 10; 29-34
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metod fuzji danych w zarządzaniu zasobami radaru wielofunkcyjnego
The Application of the Data Fusion Methods in the Multifunction Radar Resources Management
Autorzy:
Komorniczak, W.
Kawalec, A.
Pietrasiński, J.
Powiązania:
https://bibliotekanauki.pl/articles/210695.pdf
Data publikacji:
2006
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
radar wielofunkcyjny
fuzja danych
sieci neuronowe
systemy rozmyte
multifunction radar
data fusion
neural networks
fuzzy logic
Opis:
W referacie poruszono tematykę związaną z zarządzaniem zasobami radaru wielofunkcyjnego. Jako jeden z elementów tego procesu wyróżniono priorytetyzację (rangowanie) zadań realizowanych przez radar. Rangowanie jest wymuszone przez potencjalnie niedostateczne zasoby wymagane do realizacji wszystkich zadań radaru, stąd konieczność szeregowania obsługiwanych przezeń obiektów zgodnie z ich istotnością. W referacie scharakteryzowano dane źródłowe zasilające proces rangowania oraz przedstawiono algorytmy przetwarzania tych danych. Zaprezentowane algorytmy oparto na wybranych metodach fuzji danych. Przedstawiono przebieg i wyniki badań procesu rangowania oraz wyniki badań wpływu zastosowania rangowania na niektóre parametry zarządzania zasobami radaru wielofunkcyjnego.
The paper deals with the problem of the multifunction radar resources management (RRM). The objectives of RRM are: optimal (from the radar performance point of view) resources allocation and the device operation control. As a result of RRM, it is expected a matrix containing information for the execution systems: " what, when, and how to do. The main constraints to deal with in the radar work are: time and energy limitations. If it is enough resource to execute all the tasks, the tasks execution is feasible. But in real situation one should not expect such a comfort. Typically neither time nor energy is enough and the questions arises what to do in these circumstances. It is obvious that only selected tasks can be executed, the RRM should answer which of them and in what order. To answer these questions, the structure of the RRM was proposed. First of all it is necessary to rank the tasks in order of their priorities, then to select the most important of them and schedule their execution. RRM is decomposed into two sub-problems, e.g.: ranking and task scheduling. The ranking belongs to the identification problems class, while the scheduling can be treated as an optimization task. The paper presents the data fusion approach to the task ranking. There are numerous examples of utilization of the data fusion tools in order to solve the identification problems. The conclusions from these examples can be following: the neural networks which have the ability to learn from the presented examples have also disadvantage of impossibility of extraction of the gathered knowledge. The internal processes of reasoning are neither well described nor studied, so they are not a good tool for military application, which the multifunction radar is. Fuzzy logic systems (based on the fuzzy sets theory and fuzzy logic) have the advantage of good and clear knowledge representation and ability to relatively easy implementation of the expert knowledge. The good side of the fuzzy systems is their possibility of maintaining and fusion of the imperfect knowledge. The disadvantage is the lack of ability to learn whole the knowledge from the examples. Some hybrid solutions are necessary. Four solutions are presented in the paper: neural, fuzzy, fuzzy — neural and probabilistic — fuzzy. In order to implement data fusion tools, the base test platform was designed and implemented. In fact, the test platform is a complex process of multifunction radar resources management, as well as it deals with the task scheduling problem. In order to evaluate the algorithms presented in the paper, some factors of radar work performance were defined. Presented ranking algorithms have capability of learning with use of the registered data learning set. Algorithms with their knowledge bases were tested and compared. The conclusion is following: the use of ranking process gives approximately two times better performance in task removal/delay aspect. On the other hand, the quality of algorithm (its accuracy) has lower influence on the final result. It means that for the use in radar application the algorithm with the best convergence during learning process and stability should be recommended. It is also important that the algorithm should have clear knowledge representation. These requirements meet two of the presented algorithms: neural - fuzzy and probabilistic - fuzzy. The first one was used against the positional data, the second one gave the best results for identification data. It is important, that overall performance of the presented RRM and ranking algorithms was tested with the use of real registered data, what makes it very interesting from the application point of view.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2006, 55, 1; 55-75
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Supply chain risk management by Monte Carlo method
Zarządzanie ryzykiem łańcucha dostaw za pomocą metody Monte Carlo
Autorzy:
Rymarczyk, T.
Kłosowski, G.
Powiązania:
https://bibliotekanauki.pl/articles/407698.pdf
Data publikacji:
2017
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
project management
decision support systems
neural networks
fuzzy logic
zarządzanie projektami
system wspomagania decyzji
sieci neuronowe
logika rozmyta
Opis:
In this paper, the conceptual model of risk-based cost estimation for completing tasks within supply chain is presented. This model is a hybrid. Its main unit is based on Monte Carlo Simulation (MCS). Due to the fact that the important and difficult to evaluate input information is vector of risk-occur probabilities the use of artificial intelligence method was proposed. The model assumes the use of fuzzy logic or artificial neural networks – depending on the availability of historical data. The presented model could provide support to managers in making valuation decisions regarding various tasks in supply chain management.
W artykule zaprezentowano przykład zastosowania hybrydowego systemu wspomagania decyzji w kontekście zarządzania ryzykiem w łańcuchu dostaw. Główny moduł sterownika bazuje na koncepcji symulacji Monte Carlo. Wektor danych wejściowych zawiera istotne informacje, których wyrażenie w postaci zmiennych ilościowych stanowi wyzwanie, w związku z czym zaproponowano użycie sztucznej inteligencji. W zależności od dostępności do danych historycznych, sterownik decyzyjny zastosuje sieci neuronowe lub logikę rozmytą. Zaprezentowane rozwiązanie może stanowić wsparcie dla menedżerów podczas podejmowania decyzji będących odpowiedzią na różnorodne ryzyka w obszarze zarządzania łańcuchem dostaw.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2017, 7, 4; 20-23
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of a hybrid model of the expert system for assessing the potentiality of manufacturing the assumed quantity of wire harnesses
Hybrydowy model eksperckiego systemu oceny stabilności systemu produkcyjnego
Autorzy:
Burduk, Anna
Grzybowska, Katarzyna
Safonyk, Andrii
Powiązania:
https://bibliotekanauki.pl/articles/361998.pdf
Data publikacji:
2019
Wydawca:
Wyższa Szkoła Logistyki
Tematy:
production system
risk assessment
artificial neural networks
fuzzy logic
stability
variability
system produkcji
ocena ryzyka
sztuczne sieci neuronowe
logika rozmyta
stabilność
zmienność
Opis:
Wstęp: W artykule przedstawiono koncepcję sterowania systemem produkcyjnym, pozwalającą na zachowanie jego stabilności, a tym samym na realizację założonych planów produkcyjnych. W tym celu zaproponowano połączenia modeli symulacyjnych i modeli sztucznych sieci neuronowych (SSN) systemu produkcyjnego. Połączenie obydwu typów modeli było możliwe dzięki opracowaniu hybrydowego modelu systemu ekspertowego do oceny możliwości realizacji planu produkcji (celu) w zależności od wielkości ryzyka i poziomu stabilności analizowanego systemu produkcyjnego. Analizowany problem - możliwość realizacji planów produkcyjnych w zależności od wielkości ryzyka i poziomu stabilności systemu produkcyjnego - jest trudny do zamodelowania matematycznego. Jednak na podstawie analizy danych, pochodzących z modelu symulacyjnego i modelu ANN, można uzyskać informacje dotyczące zależności odpowiadających sobie wartości wejściowych i wyjściowych. Metody: Na podstawie przedstawionego sposobu zarządzania procesu produkcyjnego z wykorzystaniem modeli komputerowych, przeanalizowano możliwości zastosowania modeli symulacyjnych i modeli ANN w ocenie stabilności i ryzyka systemów produkcyjnych. Dokonano analizy i porównania obydwu typów modeli ze względu na sposób budowy oraz rodzaj danych wejściowych i wyjściowych. Wyniki: Na bezpośrednie połączenie modeli symulacyjnych i modeli SSN nie pozwala ich odmienna budowa, specyfika oraz inne rodzaje danych wejściowych i wyjściowych. Dlatego prezentowana w artykule koncepcja fuzji obydwu typów modeli odbywa się poprzez bazę wiedzy eksperckiej i wnioskowanie rozmyte. Wnioski: Na potrzeby sterowania systemem produkcyjnym, zaproponowano budowę hybrydowego modelu systemu ekspertowego do oceny możliwości realizacji celu w zależności od wielkości ryzyka i poziomu stabilności systemu produkcyjnego.
Background: Control plays the main role in ensuring the stability of production processes, while digital models of processes and methods of artificial intelligence are used more and more commonly in it. Production of highly diversified items in small lots at low inventory levels is characterised by a much lower stability as compared with largelot manufacturing. Additionally, innovations created for items or processes result in disturbances to current work. Although this turbulence is usually momentary, it may lead to a loss of function or manufacturing stability, which in turn translates into financial losses, as well as losing customers. This paper presents the potential of using simulation models and artificial neural network models to assess the stability of a reorganized production system. Methods: The problem analysed in the paper is that of merging a simulation model with an ANN model by designing a hybrid model. A direct connection of both types of models is not possible due to their various structures, specificity, and different purposes, as well as the various types of input and output data. Therefore, the idea of merging these two types of models through an expert knowledge base and fuzzy inference was proposed. The results from the simulation model and the ANN model were used to gather the knowledge on the production system being analysed. It has been proposed that the output from the simulation model provided knowledge of the risk level, while the output from the ANN model provided knowledge of process stability. Results: The paper presents the idea of projecting a hybrid model of the expert system in order to assess the stability of a reorganized production system. A model of a hybrid expert system was developed to assess the potential of executing the assumed production plans. The level of risk and the level of stability determined by the simulation model and the ANN model are entered into the system. The output from the expert model is the value of the variable determining the potential of achieving the goal. In the construction of the model, fuzzy inference was used, which uses linguistic variables and is characterized by a knowledge system in the form of fuzzy rules "if ... then ...". For both the independent variable and for the dependent variable, a set of membership functions representing accepted linguistic variables was proposed, and then decision rules were determined. The idea of merging simulation models with ANN models was tested on a practical example in production system that manufactures products for dishwashers. Conclusions: The potentiality to execute production plans depending on the level of risk and the level of stability of the production system is too complicated to be modelled mathematically, but based on the analysis of data from the simulation and ANN models, it is possible to obtain information concerning the relations between corresponding input and output values.
Źródło:
LogForum; 2019, 15, 4; 459-473
1734-459X
Pojawia się w:
LogForum
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid model of an expert system for assessing the stability of a production system
Hybrydowy model eksperckiego systemu oceny stabilności systemu produkcyjnego
Autorzy:
Burduk, A.
Grzybowska, K.
Kovács, G.
Powiązania:
https://bibliotekanauki.pl/articles/362325.pdf
Data publikacji:
2018
Wydawca:
Wyższa Szkoła Logistyki
Tematy:
production system
risk assessment
artificial neural networks
fuzzy logic
stability
variability
system produkcji
ocena ryzyka
sieci neuronowe sztuczne
logika rozmyta
stabilność
zmienność
Opis:
Background: The article presents the concept of control of the production system, which allows to maintain its stability, and thus to implement the established production plans. For this purpose, combinations of simulation models and artificial neural network (ANN) models of the production system have been suggested. The combination of both types of models was possible thanks to the development of a hybrid model of the expert system to assess the possibility of implementing the production plan (objective) depending on the risk size and the level of stability of the production system analysed. The analysed problem - the possibility of implementing production plans depending on the risk size and the level of stability of the production system - is difficult to mathematical modelling. However, based on the data analysis from the simulation model and the ANN model, we can obtain information on the dependences of the corresponding input and output values. Methods: Based on the presented method of managing the production process using computer models, the possibilities of using simulation models and ANN models in assessing the stability and risk of production systems have been analysed. The analysis and comparison of both types of models have been performed due to the construction and the type of input and output data. Results: The direct combination of simulation models and ANN models is not allowed by their different structure, specificity and other types of input and output data. Therefore, the concept of combination of both types of models presented in the article is conducted via a database of expertise and fuzzy inference. Conclusions: For the purpose of controlling the production system, it was suggested to build a hybrid model of an expert system to assess the possibility of achieving the objective depending on the risk size and the level of stability of the production systems.
Wstęp: W artykule przedstawiono koncepcję sterowania systemem produkcyjnym, pozwalającą na zachowanie jego stabilności, a tym samym na realizację założonych planów produkcyjnych. W tym celu zaproponowano połączenia modeli symulacyjnych i modeli sztucznych sieci neuronowych (SSN) systemu produkcyjnego. Połączenie obydwu typów modeli było możliwe dzięki opracowaniu hybrydowego modelu systemu ekspertowego do oceny możliwości realizacji planu produkcji (celu) w zależności od wielkości ryzyka i poziomu stabilności analizowanego systemu produkcyjnego. Analizowany problem – możliwość realizacji planów produkcyjnych w zależności od wielkości ryzyka i poziomu stabilności systemu produkcyjnego – jest trudny do zamodelowania matematycznego. Jednak na podstawie analizy danych, pochodzących z modelu symulacyjnego i modelu ANN, można uzyskać informacje dotyczące zależności odpowiadających sobie wartości wejściowych i wyjściowych. Metody: Na podstawie przedstawionego sposobu zarządzania procesu produkcyjnego z wykorzystaniem modeli komputerowych, przeanalizowano możliwości zastosowania modeli symulacyjnych i modeli ANN w ocenie stabilności i ryzyka systemów produkcyjnych. Dokonano analizy i porównania obydwu typów modeli ze względu na sposób budowy oraz rodzaj danych wejściowych i wyjściowych. Wyniki: Na bezpośrednie połączenie modeli symulacyjnych i modeli SSN nie pozwala ich odmienna budowa, specyfika oraz inne rodzaje danych wejściowych i wyjściowych. Dlatego prezentowana w artykule koncepcja fuzji obydwu typów modeli odbywa się poprzez bazę wiedzy eksperckiej i wnioskowanie rozmyte. Wnioski: Na potrzeby sterowania systemem produkcyjnym, zaproponowano budowę hybrydowego modelu systemu ekspertowego do oceny możliwości realizacji celu w zależności od wielkości ryzyka i poziomu stabilności systemu produkcyjnego.
Źródło:
LogForum; 2018, 14, 4; 507-518
1734-459X
Pojawia się w:
LogForum
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Trendy i problemy w diagnostyce procesów
Trends and problems in diagnostics
Autorzy:
Korbicz, J.
Powiązania:
https://bibliotekanauki.pl/articles/328569.pdf
Data publikacji:
2004
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka procesów
model-based structure
układ z modelem
obserwator o nieznanych wejściach
sztuczne sieci neuronowe
logika rozmyta
sieci neuronowo-rozmyte
algorytmy ewolucyjne
process diagnosis
unknown input observers
artificial neural networks
fuzzy logic
neuro-fuzzy systems
evolutionary algorithms
Opis:
W ostatnich latach w systemach detekcji i lokalizacji uszkodzeń dla układów dynamicznych stosuje się zintegrowane ilościowe i jakościowe modele informacji, a większość z nich oparta jest na modelach obliczeń inteligentnych. Celem niniejszej pracy jest prezentacja nowych metod i technik analitycznych oraz obliczeń inteligentnych w systemach diagnostyki procesów. Przyjmując strukturę układu diagnostyki z modelem omawia się możliwości stosowania modeli analitycznych, a przede wszystkim obserwatorów o nieznanych wejściach. Szerzej rozpatruje się alternatywne podejścia oparte na wykorzystaniu metod obliczeń inteligentnych, takich jak sztuczne sieci neuronowe, logika rozmyta, sieci neuronowo-rozmyte oraz algorytmy ewolucyjne do rozwiązywania zadań globalnej optymalizacji. Dla zilustrowania efektywności metod sztucznych sieci neuronowych typu GMDH w układach diagnostyki w końcowej części referatu rozpatruje się problem diagnostyki urządzenia wykonawczego w Cukrowni Lublin.
Recents approaches to Fault Detection and Isolation (FDI) for dynamic systems use methods of integrating quantitative and qualitative model information, and most of these are based on soft computing methods. The purpose of this paper is to present new methods and applications in the field of analytical and soft computing techniques for fault diagnosis of processes. Taking into account the model-based structure of a diagnostics system, possible applications of analytical models, and first of all unknown input observers, are considered. Alternative soft computing methods such as artificial neural networks, fuzzy logic, neuro-fuzzy structures and evolutionary algorithms for global optimization problems are presented and discussed in greater detail. To illustrate the effectiveness of GMDH artificial neural networks in fault diagnosis, an industrial valve actuator system in a sugar factory (Cukrownia Lublin S.A., Poland) is tested.
Źródło:
Diagnostyka; 2004, 30, T. 1; 275-286
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 16

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