Wszystkie pola: "Sieci" - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Vehicles Classification Using the HRBF Neural Network
Klasyfikacja pojazdów z wykorzystaniem sieci neuronowej HRBF
Autorzy:: Wantoch-Rekowski, R.
Powiązania:: https://bibliotekanauki.pl/articles/305921.pdf
Data publikacji:: 2011
Wydawca:: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:: sieci neuronowe
klasyfikacja sieci
zbiór uczący
Hyper Radial Basis Function network HRBF
neural networks
networks classification
learning set
HRBF
Opis:: The paper presents the problem of using a neural network for military vehicle classification on the basis of ground vibration. One of the main elements of the system is a unit called the geophone. This unit allows to measure the amplitude of ground vibration in each direction for a certain period of time. The value of the amplitude is used to fix the characteristic frequencies of each vehicle. If we want to fix the main frequency it is necessary to use the Fourier transform. In this case the fast Fourier transform FFT was used. Since the neural network (Hyper Radial Basis Function network) was used, a learning set has to be prepared. Please find the attached results of using the HRBF neural network, which include: examples of learning, validation and test sets, the structure of the networks and the learning algorithm, learning and testing results.
W opracowaniu przedstawiono zagadnienie wykorzystania sieci neuronowej do klasyfikacji określonych typów pojazdów na podstawie analizy amplitudy drgań gruntu. Jednym z elementów systemu do pomiaru amplitudy drgań gruntu jest geofon. Umożliwia on pomiar amplitudy drgań gruntu w wybranym kierunku dla określonego przedziału czasu. Wartość wyznaczonej amplitudy wykorzystywana jest do wyznaczenia charakterystycznych częstotliwości drgań dla poszczególnych pojazdów. Do wyznaczenia charakterystycznych częstotliwości wykorzystywana jest transformata Fouriera FFT. Do klasyfikacji wykorzystana została sieć neuronowa z radialną funkcją aktywacji, dlatego też wymagane jest przygotowanie odpowiedniego zbioru uczącego. W opracowaniu przedstawiono wyniki użycia sieci HRBF. Przedstawiono strukturę oraz zawartość zbioru uczącego.
Źródło:: Biuletyn Instytutu Systemów Informatycznych; 2011, 7; 47-52
1508-4183
Pojawia się w:: Biuletyn Instytutu Systemów Informatycznych
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Metody uczenia sieci neuronowej Hopfielda
Learning methods for the Hopfield neural network
Autorzy:: Matusik, R.
Powiązania:: https://bibliotekanauki.pl/articles/154183.pdf
Data publikacji:: 2009
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:: sieci neuronowe
Hopfield
reguły uczenia
neural networks
learning methods
Opis:: W artykule przedstawione zostały od strony teoretycznej i porównane od strony praktycznej różne metody uczenia sieci neuronowej Hopfielda. Oprócz znanej i powszechnie stosowanej reguły Hebba, przedstawione zostały modyfikacje tej metody. W celu porównania reguł uczenia sieci Hopfielda napisana została specjalna aplikacja, w której zaimplementowane zostały przedstawione w artykule metody. Regułą najlepiej rozpoznającą zapamiętane wzorce okazała się metoda pseudoinwersji
The Hopfield neural network can have many applications, such as approximation, compression, association, steering or patterns recognition. If the neural network is used for association, it is an associative memory. This task consists in original patterns recognition even when the Hopfield neural network is cued with distorted patterns. In this paper various learning methods for the Hopfield neural network are presented from the theoretical point of view and they are compared from the practical point of view. Besides the well known and generally used Hebb rule, there are presented its modifications as well. In order to compare the learning methods for the Hopfield neural network, a special application in which there are implemented the methods described in the paper is written. Section 2 contains the Hopfield neural network model, the Hopfield neural network definition and the neural network general schematic. There is also de-scribed the activation function used for testing the Hopfield neural network. Section 3 gives various Hopfield network learning rules, such as the original Hebb method, its modifications, the Oja rule and pseudoinversion rule. In Section 4 the testing process and its results are presented. The main task of this neural network is patterns recognition. The Hopfield neural network stored 10 patterns. Each of the stored patterns had 35 neurons. Then the neural network was cued with distorted patterns. The tests proved that the pseudoinversion rule recognized the patterns in the best way.
Źródło:: Pomiary Automatyka Kontrola; 2009, R. 55, nr 7, 7; 521-523
0032-4140
Pojawia się w:: Pomiary Automatyka Kontrola
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Rozwój inteligentnego systemu monitorowania rozdzielczej sieci wodociągowej
The development of an intelligent monitoring system of a local water supply network
Autorzy:: Wyczółkowski, R.
Matysiak, G.
Powiązania:: https://bibliotekanauki.pl/articles/301637.pdf
Data publikacji:: 2009
Wydawca:: Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:: diagnostyka
algorytm genetyczny
sztuczne sieci neuronowe
sieci wodociągowe
wyciek
diagnostic
genetics algorithm
neural networks
water pipeline
leakage
Opis:: W artykule przedstawiono rozwój inteligentnego systemu monitorowania sieci wodociągowej. Głównym zadaniem systemu jest wykrywanie i lokalizowanie awarii sieci wodociągowej. Wejściami do modelu są dane z czujników przepływu zainstalowanych na sieci, zaś wyjściami informacja o wykryciu wycieku i jego lokalizacji. Podstawową zaletą tej koncepcji systemu diagnozowania sieci wodociągowej jest możliwość przybliżonej lokalizacji uszkodzeń sieci w oparciu o ograniczoną liczbę czujników na niej zainstalowanych. System oparty jest o sztuczne sieci neuronowe, które klasyfikują stany sieci (sprawna, wyciek w zdefiniowanym obszarze sieci). Artykuł przedstawia prace prowadzone w celu ulepszenia metody budowy klasyfikatora, będącego zasadniczym elementem systemu i zwiększenia dokładności jego wskazań.
The paper presents the development of monitoring system of intelligent water supply network. The main task of this system is water leakage detection and localization. For inputs, this system uses information from fl ow sensors, mounted on the pipeline network, while 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 system is based on an artifi cial neural network which classifi ed the states of network (leakage in defined part of network, no leakage). In the paper, some developments and attempts to improve the sensitivity and accuracy of this system, and develop the method of classifi er building were described.
Źródło:: Eksploatacja i Niezawodność; 2009, 2; 71-75
1507-2711
Pojawia się w:: Eksploatacja i Niezawodność
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Application of neural networks to acceleration control of electric wheelchair
Zastosowanie sieci neuronowych do sterowania przyspieszenia elektrycznych wózków dla inwalidów
Autorzy:: Bojarczyk, P.
Goryca, Z.
Powiązania:: https://bibliotekanauki.pl/articles/159948.pdf
Data publikacji:: 2006
Wydawca:: Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki
Tematy:: wózek elektryczny
wózek inwalidzki
sieci neuronowe
zastosowanie sieci neuronowych
sterowanie
przyspieszenie
electric wheelchair
neural networks
acceleration control
Opis:: In this paper the acceleration block of controlling software of electric wheelchair has been presented. This acceleration block was implemented with the use of MLP and neurofuzzy networks. For the sake of moderate throughput of microcontroller being used to implementation of this software, the network of smaller structure (neurofuzzy) has been chosen to realization.
Artykuł omawia oprogramowanie bloku sterowania przyspieszenia wózka inwalidzkiego. Blok ten wdrożono przy użyciu MLP i sieci neuronowej rozmytej. Dla moderacji przepustowości użytego mikrosterownika do wdrożenia tego oprogramowania wybrano do realizacji sieć o mniejszej konstrukcji (neuro-rozmytą).
Źródło:: Prace Instytutu Elektrotechniki; 2006, 229; 87-95
0032-6216
Pojawia się w:: Prace Instytutu Elektrotechniki
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Diagnostyka powierzchni z zastosowaniem sieci neuronowych
Surface diagnostics with neural net use
Autorzy:: Mikołajczyk, T.
Powiązania:: https://bibliotekanauki.pl/articles/329268.pdf
Data publikacji:: 2005
Wydawca:: Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:: diagnostyka powierzchni
pomiary reflektometryczne
sieci neuronowe
surface diagnostics
reflectometric measure
neural networks
Opis:: W pracy przedstawiono zrealizowany w Katedrze Inżynierii Produkcji ATR Bydgoszcz układ do pomiaru stanu powierzchni metodą reflektometryczną. Opracowany układ zawiera oświetlacz laserowy i odbiornik w postaci diody. Sygnał z diody przesyłany jest do komputera przez kartę AC. W systemie analizy sygnału zastosowano sieć neuronową, którą zastosowano do skalowania układu. Dodatkowymi wejściami sieci są parametry technologiczne procesu. Uzyskane wyniki wskazują na poprawne działanie układu i możliwość jego praktycznego zastosowania do bezstykowej oceny stanu powierzchni.
In work presents system to surface roughness measure with reflectometric method, realized in Department of Production Engineering Technical & Agriculture University from Bydgoszcz of Poland. The results of reflectometric measure with feed and circle nose edge was used by neural network to investigations influence this parameters on surface roughness parameter. The useful neural network to scaling presented reflectometric stand was defined.
Źródło:: Diagnostyka; 2005, 33; 281-284
1641-6414
2449-5220
Pojawia się w:: Diagnostyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Zastosowanie sieci neuronowej do sterowania pracą wciągarki
Application of neural network to define winch drive function
Autorzy:: Falat, P.
Powiązania:: https://bibliotekanauki.pl/articles/387180.pdf
Data publikacji:: 2010
Wydawca:: Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:: sterowanie
maszyna
sieci neuronowe
control
machine
neural networks
Opis:: Często spotykanym zadaniem stawianym przed żurawiami typu offshore jest utrzymanie ładunku na zadanej głębokości pomimo ruchów bazy żurawia wywołanych falowaniem morza. W niniejszym artykule przedstawiono zastosowa- nie sieci neuronowej do wyznaczania funkcji napędowej wciągarki zapewniającej stabilizację pionową ładunku. Analizy przeprowadzono dla żurawia typu A-rama. Opracowano jego model matematyczny, przy czym korzystając z wcześniejszych doświadczeń autora, przyjęto, że jedynym elementem podatnym w układzie jest lina. W poprzednich pracach autor proponował użycie metod optymalizacji do wyznaczenia poszukiwanej funkcji napędowej. Optymalizacja dynamiczna jest jednak na tyle czasochłonna obliczeniowo, że jej zastosowanie w czasie rzeczywistym nie jest możliwe. Stąd podjęto próbę wykorzystania do rozwiązania tego problemu sieci neuronowej. Optymalizację zastosowano natomiast do przygotowania odpowiedniego zbioru uczącego dla sieci neuronowej.
The paper presents the application of the neural network to controlling of the drive function of a sea crane winch. The function ensures the load stabilization on a proper depth. The base ship movements, caused by the sea waves, are taken into consideration. The author applied the neural network and the object oriented programming techniques which have been used to crate own software applications.
Źródło:: Acta Mechanica et Automatica; 2010, 4, 2; 43-48
1898-4088
2300-5319
Pojawia się w:: Acta Mechanica et Automatica
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Prognozowanie zmian jakości wód podziemnych w układzie przestrzennym z wykorzystaniem sieci neuronowych
Spatial predictions of groundwater quality changes using neural networks
Autorzy:: Kmiecik, E.
Powiązania:: https://bibliotekanauki.pl/articles/2063365.pdf
Data publikacji:: 2004
Wydawca:: Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
Tematy:: jakość wód podziemnych
sieci monitoringowe
dane hydrogeochemiczne
sieci neuronowe
predykcja
klasyfikacja
groundwater quality
monitoring networks
hydrogeochemical data
neural networks
prediction
classification
Opis:: Zastosowanie sieci neuronowych do prognozowania zmian jakości wód w układzie przestrzennym oparte zostało na istniejącej bazie danych, zawierającej wyniki uzyskane w ramach regionalnego monitoringu jakości wód podziemnych RMWP przeprowadzonego dla zlewni górnej Wisły w latach 1993-1994 (Witczak i in., 1994a, b). Wyniki oznaczeń terenowych i laboratoryjnych (55) wskaźników fizykochemicznych (nieorganicznych i organicznych) wód poddano weryfikacji z zastosowaniem parametrów kontroli jakości oraz statystycznej analizy rozkładu tych wskaźników. Na zweryfikowanej bazie danych przeprowadzono próby predykcji wartości wskaźników fizykochemicznych wód dla punktu monitoringowego o określonych współrzędnych oraz klasyfikacji punktu monitoringowego (na podstawie wyników oznaczeń wskaźników fizykochemicznych) do obszaru o określonym użytkowaniu terenu. Uzyskane wyniki badań wskazują, że sieci neuronowe można z powodzeniem wykorzystać do prognozowania zmian jakości wód w układzie przestrzennym. Warunkiem jednak, by uzyskiwane prognozy cechowały się wysokim stopniem wiarygodności, jest konieczność weryfikacji danych wejściowych wprowadzanych do modelu.
This paper presents using neural networks in spatial prediction of groundwater quality changes on the base of existing database. This database consists of results of regional groundwater quality monitoring of the upper Vistula river basin carried out in 1993-1994 (Witczak et al., 1994a, b). Data (the results of field and laboratory determinations of physicochemical indicators of groundwater quality) was verified using quality control parameters and statistical analysis. On the verified database were conducted predictive trials to provide values of physicochemical indicators for the monitoring sites with known coordinates and monitoring site classification (on the base of physicochemical indicators values) to the area of known type of land-use. The results of such a study show that neural networks can be succesfully used for spatial prediction of changes in groundwater quality. The condition for reliability of the prognoses is verification of input data loaded to the model.
Źródło:: Biuletyn Państwowego Instytutu Geologicznego; 2004, 412, Hydrogeologia z. 6; 5-70
0867-6143
Pojawia się w:: Biuletyn Państwowego Instytutu Geologicznego
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Zastosowanie sztucznych sieci neuronowych w systemach wspomagania decyzji z obszaru zarządzania logistyką
Application of artificial neural networks in decision support systems in logistics management
Autorzy:: Duchaczek, A.
Skorupka, D.
Powiązania:: https://bibliotekanauki.pl/articles/348417.pdf
Data publikacji:: 2011
Wydawca:: Akademia Wojsk Lądowych imienia generała Tadeusza Kościuszki
Tematy:: zarządzanie logistyczne
sztuczne sieci neuronowe
sieci neuronowe
biblioteka FANN
logistic management
artificial neural networks
neural networks
FANN library
Opis:: W artykule przedstawiono możliwości wykorzystania komponentu TFannNetwork, opartego na bibliotece FANN wersja 2.0, do budowy aplikacji komputerowych wykorzystywanych w procesie zarządzania logistyką. Możliwości komponentu zaprezentowano na przykładzie zastosowania sztucznych sieci neuronowych do szacowania ładowności pojazdów transportowych na podstawie ich gabarytów.
The article presents the possibility of using a TFannNetwork component, based on the FANN library (version 2.0), for building computer applications used in logistics management. The potential of the component is exemplified with the application of artificial neural networks to estimate the capacity of transport vehicles based on their dimensions.
Źródło:: Zeszyty Naukowe / Wyższa Szkoła Oficerska Wojsk Lądowych im. gen. T. Kościuszki; 2011, 4; 270-277
1731-8157
Pojawia się w:: Zeszyty Naukowe / Wyższa Szkoła Oficerska Wojsk Lądowych im. gen. T. Kościuszki
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Porównanie wykorzystania sieci neuronowych i analizy dyskryminacyjnej w ocenie niewypłacalności
Autorzy:: Wójcicka, Aleksandra
Powiązania:: https://bibliotekanauki.pl/articles/611002.pdf
Data publikacji:: 2017
Wydawca:: Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
Tematy:: credit risk
default
neural networks
discriminant analysis
financial indices
ryzyko kredytowe
sieci neuronowe
analiza dyskryminacyjna
analiza finansowa
Opis:: The paper investigates the use of different structure of NN and DA in the process of establishing the possibility of default. The results of those different methods are juxtaposed and their performance is compared.
W artykule opisano wykorzystanie i użyteczność różnych typów sieci neuronowych i modeli analizy dyskryminacyjnej w procesie określania potencjalnej niewypłacalności dłużnika. Następnie wyniki poszczególnych metod, uzyskane na podstawie danych finansowych przedsiębiorstw pochodzących z różnych sektorów gospodarki, zostały porównane i na tej podstawie określono przydatność badanych metod w procesie oceny ryzyka kredytowego.
Źródło:: Annales Universitatis Mariae Curie-Skłodowska, sectio H – Oeconomia; 2017, 51, 5
0459-9586
Pojawia się w:: Annales Universitatis Mariae Curie-Skłodowska, sectio H – Oeconomia
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: The identification of parameters of a linear and a non-linear model of a kinematic measurement-control network
Identyfikacja parametrów modelu liniowego i nieliniowego sieci kinematycznej pomiarowo-kontrolnej
Autorzy:: Mrówczyńska, M.
Powiązania:: https://bibliotekanauki.pl/articles/341511.pdf
Data publikacji:: 2014
Wydawca:: Uniwersytet Przyrodniczy we Wrocławiu
Tematy:: kinematic model of a geodetic network
vertical displacements
neural networks
model kinematyczny sieci geodezyjnych
przemieszczenia pionowe
sieci neuronowe
Opis:: Engineering geodesy deals with a wide range of problems. There is also a part that deals with measuring displacements and deformations of engineering objects. Correct geodetic monitoring requires identifying the movement of points representing an engineering object in order to determine displacement values, taking into account the time function. The paper presents the results of research on kinematic models of geodetic networks in the aspect of using them for describing the state of vertical displacements of engineering objects located on expansive soil. The paper presents two functional models of an observation system: one in the form of a second rank polynomial and the other in the form of an exponential function. The selected kinematic models of measurement-control geodetic networks were estimated with classic methods and neural networks.
Rozpatrując szeroki zakres zagadnień związanych z geodezją inżynieryjną, można wyróżnić część zajmującą się pomiarami przemieszczeń i odkształceń obiektów budowlanych. Poprawnie prowadzony monitoring geodezyjny wymaga identyfikacji ruchu punktów reprezentujących badany obiekt budowlany, w celu określenia wartości przemieszczeń z uwzględnieniem funkcji czasu. W artykule zostały przedstawione wyniki opracowań modeli kinematycznych sieci geodezyjnych w aspekcie ich zastosowania do opisu stanu przemieszczeń pionowych obiektu budowlanego posadowionego na gruntach ekspansywnych. W pracy zaprezentowano dwa modele funkcjonalne układu obserwacyjnego w postaci wielomianu drugiego stopnia oraz funkcji wykładniczej. Estymację wybranych modeli kinematycznych sieci geodezyjnych pomiarowo-kontrolnych wykonano z zastosowaniem metod klasycznych oraz z wykorzystaniem sieci neuronowych.
Źródło:: Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum; 2014, 13, 1-2; 36-47
1644-0668
Pojawia się w:: Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Szacowanie natężenia ruchu drogowego z wykorzystaniem sieci neuronowych
Traffic volume estimation with the use of neural networks
Autorzy:: Sekuła, Przemysław
Powiązania:: https://bibliotekanauki.pl/articles/2202896.pdf
Data publikacji:: 2022
Wydawca:: Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:: ruch drogowy
natężenie ruchu
sieci neuronowe
traffic
traffic volume
neural networks
Opis:: Artykuł przedstawia metodę szacowania godzinnego natężenia ruchu drogowego opartą o sztuczne sieci neuronowe i dane z systemów GPS. Metoda ta została opracowana przez Centrum Zaawansowanych Technologii Transportowych Uniwersytetu Maryland (University of Maryland, Center for Advanced Transportation Technology) w ramach prac badawczych finansowanych przez stanowe agencje drogowe. Przedstawiona metoda umożliwia szacowanie natężenia ruchu w całej sieci drogowej z wartością błędu nie przekraczającą zazwyczaj 7%. W artykule zaprezentowano też modyfikacje, które pozwalają na wykorzystanie istniejących stacji pomiaru natężenia ruchu drogowego dla podniesienia dokładności szacowania w całej sieci drogowej oraz zaproponowano taki sposób rozmieszczania tych stacji, który maksymalizuje uzyskane wyniki. Ostatnim z przedstawionych rozwiązań jest analiza możliwości wykorzystania dużych zbiorów danych z innych obszarów oraz analiza możliwości wykorzystania modeli służących do szacowania natężenia ruchu w innych miejscach i okresach. Opisane w tej części artykułu rozwiązania pozwalają na znaczące obniżenie kosztów proponowanej metody.
This paper presents the method of estimating hourly traffic volumes based on artificial neural networks and GPS data. This method was developed by the University of Maryland, Center for Advanced Transportation technologies in research founded by State Highway Agencies. The presented method allows for estimating traffic volume in the entire road network with an EMFR error that is usually smaller than 7%. Additionally, the modifications of the presented method that enables leveraging existing continuous count stations in order to increase the accuracy of the model, as well as the optimal way of deploying such stations, are also discussed. Finally, we discussed ways of reducing the cost of the presented solution by utilizing large data sets and models gathered or trained in different places and time periods.
Źródło:: Transport Miejski i Regionalny; 2022, 10; 16--21
1732-5153
Pojawia się w:: Transport Miejski i Regionalny
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: Tooling selection in technological processes using neural networks
Dobór oprzyrządowania narzędziowego w procesie technologicznym przy użyciu sieci neuronowych
Autorzy:: Rojek, I.
Powiązania:: https://bibliotekanauki.pl/articles/94180.pdf
Data publikacji:: 2015
Wydawca:: Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:: tooling (accessory)
technological process
neural networks
oprzyrządowanie
proces technologiczny
sieci neuronowe
Opis:: The idea of the author’s research is to develop a system aiding the design of a technological process (a CAPP system), namely a system for creation of a technological process plan, in which the sequence of technological operations is defined and for each operation in the technological process, the appropriate machine, tools, tooling and machining parameters are selected. The article discusses accessory selection in technological processes using neural networks. Tooling selection is a necessary stage in the design of technological processes if a tool that has been selected does not fit the machine. Tooling selection models were prepared using unidirectional multilayer neural networks with back propagation of error (MLP) and a self-organizing Kohonen network. Two completely different neural networks were selected for the selection of the tooling. MLP network represents a network with learning supervision, and network Kohonen network learning without supervision. The training data for the neural networks was prepared at a manufacturing company. The neural networks were made using the Statsoft STATISTICA Data Miner software.
Ideą badań autorki jest opracowanie systemu wspomagania projektowania procesu technologicznego (systemu CAPP ), czyli systemu , w którym kolejność operacji technologicznych jest zdefiniowana , a dla każdej operacji następuje odpowiedni dobór obrabiarek, narzędzi, oprzyrządowania oraz parametrów obróbki. W artykule przedstawiono dobór oprzyrządowania narzędziowego przy użyciu sieci neuronowych. Dobór ten jest niezbędnym etapem projektowania procesu w przypadku, gdy dobrane narzędzie nie pasuje na obrabiarkę. Zostały wykonane modele doboru oprzyrządowania przy zastosowaniu sieci neuronowych jednokierunkowych wielowarstwowych ze wsteczną propagacją błędu (MLP) oraz samoorganizującej się sieci Kohonena. Dane do nauczenia sieci neuronowych zostały przygotowane w przedsiębiorstwie produkcyjnym. Sieci neuronowe zostały wykonane przy użyciu oprogramowania Statsoft STATISTICA Data Miner.
Źródło:: Archives of Mechanical Technology and Materials; 2015, 35; 41-50
2450-9469
Pojawia się w:: Archives of Mechanical Technology and Materials
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: Prototypowy system rozpoznawania tablic rejestracyjnych z wykorzystaniem sieci neuronowych
Prototype system of recognizing number plates with using artificial neural networks
Autorzy:: Mucha, M.
Powiązania:: https://bibliotekanauki.pl/articles/194339.pdf
Data publikacji:: 2017
Wydawca:: Politechnika Rzeszowska im. Ignacego Łukasiewicza. Oficyna Wydawnicza
Tematy:: Raspberry PI 2
OCR
OpenCV
Python
sieci neuronowe
neural networks
Opis:: W artykule przedstawiono prototypowy system rozpoznawania tablic rejestracyjnych oparty o urządzenie Raspberry PI 2, zaprojektowany jako niskobudżetowa alternatywa dla komercyjnych rozwiązań. Praca opisuje poszczególne komponenty sprzętowe, aplikację sterującą rozpoznawaniem tekstu oraz przeprowadzone badania, pokazujące poprawność odczytu. Opisany został zastosowany algorytm, a także samo rozpoznawanie tekstu oparte o sztuczne sieci neuronowe.
The article has been presented prototype system of recognizing a number of plates based on Raspberry Pi 2. The system was designed as the low-budget alternative to dear commercial solutions. This article is describing individual equipment components, the application controlling, the recognition process of the text and conducted examinations, showing the correctness of the reading. An applied algorithm has been described, as well as recognizing the text based on artificial neural networks.
Źródło:: Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika; 2017, z. 36 [296], nr 2, 2; 29-39
0209-2662
2300-6358
Pojawia się w:: Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 14.

Tytuł:: Rozpoznawanie obiektów przez głębokie sieci neuronowe
Object classification with deep neural networks
Autorzy:: Kwasigroch, A.
Grochowski, M.
Powiązania:: https://bibliotekanauki.pl/articles/268601.pdf
Data publikacji:: 2018
Wydawca:: Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:: uczenie głębokie
sieci neuronowe
sztuczna inteligencja
przetwarzanie obrazu
deep learning
neural networks
artificial intelligence
image processing
Opis:: W referacie zaprezentowane zostaną wyniki badań nad rozpoznawaniem obiektów w różnych warunkach za pomocą głębokich sieci neuronowych. Przeanalizowano działanie dwóch struktur – ResNet50 oraz VGG19. Systemy rozpoznawania obrazu wytrenowano oraz przetestowano na reprezentatywnej, bazie zawierającej 25 tys. zdjęć psów oraz kotów, która znacznie upraszcza analizowanie działania systemów ze względu na łatwość interpretacji zdjęć przez człowieka. Zbadano wpływ pojawienia się nietypowych zdjęć na wynik klasyfikacji. Ponadto przeanalizowano zdjęcia niepoprawnie sklasyfikowane i porównano je z interpretacjami człowieka. Uzyskano bardzo wysokie wyniki klasyfikacji. Do oceny systemów użyto miar statystycznych takich jak: dokładność, czułość, swoistość, krzywe ROC.
Deep neural networks are modern algorithms from the family of artificial intelligence, that are widely used these days for task of an image analysis. In this paper, we present results of research on deep neural network for image recognition. We tested 2 different neural architectures, namely: modified VGG19, ResNet50. In order to improve the classification results we employed two methods called dropout and transfer learning. The systems were trained on the dataset containing 22 000 training images and 3000 test images. The dataset used contains different pictures of animals (cats and dogs). The dataset of animals make analyses of network performance easier, because they are easy to interpret by human. The employed systems were tested qualitatively and quantitatively. The influence of atypical inputs were examined, also. Moreover, the analysis of improperly classified images was performed. We achieved high classification results. In order to evaluate the classification performance we utilized the following set of statistical measures: accuracy, specificity, sensitivity and ROC curves.
Źródło:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2018, 60; 63-66
1425-5766
2353-1290
Pojawia się w:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 15.

Tytuł:: Zastosowanie sztucznych sieci neuronowych do prognozy ilości odpadów bytowo-gospodarczych
Neural network application for prediction of amount of municipal waste
Autorzy:: Chmielińska-Bernacka, A.
Sidełko, R.
Powiązania:: https://bibliotekanauki.pl/articles/1818650.pdf
Data publikacji:: 2013
Wydawca:: Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:: sieci neuronowe
odpady komunalne
neural networks
municipal waste
Opis:: In article the results of neural network (NN) application connected with prediction of amount of municipal waste was presented. To neural network training about one hundred cases was used. One case mean household where a individual questionnaire enclosed fourteen questions was filed up. Finally only nine features treated as independent variables was qualified. Neural network verification depended on comparing real and predicted value for two cases removed during NN teaching process.
Źródło:: Rocznik Ochrona Środowiska; 2013, Tom 15, cz. 1; 835-844
1506-218X
Pojawia się w:: Rocznik Ochrona Środowiska
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę ""Sieci"" wg kryterium: Wszystkie pola

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język