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 ""Sztuczna sieć neuronowa"" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    An optimization of heuristic model of water supply system with genetic algorithm
    Optymalizacja modelu heurystycznego sieci wodociągowej z zastosowaniem algorytmu genetycznego
    Autorzy:
    Wysogląd, B.
    Wyczółkowski, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/327832.pdf
    Data publikacji:
    2006
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka
    algorytm genetyczny
    sztuczna sieć neuronowa
    sieć wodociągowa
    diagnostic
    genetics algorithm
    neural network
    water pipeline
    Opis:
    The paper presents the method of optimization of heuristic model of water supply system with Genetic Algorithm. This model is an essential part of intelligent diagnostic system of local water supply system. The main task of this system is water leakage detecting and localization. For inputs, this system uses information from pressure or flow sensors, mounted on the pipeline network, the output is a piece of information about leakage detection and localization. The main advantage of this system is a possibility of approximate leakage localization using only a limited number of installed sensors. The first problem which should be solved to apply this system in practice is to find the best localization of sensor which should be installed on water pipeline. The method of solving this problem was described in the paper.
    W artukule przedstawiono sposób optymalizacji heurystycznego modelu sieci wodociągowej, opartego o sztuczne sieci neuronowe, z zastosowaniem algorytmu genetycznego. Model ten stanowi zasadniczy element inteligentnego układu diagnozustyki sieci wodociągowej, mającego za zadanie wykrywanie przecieków sieci wodociągowej. Wejściami do modelu są dane z czujników ciśnienia lub przepływu zainstalowanych na sieci, zaś wyjściami informacja o lokalizacji potencjalnych przecieków. Podstawową zaletą tej koncepcji systemu diagnozowania sieci wodociągowej jest możliwość przybliżonej lokalizacji uszkodzeń sieci w oparciu o ograniczoną liczbę czujników na niej zainstalowanych. Istotnym problemem który należy rozwiązać w pierwszym etapie budowy systemu, jest wybór lokalizacji ograniczonej liczby czujników, zapewniających jednak identyfikowanie jak największej liczby potencjalnych awarii. Artykuł przedstawia sposób rozwiązania tego problemu poprzez optymalizację rozmieszczenia czujników z zastosowaniem algorytmu genetycznego.
    Źródło:
    Diagnostyka; 2006, 2(38); 49-52
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimization of a set of thermovision image features with the use of evolutionary algorithms
    Optymalizacja zbioru cech obrazów termowizyjnych z zastosowaniem algorytmów ewolucyjnych
    Autorzy:
    Fidali, M.
    Urbanek, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/329156.pdf
    Data publikacji:
    2009
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka
    termowizja
    algorytm ewolucyjny
    sztuczna sieć neuronowa
    diagnostics
    infrared thermography
    evolutionary algorithm
    neural network
    Opis:
    Extraction of diagnostic information from the thermovision images is connected with analysis and evaluation of a huge amount of different diagnostic features which could cause problems with efficient assessment of technical state due to informational noise. In the paper, application of an evolutionary algorithm for optimization of a set of diagnostic features has been presented. In the case of assessment of selected optimal features, neural classifier has been used. A set of 259 features has been considered. Classification results have shown that the evolutionary algorithm can be applied in selection of relevant diagnostic features. Efficiency of classifier has come to more than 92%.
    Ocena stanu technicznego maszyn na podstawie obrazów termowizyjnych wymaga ich analizy i wyznaczenia zwykle dużej liczby różnych cech diagnostycznych, które mogą utrudniać efektywną diagnozę ze względu na szum informacyjny. W artykule przedstawiono zastosowanie algorytmu ewolucyjnego do optymalizacji zbioru 259 cech diagnostycznych. Do oceny zoptymalizowanego zbioru cech posłużono się klasyfikatorem neronalnym. Wyniki klasyfikacji potwierdzają przydatność zastosowania algorytmów ewolucyjnych do wyboru cech relewantnych. Sprawność klasyfikacji była większa niż 92%.
    Źródło:
    Diagnostyka; 2009, 1(49); 7-12
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neural networks as a tool for georadar data processing
    Autorzy:
    Szymczyk, P.
    Tomecka-Suchoń, S.
    Szymczyk, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/330009.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    neural network
    artificial neural network
    ground penetrating radar
    geological structure
    sinkhole
    sieć neuronowa
    sztuczna sieć neuronowa
    georadar
    penetracja gruntu
    budowa geologiczna
    zapadlisko górnicze
    Opis:
    In this article a new neural network based method for automatic classification of ground penetrating radar (GPR) traces is proposed. The presented approach is based on a new representation of GPR signals by polynomials approximation. The coefficients of the polynomial (the feature vector) are neural network inputs for automatic classification of a special kind of geologic structure—a sinkhole. The analysis and results show that the classifier can effectively distinguish sinkholes from other geologic structures.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2015, 25, 4; 955-960
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neural network development for automatic identification of the endpoint of drying barley in bulk
    Wykorzystanie sztucznych sieci neuronowcyh do automatycznej identyfikacji zakończenia niskotemperaturowego suszenia jęczmienia
    Autorzy:
    Olszewski, T.
    Ryniecki, A.
    Boniecki, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/334303.pdf
    Data publikacji:
    2008
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    sztuczna sieć neuronowa
    suszenie niskotemperaturowe
    jęczmień
    barley
    drying
    neural network
    Opis:
    A thesis was proved that it is possible an automatic endpoint determination of drying barley in bulk, 1.2 meter's deep, based on a neural network, using a continuous on-line measurement of atmospheric air temperature and relative humidity, plenum air temperature and grain temperature in selected locations inside the bed - in situations in which drying air temperature and relative humidity change stochastically. The usefulness of individual input variables characterising the process as well as their influence on the quality of the obtained model were analysed. Several different topologies of the developed models were compared and the RBF type networks were selected as the best ones. The developed networks are characterised by a high, ranging from 93.3 to 99.6%, correctness of case assignment to the recognised classes in the course of the identification process and a high capability to generalise the analysed data.
    W pracy potwierdzono możliwość automatycznej identyfikacji zakończenia procesu niskotemperaturowego suszenia ziarna jęczmienia w nieruchomej warstwie o grubości 1,2 m z zastosowaniem sztucznej sieci neuronowej. Następujące wielkości były mierzone w sposób ciągły "on-line": temperatura i wilgotność względna powietrza atmosferycznego, temperatura sprężonego powietrza oraz temperatura nasion w wybranych miejscach wewnątrz komory - w sytuacji, w której temperatura powietrza suszącego i wilgotność względna zmieniały się stochastycznie. Przeanalizowano przydatność poszczególnych zmiennych wejściowych charakteryzujących proces jak również ich wpływ na jakość otrzymanego modelu. Porównano również różne topologie otrzymanych sieci. Jako najlepsze wytypowano sieci typu RBF. Znalezione sieci charakteryzowały się dużą (w granicach 93,3-99,6%), poprawnością przypisywania przypadków do rozpoznawanych klas oraz wysokiej zdolności do generalizacji analizowanych danych.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2008, 53, 1; 26-31
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Mechatronic systems in mining roadheaders - examples of solutions
    Systemy mechatroniczne w górniczych kombajnach chodnikowych - przykłady rozwiązań
    Autorzy:
    Jasiulek, D.
    Świder, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/277124.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    systemy mechatroniczne
    górniczy kombajn chodnikowy
    system sterowania
    sztuczna sieć neuronowa
    mechatronic systems
    mining roadheaders
    numerical techniques
    control system
    neural network
    Opis:
    In the process of control of mining machines the problems with development of a classical mathematical model describing phenomena that accompany operation of these machines are presented. These problems are the result of specificity of the process of driving the roadways and the direct reason to undertake trials to use artificial intelligence technologies in modelling of phenomena, which occur during rock-drivage of roadways. The following problems are presented in the paper: -state-of-the-art control systems used in roadheaders, -possibilities of use of artificial neural networks in control systems of mining machines (on the example of a roadheader), -model tests with use of data recorded during drivage of roadway with use of a roadheader, -determination of cutting resistance with use of an artificial neural network to determine the value of set angular speed of a roadheader’s cutter jib in the plane parallel to the roadway floor. Presented model tests are the result of R&D projects associated with designing of an intelligent control system of the roadheader, which are realized at the KOMAG Institute of Mining Technology and at the Faculty of Mechanical Engineering of the Silesian University of Technology.
    W procesie sterowania maszyn górniczych występuje wiele czynników, utrudniających przygotowanie klasycznego modelu matematycznego, opisującego zjawiska towarzyszące pracy maszyny. Problemy te, wynikające ze specyfiki procesu drążenia wyrobisk, są bezpośrednią przyczyną podejmowania prób zastosowania technik sztucznej inteligencji w modelowaniu zjawisk występujących w trakcie drążenia wyrobisk korytarzowych (tuneli). W artykule zaprezentowano: - badanie stanu wiedzy z zakresu systemów sterowania kombajnów chodnikowych, - możliwości zastosowania sztucznych sieci neuronowych w układach sterowania maszyn górniczych (na przykładzie kombajnu chodnikowego), - wyniki badań procesu drążenia wyrobiska kombajnem chodnikowym, - określenie oporów skrawania z wykorzystaniem sztucznej sieci neuronowej do wyznaczenia wartości prędkości kątowej wysięgnika kombajnu chodnikowego.
    Źródło:
    Pomiary Automatyka Robotyka; 2013, 17, 1; 121-127
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An overview of classification methods from dermoscopy images in skin lesion diagnostic
    Przegląd metod klasyfikacji obrazów dermatoskopowych wykorzystywanych w diagnostyce zmian skórnych
    Autorzy:
    Michalska, Magdalena
    Boyko, Oksana
    Powiązania:
    https://bibliotekanauki.pl/articles/407654.pdf
    Data publikacji:
    2020
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    dermatoscopic images
    classification method
    neural network
    SVM
    skin cancer
    skin lesion
    obraz dermatoskopowy
    metoda klasyfikacji
    sztuczna sieć neuronowa
    nowotwór skóry
    zmiany skórne
    Opis:
    The article contains a review of selected classification methods of dermatoscopic images with human skin lesions, taking into account various stages of dermatological disease. The described algorithms are widely used in the diagnosis of skin lesions, such as artificial neural networks (CNN, DCNN), random forests, SVM, kNN classifier, AdaBoost MC and their modifications. The effectiveness, specificity and accuracy of classifications based on the same data sets were also compared and analyzed.
    Artykuł zawiera przegląd wybranych metod klasyfikacji obrazów dermatoskopowych zmian skórnych człowieka z uwzględnieniem różnych etapów choroby dermatologicznej. Opisane algorytmy są szeroko wykorzystywane w diagnostyce zmian skórnych, takie jak sztuczne sieci neuronowe (CNN, DCNN), random forests, SVM, klasyfikator kNN, AdaBoost MC i ich modyfikacje. Porównana i przeanalizowana została również skuteczność, specyficznośc i dokładność klasyfikatów w oparciu o te same zestawy danych.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2020, 10, 2; 36-39
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja rodzaju i stopnia uszkodzenia zębów kół przekładni oparta na ciągłej transformacie falkowej i sieci neuronowej typu MLP - koncepcja wykorzystania danych z modelu i rzeczywistej przekładni
    Classification of kinds and degee of tooth gear fail by using continuous wavelet transform and MLP neural network - conception of using dates from the model and real gearbox
    Autorzy:
    Czech, P.
    Łazarz, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/328338.pdf
    Data publikacji:
    2007
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka
    przekładnia zębata
    sztuczna sieć neuronowa
    ciągła transformata falkowa
    diagnostics
    gear fault
    neural network
    continuous wavelet transform (CWT)
    Opis:
    W opracowaniu przedstawiono wyniki próby zastosowania sztucznej sieci neuronowej jako klasyfikatora rodzaju i stopnia uszkodzenia zębów kół w przekładni. Klasyfikator neuronowy oparto na sztucznej sieci neuronowej typu MLP. Dane wejściowe do klasyfikatora stanowiła macierz złożona z miar statystycznych otrzymanych z ciągłej analizy falkowej. Zidentyfikowany model przekładni zębatej pracującej w układzie napędowym oraz stanowisko mocy krążącej FZG posłużyły do generacji zbiorów uczących i testujących zastosowanych w eksperymencie.
    The work presents results of an experiment that employs the artificial neuronal network in the task of identification of kinds and degree of tooth failure. Neural Networks were based on the Multi Layer Perceptrons. Statistical measures that describe the emergence and degree of tooth gear diagnostic served as input data for the artificial neural networks. The measures employed in the experiment were obtained from signals through the continuous wavelet transform. In the experiment the dynamic model of gearbox and power circulating gear testing machine was used as generator of data.
    Źródło:
    Diagnostyka; 2007, 2(42); 75-82
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      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