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 "sieć neuronowa" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 37
Tytuł:
Extraction of fuzzy rules using deterministic annealing integrated with ε-insensitive learning
Autorzy:
Czabański, R.
Powiązania:
https://bibliotekanauki.pl/articles/908395.pdf
Data publikacji:
2006
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
system rozmyty
sieć neuronowa
sieć neuronowa rozmyta
ekstrakcja reguł
fuzzy systems
neural networks
neuro-fuzzy systems
rules extraction
deterministic annealing
Opis:
A new method of parameter estimation for an artificial neural network inference system based on a logical interpretation of fuzzy if-then rules (ANBLIR) is presented. The novelty of the learning algorithm consists in the application of a deterministic annealing method integrated with ε-insensitive learning. In order to decrease the computational burden of the learning procedure, a deterministic annealing method with a “freezing” phase and ε-insensitive learning by solving a system of linear inequalities are applied. This method yields an improved neuro-fuzzy modeling quality in the sense of an increase in the generalization ability and robustness to outliers. To show the advantages of the proposed algorithm, two examples of its application concerning benchmark problems of identification and prediction are considered.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2006, 16, 3; 357-372
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sieci neuronowych do klasyfikacji uszkodzeń maszyn wirujących
Application of neural networks to classification of malfunctions of rotating machinery
Autorzy:
Barszcz, T.
Powiązania:
https://bibliotekanauki.pl/articles/328828.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
wibrodiagnostyka
sieć neuronowa
NARX
klasyfikacja
vibrodiagnostics
neural networks
classification
Opis:
Maszyny wirujące są najczęściej modelowane z dobrą dokładnością metodami liniowymi. Niektóre uszkodzenia tych maszyn mają jednak naturę nieliniową. Typowymi przykładami takich uszkodzeń są luzy posadowienia lub przytarcia wirnika. Zjawiska te powinny być wykrywane przy uwzględnieniu istnienia nieliniowości. Dobrą metodą modelowania takich nieliniowości jest NARX - metoda identyfikacji systemów nieliniowych. Osobnym problemem jest przejście od problemu modelowania zjawisk nieliniowych do wykorzystania takiego modelu do diagnostyki. Niniejszy artykuł prezentuje kilka możliwych podejść, a następnie proponuje metodę klasyfikacji opartą na sieciach NARX. Zaletą metody jest możliwość jej zastosowania do wykrywania nowych uszkodzeń, które nie były znane na etapie trenowania sieci. W końcowej części opisano zastosowanie metody do klasyfikacji nieliniowych uszkodzeń mierzonych na stanowisku badawczym.
Rotating machinery are most often modeled with good accuracy using linear methods. Some malfunctions, however, are of non-linear nature. Typical examples of those malfunctions are loose bearings and rotor rub. These phenomena can be detected taking nonlinearities into account. Good method to detect it is NARX - identification of nonlinear systems. Separate problem is the transition from modeling of nonlinear phenomena to using such models in diagnostics. The following paper presents few approaches and then proposes the method of classification based on NARX networks. The advantage of the method is the possibility to detect new failures, which were not known at the time of training the network. The last part of the paper describes application of the proposed method to the data acquired on the test rig.
Źródło:
Diagnostyka; 2006, 1(37); 107-113
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Evolutionary neural-networks based optimisation for short-term load forecasting
Autorzy:
Grzenda, M.
Macukow, B.
Powiązania:
https://bibliotekanauki.pl/articles/206850.pdf
Data publikacji:
2002
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
optymalizacja
programowanie ewolucyjne
sieć neuronowa
evolutionary programming
neural networks
optimisation
Opis:
The purpose of short-term load forecasting is to optimise the power supply volume in short time horizon. There is no straightforward mapping rule between the type of time period and the resulting power consumption. Still, it is inevitable for the overall efficiency of the power system to rely on a good prediction model. Our paper illustrates a novel approach based on evolutionary programming. Feedforward networks are being evolved by the ECoMLP method in order to properly solve the optimisation problem, defined as minimisation of the prediction error. All the results have been obtained using the data from the Polish Power System. The data used for the training and tests has been chosen so as to reflect both short-time and long-time dependencies between time period category and load of the system. The primary feature of the described method is a novel self-adaptive procedure that is a part of a sophisticated design algorithm serving to select both network architecture and weight connections. Due to the application of this procedure, no time consuming tests are required to train and retrain neural prediction models. Therefore, the method makes it possible to construct and maintain prediction models for load forecasting without expert knowledge about neural networks.
Źródło:
Control and Cybernetics; 2002, 31, 2; 371-382
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sieci neuronowej do diagnozowania wybranych niesprawności silnika okrętowego
The neural networks application in the marine diesel engine diagnostics
Autorzy:
Pawletko, R.
Powiązania:
https://bibliotekanauki.pl/articles/328231.pdf
Data publikacji:
2002
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka
silnik spalinowy
sieć neuronowa
diagnostic
diesel engine
neural networks
Opis:
Tematem publikacji jest próba określenia przydatności sieci neuronowych do diagnozowania wybranych niesprawności silnika okrętowego. Weryfikację doświadczalną zaproponowanego algorytmu diagnostycznego przeprowadzono na symulatorze Turbo Diesel 2.0, zainstalowanym w Katedrze Siłowni Okrętowych Akademii Morskiej w Gdyni.
The paper presents the new possibilities offered by neural networks when applied to the diesel engine diagnostics. The experience data has been collected during the test at the Turbo Diesel 2.0 diagnostic simulator, which has been installed in the Gdynia Maritime Academy. The proposed of the neural networks practical implementation has been include.
Źródło:
Diagnostyka; 2002, 27; 43-47
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Cmac and Its Extensions for Efficient System Modelling
Autorzy:
Szabo, T.
Horvath, G.
Powiązania:
https://bibliotekanauki.pl/articles/908287.pdf
Data publikacji:
1999
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
sieć neuronowa
implementacja sprzętowa
budowle hydrotechniczne
CMAC
neural networks
hardware implementation
Opis:
This paper deals with the family of CMAC neural networks. The most important properties of this family are the extremely fast learning capability and a special architecture that makes effective digital hardware implementation possible. The paper gives an overview of the classical binary CMAC, shows the limitations of its modelling capability, gives a critical survey of its different extensions and suggests two further modifications. The aim of these modifications is to improve the modelling capability while maintaining the possibility of an effective realization. The basic element of the first suggested hardware structure is a new matrix-vector multiplier which is based on a canonical signed digit (CSD) number representation and a distributed arithmetic. In the other version, a hierarchical network structure and a special sequential training method are proposed which can constitute a trade-off between the approximation error and generalization. The proposed versions (among them a dynamic extension of the originally static CMAC) are suitable for embedded applications where the low cost and relatively high speed operation are the most important requirements.
Źródło:
International Journal of Applied Mathematics and Computer Science; 1999, 9, 3; 571-598
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do modelowania procesu emisji amoniaku z pól nawożonych gnojowicą
Artificial neural networks for modelling ammonia emission from field applied slurry manure
Autorzy:
Niżewski, P.
Dach, J.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/288988.pdf
Data publikacji:
2007
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
emisja amoniaku
sieć neuronowa
gnojowica
ammonia emission
neural networks
slurry manure
Opis:
Problem emisji amoniaku z pól nawożonych gnojowicą jest w ostatnich 20 latach przedmiotem wielu badań. Nawożenie gnojowicą jest bowiem jednym z głównych źródeł zanieczyszczenia atmosfery przez amoniak. Warto podkreślić, że w Europie właśnie rolnictwo jest źródłem ponad 80% NH3 emitowanego do atmosfery. W ostatnim czasie różne zespoły badawcze z krajów UE prowadzą doświadczenia mające na celu oszacowanie wielkości emitowanego amoniaku do atmosfery. Działania te skupione są wokół międzynarodowych sieci naukowych, gdzie opracowywane są różne modele pomagające w szacowaniu poziomu emisji amoniaku w poszczególnych krajach.
For the last 20 years the problem of ammonia emission from the fields fertilized with a liquid manure has been a subject of many research. Liquid manure fertilization became one of the main sources of atmospheric ammonia pollution. In Europe the agronomy produces more than 80% of NH3 emitted into the atmosphere. During the last years different scientific teams carried on the research concerning an estimation of ammonia emission size and the factors influencing on this emission. These activities are focused around an international concerted actions where the different models of ammonia emissions are developed for many countries and different conditions.
Źródło:
Inżynieria Rolnicza; 2007, R. 11, nr 2 (90), 2 (90); 235-242
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification, Association and Pattern Completion Using Neural Similarity Based Methods
Autorzy:
Duch, W.
Adamczak, R.
Diercksen, G. H. F.
Powiązania:
https://bibliotekanauki.pl/articles/911147.pdf
Data publikacji:
2000
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
sieć neuronowa
klasyfikacja
rozpoznawanie obrazów
neural networks
classification
association
pattern recognition
Opis:
A framework for Similarity-Based Methods (SBMs) includes many classification models as special cases: neural networks of the Radial Basis Function type, Feature Space Mapping neurofuzzy networks based on separable transfer functions, Learning Vector Quantization, variants of the k nearest neighbor methods and several new models that may be presented in a network form. Multilayer Perceptrons (MLPs) use scalar products to compute a weighted activation of neurons, combining soft hyperplanes to provide decision borders. Distance-based multilayer perceptrons (D-MLPs) evaluate the similarity of inputs to weights offering a natural generalization of standard MLPs. A cluster- based initialization procedure determining the architecture and values of all adaptive parameters is described. Networks implementing SBM methods are useful not only for classification and approximation, but also as associative memories, in problems requiring pattern completion, offering an efficient way to deal with missing values. Non-Euclidean distance functions may also be introduced by normalization of the input vectors in an extended feature space. Both the approaches dramatically influence the shapes of decision borders. An illustrative example showing these changes is provided.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2000, 10, 4; 747-766
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A new approach to image reconstruction from projections using a recurrent neural network
Autorzy:
Cierniak, R.
Powiązania:
https://bibliotekanauki.pl/articles/907945.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
rekonstrukcja obrazu
sieć neuronowa
sieć rekurencyjna
image reconstruction from projections
neural networks
recurrent net
Opis:
A new neural network approach to image reconstruction from projections considering the parallel geometry of the scanner is presented. To solve this key problem in computed tomography, a special recurrent neural network is proposed. The reconstruction process is performed during the minimization of the energy function in this network. The performed computer simulations show that the neural network reconstruction algorithm designed to work in this way outperforms conventional methods in the obtained image quality.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2008, 18, 2; 147-157
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Stochastic Neural Networks for Feasibility Checking
Autorzy:
Strausz, G.
Powiązania:
https://bibliotekanauki.pl/articles/908272.pdf
Data publikacji:
1999
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
optymalizacja
sieć neuronowa
aproksymacja
optimization
neural networks
simulated annealing
mean-field approximation
Opis:
Complex diagnosis problems, defined by high-level models, often lead to constraint-based discrete optimization tasks. A logical description of large, complex systems usually contains numerous variables. The first test of the logical description is typically to check the feasibility in order to know that there is no contradiction in the model. This can be formulated as an optimization problem and methods of discrete optimization theory can then be used. The purpose of the paper is to show that stochastic neural networks can be applied to this type of tasks and the networks are efficient tools for finding feasible or good-quality configurations. Boltzmann and mean-field neural networks were tested on large-sized complex problems.The paper presents simulation results obtained from a real application task and compares the performance of the neural networks being examined.
Źródło:
International Journal of Applied Mathematics and Computer Science; 1999, 9, 4; 921-937
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Intelligent methods of ANN type in symptom diagnostic of motocar vehicles electrical equipment
Inteligentne metody typu SSN w symptonowej diagnostyce wyposażenia elektrycznego pojazdów samochodowych
Autorzy:
Yastrebov, A.
Gad, S.
Słoń, G.
Łaskawski, M.
Powiązania:
https://bibliotekanauki.pl/articles/328946.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
sztuczna inteligencja
sieć neuronowa
diagnostyka
pojazd
artificial intelligence
neural networks
diagnostic
vehicle
Opis:
In this paper the intelligent computer diagnostic system for specified symptom models is presented. Concluding rules are executed with the help of artificial neural networks (ANN) and fuzzy neural networks (type MLP and TSK). Performed system was used for diagnosing of the vehicle's electrical equipment. Results of the computer simulations presented in the paper, carried out for the simulated and real signals, prove efficiency of the system.
W artykule przedstawiono inteligentny komputerowy system diagnostyczny dla szczególnych modeli symptomowych. Reguły wnioskujące są realizowane z pomocą sztucznych sieci neuronowych (SSN) oraz sieci neuronowo-rozmytych (typu MLP oraz TSK). Opracowany system został zastosowany do diagnozowania wyposażenia elektrycznego w pojeździe. Wyniki symulacji komputerowych przedstawione w artykule, uzyskane dla sygnałów symulacyjnych oraz zmierzonych, potwierdzają skuteczność systemu.
Źródło:
Diagnostyka; 2006, 1(37); 69-76
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sieci neuronowe jako narzędzie umożliwiające prognozowanie zapotrzebowania na wodę w uprawach rolnych
Neural network as a tool enabling prediction of water demand in agriculture
Autorzy:
Neugebauer, M.
Nalepa, K.
Sołowiej, P.
Powiązania:
https://bibliotekanauki.pl/articles/288976.pdf
Data publikacji:
2007
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sieć neuronowa
prognozowanie
nawadnianie pól
opady deszczu
neural networks
prediction
field irrigation
rainfall
Opis:
W pracy przedstawiono możliwości wykorzystania modelowania neuronowego w celu wyznaczenia momentu w którym należy rozpocząć nawadnianie upraw. Właściwy moment rozpoczęcia nawadniania umożliwia uniknięcie przesuszenia roślin, a jednocześnie pozwala na bardziej efektywne wykorzystanie systemów nawadniających uprawy (np. deszczowni). Jako dane wejściowe w modelowani neuronowym przyjęto dane charakteryzujące poszczególne uprawy - gatunek, okres wegetacji, rodzaj gleby, położenie względem najbliższych zbiorników wód powierzchniowych oraz prognozy siedmiodniowe dotyczące opadów na danym terenie.
The paper presents the enable of neural network modeling for the purpose to find the start point of water the fields. The right moment of start the water the fields enable avoided dry up the plants, and at the same time allow on the more efficient using of irrigated systems (for example water- butt). As input date in neural network modelling was taken the date which characterize each cultivation - kind, phase of vegetation, kind of soil, location with regard to nearest water reservoir and seven-days rain forecast.
Źródło:
Inżynieria Rolnicza; 2007, R. 11, nr 2 (90), 2 (90); 205-210
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Abstraction Based Connectionist Analogy Processor
Autorzy:
Yasui, A.
Powiązania:
https://bibliotekanauki.pl/articles/911152.pdf
Data publikacji:
2000
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
sieć neuronowa
wiązanie dynamiczne
abstrakcja
analogy
neural networks
network pruning
dynamic binding
abstraction
Opis:
The Abstraction Based Connectionist Analogy Processor (AB-CAP) is a trainable neural network for analogical learning/inference. An internal abstraction model, which extracts the underlying relational isomorphism and expresses predicate-argument bindings at the abstract level, is induced structurally as a result of the backpropagation training coupled with a structure- pruning mechanism. AB-CAP also develops dynamically abstraction and de- abstraction mappings for the role-filler matching. Thus, the propositions including both known and inferred ones can be expressed by, induced as, stored in and retrieved from the internal structural patterns. As such, there is no need for AB-CAP to use rule-based symbolic processing such as hypothesis making and constraint satisfaction or pattern completion checking. In this paper, AB-CAP is evaluated by using some examples. In particular, incremental analogical learning by AB-CAP shows that the internal abstraction model acquired from previous analogical learning acts as a potent attracter to bind a new set of isomorphic data, manifesting the analogical memory access/retrieval characteristics of AB-CAP.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2000, 10, 4; 791-812
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Convergence Analysis for Principal Component Flows
Autorzy:
Yoshizawa, S.
Helmke, U.
Starkov, K.
Powiązania:
https://bibliotekanauki.pl/articles/908317.pdf
Data publikacji:
2001
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
badanie zbieżności
sieć neuronowa
principal component analysis
neural networks
gradient flows
phase portrait
Hessians
Opis:
A common framework for analyzing the global convergence of several flows for principal component analysis is developed. It is shown that flows proposed by Brockett, Oja, Xu and others are all gradient flows and the global convergence of these flows to single equilibrium points is established. The signature of the Hessian at each critical point is determined.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2001, 11, 1; 223-236
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Using neural networks in the process of mixing heterogeneous granular materials
Wykorzystanie sieci neuronowych w procesie mieszania niejednorodnych materiałów ziarnistych
Autorzy:
Kolasa-Więcek, A.
Królczyk, J.
Powiązania:
https://bibliotekanauki.pl/articles/288695.pdf
Data publikacji:
2011
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
materiał ziarnisty
mieszanie
mieszalnik bębnowy
sieć neuronowa
granular materials
mixing
drum mixer
neural networks
Opis:
The article presents an attempt based on experimental data to employ neural network for predicting intermixing ratios for loose materials in a drum mixer. Obtained predicted research results were compared to empirical data using the Pearson's test. Obtained correlation coefficient value is 96%, and proves good data matching.
W artykule na podstawie danych eksperymentalnych dokonano próby zastosowania sieci neuronowej do predykcji stopni zmieszania materiałów sypkich w mieszalniku bębnowym. Uzyskane prognozowane wyniki badań porównano z empirycznymi przy użyciu testu Pearsona. Wartość uzyskanego współczynnika korelacji wynosi 96% i świadczy o dobrym dopasowaniu danych.
Źródło:
Inżynieria Rolnicza; 2011, R. 15, nr 7, 7; 37-43
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prospects of neural networks in business models
Autorzy:
Tereykovskaya, L.
Petrov, O.
Aleksander, M. B.
Powiązania:
https://bibliotekanauki.pl/articles/254320.pdf
Data publikacji:
2015
Wydawca:
Instytut Naukowo-Wydawniczy TTS
Tematy:
electromagnetic radiation
neural networks
business
business model
sieć neuronowa
biznes
model biznesowy
promieniowanie elektromagnetyczne
Opis:
In the article the analysis of existing protective coatings. Presents an algorithm synthesis of protective coating against electromagnetic radiation. The article is devoted to the problem of determining the prospects for the use of neural networks in business models. The possibilities for this most classical types of architecture of neural net-works. A number of conditions which allows you to determine the feasibility of a particular type of neural network. It is shown that the development of business models neural networks should be used only to solve those tasks that belong to a class of pattern recognition, and optimal management of associative memory. It was determined that the greatest practical effect can be expected in the application of neural networks in the classification of sensory information outlines business models.
Źródło:
TTS Technika Transportu Szynowego; 2015, 12; 1539-1545, CD
1232-3829
2543-5728
Pojawia się w:
TTS Technika Transportu Szynowego
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 37

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