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 "generative" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Adaptive and precise peak detection algorithm for fibre Bragg grating using generative adversarial network
    Autorzy:
    Kumar, Sunil
    Sengupta, Somnath
    Powiązania:
    https://bibliotekanauki.pl/articles/2174853.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Stowarzyszenie Elektryków Polskich
    Tematy:
    Fibre Bragg grating
    generative model
    discriminative model
    loss function
    Opis:
    An adaptive and precise peak wavelength detection algorithm for fibre Bragg grating using generative adversarial network is proposed. The algorithm consists of generative model and discriminative model. The generative model generates a synthetic signal and is sampled for training using a deep neural network. The discriminative model predicts the real fibre Bragg grating signal by the calculation of the loss functions. The maxima of loss function of the discriminative signal and the minima of loss function of the generative signal are matched and the desired peak wavelength of fibre Bragg grating is determined. The proposed algorithm is verified theoretically and experimentally for a single fibre Bragg grating peak. The accuracy has been obtained as ±0.2 pm. The proposed algorithm is adaptive in the sense that any random fibre Bragg grating peak can be identified within a short wavelength range.
    Źródło:
    Opto-Electronics Review; 2022, 30, 4; art. no. e144227
    1230-3402
    Pojawia się w:
    Opto-Electronics Review
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The use of generative models to speed up the discovery of materials
    Autorzy:
    Coto, Andrea Gregores
    Precker, Christian Eike
    Andersson, Tom
    Laukkanen, Anssi
    Suhonen, Tomi
    Rodriguez, Pilar Rey
    Muíños-Landín, Santiago
    Powiązania:
    https://bibliotekanauki.pl/articles/29520053.pdf
    Data publikacji:
    2023
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    artificial intelligence
    materials science
    high-performance material
    generative model
    Opis:
    Material Science is a key factor in the evolution of many industrial sectors. Fields such as the aeronautics, automotive, construction, and biotechnology industries have experienced tremendous development with the introduction of advanced, high-performance materials. Such materials not only provide new functionalities to products, but also significant consequences in terms of economic and environmental sustainability of the products and processes triggered by the more efficient use of energy that they provide. Under this scenario, materials that provide such high performance, such as high entropy alloys (HEAs) or polymer derived ceramics (PDCs), have captured the attention of both industry and researchers in recent years. However, the remarkable number of resources required to develop such materials, from its design phase to its synthesis and characterization, means that the discovery of new high-performance materials is moving at a relatively low pace. This fact places emergent strategies based on artificial intelligence (AI) for the design of materials in a good position to be used to accelerate the whole process, providing an impulse in the initial phases of materials design. The enormous number of combinations of elements and the complexity of synthesizability conditions of HEAs and PDCs respectively, paves the way to the deployment of AI techniques such as Generative Models addressed in this work to create synthetic HEAs and PDCs for highly intensive industrial processes. A specific conditional tabular generative adversarial network (CTGAN) was developed to be used on tabular data to generate novel synthetic compounds for each kind of material. The generated synthetic data was based on the conventional parametric design parameters used for HEAs and PDCs, with specific datasets created for them. The real and generated data are compared, calculation of phase diagrams (CALPHAD) simulations are provided to evaluate the performance of the generated samples and a verification of the novel generated compositions is done in open materials databases available in the literature.
    Źródło:
    Computer Methods in Materials Science; 2023, 23, 1; 13-26
    2720-4081
    2720-3948
    Pojawia się w:
    Computer Methods in Materials Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparing methods for implementing VBA in CATIA for elaborating KBE package
    Porównanie metod programowych z zastosowaniem Vba w systemie CATIA na etapie tworzenie pakietu systemu KBE
    Autorzy:
    Skarka, W.
    Zając, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/327812.pdf
    Data publikacji:
    2006
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    projektowanie oparte na wiedzy
    model autogenerujący
    CATIA
    knowledge based engineering
    generative model
    Opis:
    The paper present comparison of methods for implementing VBA for creation of KBE application in CATIA system. The usage of VBA is one of the methods of automation of Generative Model creation in CATIA system. Creation of KBE Package forms one of the last phases of the whole process of KBE creation which consists of capturing knowledge necessary for KBE system, formal representation of knowledge, and transferring and implementing knowledge in KBE package. While creating KBE application, Generative Model is being formed and for the purpose of formalization of creation process of that model CATIA Knowledgeware tools are used. In order to have automation of that process it is necessary to ensure programming techniques, including VBA. The suggested 4 methods of implementing VBA for automation of Generative Model creation guarantee greater stability and repeatability of the model.
    W artykule przedstawiono porównanie metod zastosowania VBA w końcowym etapie tworzenia aplikacji projektowej opartej na wiedzy (Knowledge Based Engineering - KBE) w systemie CATIA. Zastosowanie VBA jest jedną z metod automatyzacji tworzenia modelu autogenerującego w systemie CATIA, który jest głównym elementem aplikacji KBE. Tworzenie pakietu aplikacji KBE jest jednym z ostatnich etapów całego procesu tworzenia systemu KBE, na który składają się akwizycja wiedzy koniecznej dla systemu KBE, formalna reprezentacja wiedzy i transfer i integracja wiedzy w aplikacji KBE. W fazie tworzenia aplikacji KBE tworzony jest model autogenerujący i dla formalizacji procesu tworzenia tego modelu wykorzystywane są narzędzia Knowledgeware systemu CATIA. Automatyzacja tego procesu wymaga zapewnienia technik programowych w tym zastosowania VBA. Zaproponowane 4 metody implementacji VBA do automatyzacji procesu tworzenia modelu autogenerującego pozwalają na zwiększenie stabilności i powtarzalności tego modelu.
    Źródło:
    Diagnostyka; 2006, 2(38); 25-29
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The recognition of partially occluded objects with support vector machines, convolutional neural networks and deep belief networks
    Autorzy:
    Chu, J. L.
    Krzyżak, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/91650.pdf
    Data publikacji:
    2014
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    neural networks
    belief networks
    convolutional neural networks
    artificial neural networks
    Deep Belief Network
    generative model
    Opis:
    Biologically inspired artificial neural networks have been widely used for machine learning tasks such as object recognition. Deep architectures, such as the Convolutional Neural Network, and the Deep Belief Network have recently been implemented successfully for object recognition tasks. We conduct experiments to test the hypothesis that certain primarily generative models such as the Deep Belief Network should perform better on the occluded object recognition task than purely discriminative models such as Convolutional Neural Networks and Support Vector Machines. When the generative models are run in a partially discriminative manner, the data does not support the hypothesis. It is also found that the implementation of Gaussian visible units in a Deep Belief Network trained on occluded image data allows it to also learn to effectively classify non-occluded images.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2014, 4, 1; 5-19
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Model autogenerujący CAD zazębienia przekładni ślimakowej
    A generative cad model of a worm gear meshing
    Autorzy:
    Wronkowicz, A.
    Wachla, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/197942.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    model autogenerujący
    przekładnia ślimakowa
    projektowanie bazujące na wiedzy
    CATIA
    generative model
    worm gear
    knowledge based designing
    Opis:
    W artykule objaśniono pojęcie modelu autogenerującego CAD, jego genezę oraz wynikającą stąd potrzebę budowy tego typu modeli. Krótko omówiono proces tworzenia modelu autogenerującego oraz specyficzne formy zapisu wiedzy stosowane w fazie jego implementacji w różnych systemach CAD. Metodykę budowy modelu autogenerującego przedstawiono na przykładzie zazębienia przekładni ślimakowej, który zrealizowano w oprogramowaniu CATIA. Wskazano źródła i rodzaje wiedzy projektowo-konstrukcyjnej potrzebne do zbudowania ww. modelu oraz język UML, jako metodę formalnego zapisu tej wiedzy. Opisano koncepcję budowy modelu, tj. przyjęte założenia oraz strukturę i logikę jego działania. Przedstawiono również wybrane fragmenty projektu, pokazujące, w jaki sposób model został wykonany.
    This article introduces the term of a generative CAD model, its origins and, thus, a need of creating such a type of models. A process of generative model creation as well as specific forms of knowledge recording applied in the implementation phase in various CAD systems are briefly discussed. The example of a worm gear meshing realized by the CATIA software encapsulates the methodology of generative model construction. Sources and types of knowledge for design and construction required for development of the aforementioned model as well as the UML language as a method of formal knowledge recording are presented. The concept of model creation, i.e. assumptions and the structure as well as logic of the model operation are described. Also, the paper addresses selected elements of the project that present the manner in which the model was constructed.
    Źródło:
    Zeszyty Naukowe. Transport / Politechnika Śląska; 2014, 82; 291-300
    0209-3324
    2450-1549
    Pojawia się w:
    Zeszyty Naukowe. Transport / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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