Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "neural modelling" wg kryterium: Temat


Wyświetlanie 1-8 z 8
Tytuł:
Experimental study and neural network modelling of aerodynamic and dynamic characteristics of flapping wings micro aerial vehicle
Autorzy:
Czekałowski, P.
Sibilski, K.
Żyluk, A.
Powiązania:
https://bibliotekanauki.pl/articles/242331.pdf
Data publikacji:
2018
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
entomopter
flapping wings
aerodynamics
neural network
modelling
aerodynamika
sieć neuronowa
modelowanie
Opis:
The article is close connected with building flying object, that fly like an insect (entomopter). Present work concerns on concept of aerodynamic model using artificial neural networks. Model is used in simulations of flight of entomopter. Aerodynamic model based on experimental data. Necessary data are taken from experiment performed in water tunnel on entomopter model. For this case dynamic test are required. Measurements are ducted during sinusoidal motion of whole model. Modelled object is dipterous. Each wing can perform various spherical motions (wing is rotated around point). The motion of the wing in this case was two-dimensional; it was rotated around two axis. As a model, specially trained neural network is used. For training are used data from measurement. Presented in this article approach is based on artificial neural networks. In this article, innovative concept of model, describing unsteady aerodynamics of entomopter was proposed. It was shown that it could be easily implemented as mathematical model. Unsteady effects related to many state variables can be easily captured. Model can be easily adopted to predict different states of flight by networks training on appropriate data. Test has to reproduce real conditions as close, as it is possible. In reality, it is challenging to design test that will reproduce similar motion.
Źródło:
Journal of KONES; 2018, 25, 4; 49-57
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie modeli sieci neuronowych do identyfikacji składu litologicznego rudy miedzi
Application of neural networks models to lithological composition determination of copper ore
Autorzy:
Krawczykowska, A.
Trybalski, K.
Krawczykowski, D.
Powiązania:
https://bibliotekanauki.pl/articles/349707.pdf
Data publikacji:
2009
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
typy litologiczne rud miedzi
modelowanie
sieci neuronowe
lithological types of copper ore
modelling
neural networks
Opis:
Artykuł dotyczy zastosowania modeli sieci neuronowych w rozpoznawaniu typów litologicznych rudy miedzi. Do sprawdzenia zdolności predykcyjnych najskuteczniejszych modeli wykorzystano zbiory danych uzyskane z analizy zdjęć skaningowych dwóch charakterystycznych mieszanek różnych typów litologicznych: mieszanki z przewagą rudy piaskowcowej oraz mieszanki z przewagą rudy węglanowej i łupkowej. Wyniki rozpoznawania porównano z rzeczywistymi udziałami poszczególnych typów litologicznych rud miedzi w analizowanych mieszankach.
The paper concerns the application of neural networks models in recognition of lithological types of copper ore. To verify the predictive abilities of the most efficient models, the data sets given by scanning photos analyzes of two characteristic mixtures of various lithological types were applied. These were mixture with the advantage of sandstone ore and mixture with the advantage of carbonate and shale ores. The results of recognition were compared with the real contents of individual lithological types of copper ore in analyzed mixtures.
Źródło:
Górnictwo i Geoinżynieria; 2009, 33, 4; 141-151
1732-6702
Pojawia się w:
Górnictwo i Geoinżynieria
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Data mining workspace as an optimization prediction technique for solving transport problems
Решение задачи прогнозирования в транспортной отрасли с помощью методов data mining
Autorzy:
Kuptcova, A.
Průša, P.
Federko, G.
Molnár, V.
Powiązania:
https://bibliotekanauki.pl/articles/375552.pdf
Data publikacji:
2016
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
time series prediction
data mining
neural network
modelling
predykcja szeregów czasowych
eksploracja danych
sieć neuronowa
modelowanie
Opis:
This article addresses the study related to forecasting with an actual high-speed decision making under careful modelling of time series data. The study uses data-mining modelling for algorithmic optimization of transport goals. Our finding brings to the future adequate techniques for the fitting of a prediction model. This model is going to be used for analyses of the future transaction costs in the frontiers of the Czech Republic. Time series prediction methods for the performance of prediction models in the package of Statistics are Exponential, ARIMA and Neural Network approaches. The primary target for a predictive scenario in the data mining workspace is to provide modelling data faster and with more versatility than the other management techniques.
В данной статье рассматривается задача прогнозирования временных рядов, которая заключается в построении модели для предсказания будущих событий. В исследовании используются методы интеллектуального анализа данных. Модель прогнозирования позволяет адекватно оценивать исследуемый процесс. Целью исследования является изучение динамики расходов при реализации экспортной продукции. Прогнозирование осуществляется с помощью ARIMA-модели, на основе метода экспоненциального сглаживания и по технологии логической нейронной сети. Построение базового и быстрого сценария прогнозирования является важным и ответственным этапом в научной деятельности.
Źródło:
Transport Problems; 2016, 11, 3; 21-31
1896-0596
2300-861X
Pojawia się w:
Transport Problems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comprehensive analysis of reclamation of spent lubricating oil using green solvent: RSM and ANN approach
Autorzy:
Sarkar, Sayantan
Datta, Deepshikha
Chowdhury, Somnath
Das, Bimal
Powiązania:
https://bibliotekanauki.pl/articles/2173421.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
modelling
optimization
extraction-flocculation
artificial neural network
genetic algorithm
modelowanie
optymalizacja
sztuczna sieć neuronowa
algorytm genetyczny
Opis:
Waste lubricating oil (WLO) is the most significant liquid hazardous waste, and indiscriminate disposal of waste lubricating oil creates a high risk to the environment and ecology. Present investigation emphasizes the re-refining of used automobile engine oil using the extraction-flocculation approach to reduce environmental hazards and convert the waste to energy. The extraction-flocculation process was modeled and optimized using response surface methodology (RSM), artificial neural network (ANN), and genetic algorithm (GA). The present study assessed parametric effects of refining time, refining temperature, solvent to waste oil ratio, and flocculant dosage. Experimental findings showed that the percentage of yield of recovered oil is to the tune of 86.13%. With the Central Composite Design approach, the maximum percentage of extracted oil is 85.95%, evaluated with 80 minutes of refining time, 50.17 C refining temperature, 7:1 solvent to waste oil ratio and flocculant dosage of 3 g/kg of solvent and 86.71% with 79.97 minutes refining time, 55.53 C refining temperature, 4.89:1 g/g solvent to waste oil ratio, 2.99 g/kg of flocculant concentration with Artificial Neural Network. A comparison shows that the ANN gives better results than the CCD approach. Physico-chemical properties of the recovered lube oil are comparable with the properties of fresh lubricating oil.
Źródło:
Chemical and Process Engineering; 2022, 43, 2; 119--135
0208-6425
2300-1925
Pojawia się w:
Chemical and Process Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie różnic parametrów termicznych powietrza mierzonych metodami standardową i automatyczną
Neural network modelling of air temperature differences measured with standard and automatic method
Autorzy:
Kajewska-Szkudlarek, J.
Powiązania:
https://bibliotekanauki.pl/articles/35906.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Instytut Agrofizyki PAN
Tematy:
powietrze
temperatura powietrza
parametry termiczne
sieci neuronowe
modelowanie
air
air temperature
thermal parameter
neural network
modelling
Opis:
W pracy analizowano szeregi czasowe dobowych różnic między wynikami standardowych i automatycznych pomiarów trzech parametrów termicznych powietrza – temperatury średniej, maksymalnej i minimalnej. Celem pracy było stworzenie modelu analizowanych szeregów czasowych z wykorzystaniem sztucznych sieci neuronowych, które posłużyły do identyfikacji pojawiających się w nich wzorców oraz ich powtarzalności. Wykorzystano wyniki badań prowadzonych w okresie 2000-2009 na terenie Obserwatorium Uniwersytetu Przyrodniczego Wrocław- Swojec. Do realizacji założonego celu wykorzystano sieci perceptronowe o pojedynczej warstwie ukrytej, stworzone w programie MATLAB (Neural Network Toolbox) oraz STATISTICA 10. Analizowano architekturę opracowanych sieci, liczbę cykli w procesie uczenia, zmiany wartości błędu średniokwadratowego i zależności między wartościami parametrów uzyskanych z pomiarów za pomocą przyrządów meteorologicznych oraz prognozowanych przez sieci. Pomimo wielu prób nie uzyskano modelu o zadowalającej jakości. Stwierdzono, że szeregi czasowe miały charakter białego szumu, czyli występowanie różnic między obiema metodami pomiaru temperatury powietrza cechowała losowość i brak wyraźnej cykliczności oraz trendu.
The paper presents an analysis of time series concerning diurnal differences between standard and automatic results of measurements of three air thermal parameters – mean (Tm), maximum (Tmax) and minimum (Tmin) temperature. By means of artificial neural networks an attempt at identification of the occurring patterns and their repetition was made. The study was conducted in the period of 2000-2009 on the site of Agro- and Hydrometeorology Observatory Wroclaw-Swojec which belongs to the Wroclaw University of Environmental and Life Sciences. In order to achieve the intended aim, single-layer perceptron networks were used, created in MATLAB (Neural Network Toolbox) and STATISTICA 10. The following aspects were subjected to the analysis: the architecture of the developed networks, the number of cycles in the learning process, the changes in Mean Squared Error (MSE), and the correlations between the values of the parameters obtained by means of meteorological instruments and the ones prognosticated by the networks. Despite multiple attempts, no model of satisfying quality was obtained. It was concluded that the nature of the time series was that of white noise, meaning that the occurrence of differences between both air temperature measurement methods were characterised by randomness and a lack of visible circularity and trend.
Źródło:
Acta Agrophysica; 2016, 23, 3
1234-4125
Pojawia się w:
Acta Agrophysica
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:
Detekcja nieszczelności kotła fluidalnego z użyciem modeli rozmyto-neuronowych
Approach to boiler leak detection with fuzzy neural models
Autorzy:
Szadkowski, B.
Jankowska, A.
Powiązania:
https://bibliotekanauki.pl/articles/257517.pdf
Data publikacji:
2011
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
detekcja awarii
systemy rozmyto-neuronowe
kocioł fluidalny
modelowanie
detection of outage
fuzzy-neural system
fluidised bed boiler
modelling
Opis:
Zreferowano badania modelowe nad detekcją nieszczelności kotłów fluidalnych z wykorzystaniem danych z archiwum. Modelowanie prowadzono w przyborniku Fuzzy Logic pakietu Matlab. Omówiono dwa podejścia do rozwiązania problemu. W pierwszym - opracowano modele rozmyto-neuronowe typu Takagi-Sugeno-Kanga (TSK) 4 zmiennych procesowych o dużej wrażliwości na przeciek. Uśrednione residua tych zmiennych, w przesuwnym oknie czasowym, pozwoliły wykryć 7 z 8 rozważanych przypadków nieszczelności. Oceniono długość okna i uzyskane wyprzedzenie detekcji względem wyłączenia bloku. Następnie opracowano i przetestowano model awarii o binarnym wyjściu. Równoległe wykorzystanie opracowanych modeli pozwoliło na wykrycie z kilkudniowym wyprzedzeniem wszystkich analizowanych awarii, potwierdzając przydatność modeli TSK w ważnym zadaniu eksploatacyjnym. Wskazano dalsze kierunki prac.
The research results into leak detection in a fluidised bed boiler are presented. The studies took advantage of the historical data from DCS in the professional power plant. Models of neuro-fuzzy Takagi-Sugeno-Kanga (TSK) type were built and tested in the Fuzzy Toolbox of Matlab. The roots of boiler outage (in water-steam pressure system and aside from this system) are indicated. The two approaches to leak detection task are described. In the first, the models of the 4 process variables sensitive to leakage were built. The residues of these models were evaluated in a moving time window. The length of the time window and the advance of leakage detection are discussed. Next, the model the TSK of the boiler faults with binary output was built and tested. Training data was collected for 3 cases of raised outage (models output - 1) and the normal work of installation (models output - 0). The parallel usage of proposed TSK models provided a successful detection of all studied fault cases a few days in advance. This has confirmed the suitability of the fuzzy neural models in an important exploitation task.
Źródło:
Problemy Eksploatacji; 2011, 2; 181-188
1232-9312
Pojawia się w:
Problemy Eksploatacji
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-8 z 8

    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