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 "thermal network" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Classification of breast thermal images using artificial neural networks
    Autorzy:
    Jakubowska, T.
    Wiecek, B.
    Wysocki, M.
    Drews-Peszynski, C.
    Strzelecki, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/333564.pdf
    Data publikacji:
    2004
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    przetwarzanie termogramów
    sieci nuronowe
    klasyfikacja
    thermal image processing
    neural network
    classification
    Opis:
    In this paper we present classification of the thermal images in order to discriminate healthy and pathological cases during breast cancer screening. Different image features and approaches for data reduction and classification have been used to distinguish healthy breast one with malignant tumour. We use image histogram and co-occurrence matrix to get thermal signatures and analyze symmetry between left and right side. The most promised method was based on wavelet transformation and nonlinear neural network classifier. The proposed approach was used in the pilot investigations in the medical centre which is permanently using thermograph for breast cancer screening, as an adjacent method for other classical diagnostic method, such as mammography.
    Źródło:
    Journal of Medical Informatics & Technologies; 2004, 7; MIP41-50
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Recognition of monochrome thermal images of synchronous motor with the application of quadtree decomposition and backpropagation neural network
    Rozpoznawanie monochromatycznych obrazów cieplnych silnika synchronicznego z zastosowaniem kwadratowo-drzewowej dekompozycji i sieci neuronowej
    Autorzy:
    Głowacz, A.
    Głowacz, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/1366013.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    eksploatacja
    rozpoznawanie
    obrazy cieplne
    silnik synchroniczny
    sieć neuronowa
    maintenance
    recognition
    thermal images
    synchronous motor
    neural network
    Opis:
    Postęp techniczny i malejące ceny kamer termowizyjnych sprawiają, że ich zastosowanie do monitorowania i oceny stanu technicznego maszyn jest opłacalne. W artykule opisano metodę rozpoznawania stanów przedawaryjnych silnika synchronicznego. Proponowane podejście jest oparte na badaniu obrazów cieplnych wirnika. Ekstrakcja istotnej informacji diagnostycznej zakodowanej w obrazach cieplnych jest ważna dla diagnozowania maszyny. Zabieg taki może być wykonany z użyciem wybranych metod analizy i rozpoznawania obrazów. Przeprowadzono badania dla dwóch stanów silnika z zastosowaniem kwadratowo-drzewowej dekompozycji i sieci neuronowej z algorytmem wstecznej propagacji błędów. Eksperymenty pokazują, że metoda może być przydatna do zabezpieczania silników synchronicznych. Ponadto metoda może być stosowana do diagnozowania urządzeń w hutach i innych zakładach przemysłowych.
    Technological progress and decreasing prices of thermographic cameras make their application to monitoring and assessing a technical state of machines is profitable. In article is described the recognition method of imminent failure conditions of synchronous motor. The proposed approach is based on a study of thermal images of the rotor. Extraction of relevant diagnostic information coded in thermal images is important for diagnosing of machine. It can be performed with the use of selected methods of analysis and recognition of images. Studies were carried out for two conditions of motor with the application of quadtree decomposition and backpropagation neural network. The experiments show that the method can be useful for protection of synchronous motor. Moreover, this method can be used to diagnose equipments in steelworks and other industrial plants.
    Źródło:
    Eksploatacja i Niezawodność; 2014, 16, 1; 92-96
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    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:
    Forecasting European thermal coal spot prices
    Autorzy:
    Krzemień, A.
    Riesgo Fernandez, P.
    Suárez Sánchez, A.
    Sánchez Lasheras, F.
    Powiązania:
    https://bibliotekanauki.pl/articles/92159.pdf
    Data publikacji:
    2015
    Wydawca:
    Główny Instytut Górnictwa
    Tematy:
    thermal coal
    price forecasting
    time series analysis
    neural network
    autoregressive model
    węgiel energetyczny
    prognoza cen
    analiza szeregów czasowych
    sieć neuronowa
    model autoregresyjny
    Opis:
    This paper presents a one-year forecast of European thermal coal spot prices by means of time series analysis, using data from IHS McCloskey NW Europe Steam Coal marker (MCIS). The main purpose was to achieve a good fit for the data using a quick and feasible method and to establish the transformations that better suit this marker, together with an affordable way for its validation. Time series models were selected because the data showed an autocorrelation systematic pattern and also because the number of variables that influence European coal prices is very large, so forecasting coal prices as a dependent variable makes necessary to previously forecast the explanatory variables. A second-order Autoregressive process AR(2) was selected based on the autocorrelation and the partial autocorrelation function. In order to determine if the results obtained are a good fit for the data, the possible drivers that move the European thermal coal spot prices were taken into account, establishing a hypothesis in which they were divided into four categories: (1) energy side drivers, that directly relates coal prices with other energy commodities like oil and natural gas; (2) demand side drivers, that relates coal prices both with the Western World economy and with emerging economies like China, in connection with the demand for electricity in these economies; (3) commodity currency drivers, that have an influence for holders of different commodity currencies in countries that export or import coal; and (4) supply side drivers, involving the production costs, transportation, etc. Finally, in order to analyse the time series model performance a Generalized Regression Neural Network (GRNN) was used and its performance compared against the whole AR(2) process. Empirical results obtained confirmed that there is no statistically significant difference between both methods. The GRNN analysis also allowed pointing out the main drivers that move the European Thermal Coal Spot prices: crude oil, USD/CNY change and supply side drivers.
    Źródło:
    Journal of Sustainable Mining; 2015, 14, 4; 203-210
    2300-1364
    2300-3960
    Pojawia się w:
    Journal of Sustainable Mining
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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