Autor: Nowakowski, K - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Metody pozyskiwania zbiorow uczacych dla modelu neuronowego identyfikujacego uszkodzenia ziarniakow
Method of learning sets extraction for identification neutral model of kernel damages
Autorzy:: Nowakowski, K
Powiązania:: https://bibliotekanauki.pl/articles/883156.pdf
Data publikacji:: 2007
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: barwa
ksztalt
zbiory danych
wymiary
pole powierzchni
uszkodzenia mechaniczne
ziarniaki
sieci neuronowe sztuczne
uczenie sie
identyfikacja
Źródło:: Technika Rolnicza Ogrodnicza Leśna; 2007, 04; 6-7
1732-1719
2719-4221
Pojawia się w:: Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Neuronowy model do identyfikacji makrouszkodzeń ziarniaków
Neural model for identification of damages of corn kernels
Autorzy:: Nowakowski, K.
Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/336815.pdf
Data publikacji:: 2008
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: model neuronowy
makrouszkodzenie
ziarniak
identyfikacja
neural model
damage
corn kernel
identification
Opis:: Realizacja projektu obejmowała zbudowanie i wytrenowanie neuronowego modelu do identyfikacji makrouszkodzeń ziarniaków. Rozpoznawania uszkodzeń dokonywano na podstawie cyfrowych fotografii skonwertowanych przez wytworzony system informatyczny do postaci zbiorów uczących dedykowanych dla sztucznej sieci neuronowej. Do uczenia sieci wybrano zestaw reprezentatywnych cech. W zbiorze tym zawarto informacje o barwie (zakodowanej do postaci liczbowej), polu powierzchni, obwodzie i wybranych współczynnikach kształtu. Pojedynczy przypadek uczący zawierał 1031 zmiennych, z czego 1024 to zmienne zawierające informacje o barwie. Identyfikacji makrouszkodzeń dokonano na ziarniakach kukurydzy odmiany Clarica FAO 280.
The realization of project enclosed construction and training neuronal model to identification of damages of corn kernels. Recognizing the damages was made on basis of digital photos converted by produced computer system to learning files dedicated for artificial neural network. The network was learned on chosen representative tags. The taught model marks abilities of identification approximate quality to human. Neural model can in real time identify larger number of kernels than man. The number of kernels is only limited by method of images acquisition and the computational power of applied equipment to implementation of model. Big advantage is also the lack of natural man limitations which for example are: fatigue and subjective opinion.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2008, 53, 2; 79-81
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Wpływ liczby zmiennych na jakość działania neuronowego modelu do identyfikacji mechanicznych uszkodzeń ziarniaków kukurydzy
The impact of the number of variables on the operation quality of neuron model for identifying mechanical damage of corn seeds
Autorzy:: Nowakowski, K.
Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/290908.pdf
Data publikacji:: 2008
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: kukurydza
uszkodzenie mechaniczne
identyfikacja
reprezentatywne dane uczące
sieć neuronowa
analiza obrazu
maize
mechanical damage
identifying
representative teaching data
neural network
image analysis
Opis:: Wykorzystanie sztucznych sieci neuronowych do identyfikacji mechanicznych uszkodzeń ziarniaków, prezentowanych w postaci fotografii, wymaga doboru odpowiednich cech charakterystycznych, na podstawie których zostanie przeprowadzony proces rozpoznawania. Wybór danych można zweryfikować wykorzystując narzędzie analizy wrażliwości sieci. Dzięki jego zastosowaniu można ocenić poziom istotności poszczególnych cech charakterystycznych i sprawdzić czy wszystkie wcześniej wybrane zmienne są niezbędne w procesie uczenia.
Using of artificial neuron networks for identifying mechanical damage of seeds presented on photographs requires selection of proper characteristics, which can be the basis for identification process. Data choice can be verified by using the instrument of network sensitivity analysis. Thanks to its use the significance level of particular characteristics can be evaluated, and it may be verified if all selected variables are essential in the learning process.
Źródło:: Inżynieria Rolnicza; 2008, R. 12, nr 6(104), 6(104); 151-157
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Klasyfikacja ziarniakow kukurydzy w oparciu o neuronowa identyfikacje ksztaltu
The classification of maizes kernels with supporting neuronal identification of shape
Autorzy:: Boniecki, P
Nowakowski, K.
Powiązania:: https://bibliotekanauki.pl/articles/882900.pdf
Data publikacji:: 2008
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: ksztalt
kukurydza
ziarniaki
sieci neuronowe sztuczne
aplikacja Klasyfikator
identyfikacja
Źródło:: Technika Rolnicza Ogrodnicza Leśna; 2008, 06; 21-24
1732-1719
2719-4221
Pojawia się w:: Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Neural image analysis in identification process of mechanical damages of kernels
Neuronowa analiza obrazu w procesie identyfikacji mechanicznych uszkodzeń ziarniaków
Autorzy:: Nowakowski, K.
Boniecki, P.
Dach, J.
Powiązania:: https://bibliotekanauki.pl/articles/335305.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: ziarniak
uszkodzenie
identyfikacja
analiza neuronowa
kernel
damage
neural analysis
identification process
Opis:: The subject of the study was to develop a neural model for the identification of mechanical damage in maize caryopses based on digital photographs. The author has selected a set of features that distinguish between damaged and healthy caryopses. The study has produced an artificial neural network of a multilayer perceptron type whose identification capacity approximates that of a human.
Celem projektu badawczego było opracowanie modelu neuronowego do identyfikacji mechanicznych uszkodzeń ziarniaków kukurydzy na podstawie ich cyfrowych fotografii. Wybrany został zestaw cech charakterystycznych na podstawie, których możliwa jest klasyfikacja ziarniaków na zdrowe i uszkodzone. W wyniku badań otrzymano sztuczną sieć neuronową typu perceptron wielowarstwowy charakteryzującą się zdolnościami identyfikacyjnymi zbliżonymi do umiejętności człowieka.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2009, 54, 2; 77-80
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Neuronowa analiza obrazu w procesie identyfikacji mechanicznych uszkodzeń wybranych ziarniaków kukurydzy
Image analysis and neural networks in the process of identifying selected mechanical damage to maize caryopses
Autorzy:: Nowakowski, K.
Boniecki, P.
Raba, B.
Powiązania:: https://bibliotekanauki.pl/articles/334094.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: analiza obrazu
uszkodzenie mechaniczne
kukurydza
identyfikacja
image analysis
maize
mechanical damage
identification
Opis:: Celem projektu badawczego było opracowanie modelu neuronowego do identyfikacji mechanicznych uszkodzeń ziarna kukurydzy na podstawie ich cyfrowych fotografii. Wybrany został zestaw cech charakterystycznych na podstawie, których możliwa jest klasyfikacja ziarniaków na zdrowe i uszkodzone. W wyniku badań otrzymano sztuczną sieć neuronową typu perceptron wielowarstwowy charakteryzującą się zdolnościami identyfikacyjnymi zbliżonymi do umiejętności człowieka.
The subject of the project was to develop a neural model for the identification of selected mechanical damage to maize caryopses on the basis of digital photographs. The author has selected a set of features that distinguish damaged t healthy caryopses. As a result of this study it has been obtained an artificial neural network of a multilayer perceptron type whose identification capacity is near of the human 's one.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2011, 56, 1; 100-102
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Neuronowa kompresja danych graficznych w procesie identyfikacji wybranych obiektów rolniczych
Neural image data compression in the process of identification of selected agricultural objects
Autorzy:: Boniecki, P.
Nowakowski, K.
Przybylak, A.
Powiązania:: https://bibliotekanauki.pl/articles/335267.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: kompresja
dane
obiekt rolniczy
identyfikacja
agricultural objects
compression
date
identification
Opis:: Celem pracy było omówienie problematyki dotyczącej neuronowej kompresji danych graficznych z wykorzystaniem wybranej topologii sztucznej sieci neuronowej. Aspektem utylitarnym przeprowadzonej analizy była implementacja proponowanej metodyki kompresji obrazów graficznych w wytworzonym, oryginalnym systemie informatycznym "Sunflower.b", wspomagającym proces przetwarzania zdjąć wybranych obiektów rolniczych.
The aim of this work was to discuss issues relating to synthetic neural compression of graphical data using a topology of artificial neural networks. Utilitarian aspect of the analysis was the implementation of the proposed image compression technology in the original system "Sunflower.b ", supporting the processing of photos of selected agricultural objects.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2009, 54, 2; 19-23
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Neuronowa identyfikacja wybranych owadów z wykorzystaniem komputerowych technik analizy obrazu
Neural identification of selected kinds of insects based on computer technology for the images analysis
Autorzy:: Boniecki, P.
Piekarska-Boniecka, H.
Nowakowski, K.
Powiązania:: https://bibliotekanauki.pl/articles/335273.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: owad
technika komputerowa
identyfikacja
analiza obrazu
insect
computer technology
identification
image analysis
Opis:: Celem zrealizowanych badań była analiza możliwości wykorzystania sztucznych sieci neuronowych jako instrumentu przeznaczonego do identyfikacji motyli. Rozpoznawane owady reprezentowały gatunki, które są objęte ochroną prawną na terenie Polski. Neuronowej identyfikacji dokonano na podstawie (uprzednio pozyskanych) dwuwymiarowych obrazów, przedstawiających owady z rodziny Papilionidae.
There has been noticed growing explorers' interest in drawing conclusions based on information of data coded in a graphic form. The neuronal identification of pictorial data, with special emphasis on both quantitative and qualitative analysis, is more frequently utilized to gain and deepen the empirical data knowledge. Extraction and then classification of selected picture features, such as color or surface structure, enables one to create computer tools in order to identify these objects presented as, for example, digital pictures. The work presents original computer system designed to digitalize pictures on the basis of color criterion. The system has been applied to generate a reference "learning" file for the neural system to identify selected kinds of insects.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2009, 54, 2; 24-27
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Neural networks type MLP in the process of identification of chosen varieties of maize
Sieci neuronowe typu MLP w procesie identyfikacji wybranych odmian kukurydzy
Autorzy:: Boniecki, P.
Nowakowski, K.
Tomczak, R. J.
Powiązania:: https://bibliotekanauki.pl/articles/334052.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: sieci neuronowe typu MLP
identyfikacja
odmiana
kukurydza
neural networks type MLP
identification
maize
variety
Opis:: During the adaptation process of the weights vector that occurs in the iterative presentation of the teaching vector, the MLP type artificial neural network (Multi Layer Perception) attempts to learn the structure of the data. Such a network can learn to recognize aggregates of input data occurring in the input data set regardless of the assumed criteria of similarity and the quantity of the data explored. The MLP type neural network can be also used to detect regularities occurring in the obtained graphic empirical data. The neuronal image analysis is then a new field of digital processing of signals. It is possible to use it to identity chosen objects given in the form of bit map. If at the network input, a new unknown case appears which the network is unable to recognize, it means that it is different from all the classes known previously. The MLP type artificial neural network taught in this way can serve as a detector signaling the appearance of a widely understood novelty. Such a network can also look for similarities between the known data and the noisy data. In this way, it is able to identity fragments of images presented in photographs of e.g. maize grain. The purpose of the research was to use the MLP neural networks in the process of identification of chosen varieties of maize applying the image analysis method. The neuronal classification shapes of grains was performed with the use of the Johan Gielis super formula.
Podczas iteracyjnej korekcji wektora wag, zachodzącej w trakcie procesu uczenia sieci neuronowej typu MLP (perceptron wielowarstwowy), następuje adaptacja (przez tworzony model neuronowy) wiedzy zawartej w strukturze analizowanych danych. W badaniach prowadzonych w dyscyplinie inżynieria rolnicza, istotne znaczenie ma proces pozyskiwania informacji zakodowanej w postaci graficznej, np. w formie zdjąć cyfrowych. Często zmiennymi reprezentatywnymi, które w sposób wystarczający charakteryzują zobrazowany obiekt, są wybrane współczynniki kształtu. Celem badań było wykorzystanie sieci neuronowych typu MLP w procesie identyfikacji wybranych odmian kukurydzy z wykorzystaniem metod analizy obrazu. Wykorzystana metoda klasyfikacji polegała na rozpoznawaniu różnic kształtów analizowanych obiektów. Neuronowa identyfikacja została wykonana z użyciem super formuły Johana Gielisa.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2011, 56, 1; 11-13
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Neuronowa identyfikacja dojrzalosci wybranych odmian jablek
Neural identification of ripeness of chosen varieties of apples
Autorzy:: Boniecki, P
Jakubek, A.
Kluza, T.
Nowakowski, K.
Powiązania:: https://bibliotekanauki.pl/articles/884097.pdf
Data publikacji:: 2010
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: jablon Gala Must
jablon Lobo
jablon Rajka
owoce
jablka
dojrzalosc owocow
stopien dojrzalosci
identyfikacja
barwa owocow
skala BBCH
ksztalt owocow
wspolczynnik ksztaltu
zbiory danych
sieci neuronowe sztuczne
percepton czterowarstwowy
siec radialnych funkcji bazowych
probabilistyczna siec neuronowa
system JabVis 1.1
Opis:: Celem niniejszej pracy była identyfikacja poziomu dojrzałości wybranych odmian jabłek za pomocą sztucznych sieci neuronowych, dokonana na podstawie reprezentatywnych cech, pozyskanych metodami analizy obrazu. Aby można prawidłowo rozwiązać tak sformułowane zadanie, wymagane było zapoznanie się z metodami analizy obrazu oraz zagadnieniami klasyfikacji z wykorzystaniem modeli neuronowych. W celu wyjaśnienia tego problemu został wytworzony, zgodnie z wymaganiami inżynierii oprogramowania, neuronowy system informatyczny przeznaczony do identyfikacji, zdefiniowanych wcześniej, klas dojrzałości wybranych odmian jabłek.
The main aim of this research was to identify the level of ripeness of chosen varieties of apples using neural networks. The process was based on a set of selected features acquired by images analysis. To secure one' s object it was necessary to get to know the available and current image analysis methodologies as well as the neural networks' classification abilities. The neural computer system has been designed, regarding all requirements of software engineering in order to develop an implementation of the model proposed during the phase described above. The software is capable to identify the ripeness of an apple from the chosen varieties.
Źródło:: Technika Rolnicza Ogrodnicza Leśna; 2010, 06; 7-10
1732-1719
2719-4221
Pojawia się w:: Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Model for calculating compression ignition engine performance
Model do wyznaczania parametrów pracy silnika o zapłonie samoczynnym
Autorzy:: Brzozowski, K.
Nowakowski, J.
Powiązania:: https://bibliotekanauki.pl/articles/1366019.pdf
Data publikacji:: 2014
Wydawca:: Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:: compression ignition engine
identification
engine performance parameters
silnik o zapłonie samoczynnym
identyfikacja
parametry pracy silnika
Opis:: Optimising the performance of an internal combustion engine requires both empirical and theoretical work. The latter involves reasoning based on results yielded by mathematical models. This paper presents a computationally efficient model of the working cycle for a compression ignition engine. The model enables analysis of the working cycle of an engine with an electronically controlled common-rail type power supply and a controlled exhaust gas recirculation system. The model’s parameters are chosen in a two-stage identification process based on the results of the experiments. The first stage of identifying the parameters requires formulating and solving an appropriate dynamic optimisation problem for multiple discrete points describing the engine’s operation. To this end a genetic algorithm is used with an additional condition controlling the quality of the solution. Artificial neural networks are used for the second stage of identification. The paper shows an example of using the model to assess the influence of the kinetic combustion phase, which results from the way in which the injection process proceeds on the course of the working cycle. The accuracy of calculations with respect to basic parameters characterising the working cycle is also discussed.
Doskonalenie parametrów pracy silnika spalinowego poprzez odpowiednie sterowanie cyklem roboczym wymaga stosowania zarówno prac o charakterze doświadczalnym jak i obliczeniowym. W tym drugim przypadku podstawą wnioskowania są wyniki uzyskiwane z modeli matematycznych. Artykuł przedstawia efektywny obliczeniowo model cyklu roboczego silnika o zapłonie samoczynnym. Model umożliwia analizę cyklu roboczego silnika z elektronicznie sterowanym układem zasilania typu common-rail oraz układem sterowanej recyrkulacji spalin. Parametry modelu dobrano w dwuetapowym procesie identyfikacji bazującym na wynikach badań stanowiskowych. Pierwszy etap identyfikacji parametrów wymagał sformułowania i rozwiązania odpowiedniego zadania optymalizacji dynamicznej dla wielu dyskretnych punktów pracy silnika. W tym celu zastosowano algorytm genetyczny z dodatkowym warunkiem kontroli jakości rozwiązania. W drugim etapie identyfikacji do uogólnienia wyników wykorzystano sztuczne sieci neuronowe. W pracy przedstawiono przykład zastosowania modelu w ocenie udziału fazy spalania kinetycznego wynikającej z realizacji przebiegu procesu wtrysku na przebieg cyklu roboczego oraz przedstawiono dokładność obliczeń w odniesieniu do podstawowych parametrów charakteryzujących cykl roboczy.
Źródło:: Eksploatacja i Niezawodność; 2014, 16, 3; 407-414
1507-2711
Pojawia się w:: Eksploatacja i Niezawodność
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "Nowakowski, K" wg kryterium: Autor

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język