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 "optymalizacja sieci" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    The application of neural networks to property optimization of polymer compositions
    Sztuczne sieci neuronowe w doborze składu mieszaniny polimerowej
    Autorzy:
    Fabijański, M.
    Garbarski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/175879.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    neural networks
    flammability test
    optimization of component ratio
    sieci neuronowe
    test palności
    optymalizacja proporcji doboru składników
    Opis:
    Preparation of multicomponent, non-flammable polymer-based mixture is time and labour consuming. Many technical attempts have to be carried out in order to obtain the best possible components ratio. That is why artificial neural networks were applied to extend the experimental field of research and to obtain both acceptable mechanical and flame properties of the material. In this paper the results of learning the neural networks as well as their performance at finding the optimum HIPS-based mixture are presented.
    Przygotowanie wieloskładnikowej, trudnopalnej mieszaniny polimerowej o prognozowanych właściwościach mechanicznych jest pracochłonne. Wymaga wykonania wielu prób technologicznych celem uzyskania prawidłowego składu mieszaniny polimerowej wieloskładnikowej z uwzględnieniem kryterium właściwości mechanicznych i palnościowych. Zastosowano zatem sztuczne sieci neuronowe w procesie doboru składników mieszaniny. Przedstawiono proces uczenia się sztucznych sieci neuronowych. Określono również ich wydajność w ustalaniu optymalnego składu mieszaniny na osnowie polistyrenu wysokoudarowego (HIPS).
    Źródło:
    Advances in Manufacturing Science and Technology; 2016, 40, 4; 67-82
    0137-4478
    Pojawia się w:
    Advances in Manufacturing Science and Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wprowadzenie do predykcji z wykorzystaniem sztucznych sieci neuronowych i metod statystycznych
    An introduction to prediction with the use of artificial neural networks and statistical methods
    Autorzy:
    Nawrocka, Monika
    Drozd, Miłosz
    Maszczyk, Adam
    Gołaś, Artur
    Powiązania:
    https://bibliotekanauki.pl/articles/459999.pdf
    Data publikacji:
    2015
    Wydawca:
    Fundacja Pro Scientia Publica
    Tematy:
    predykcja
    analiza statystyczna
    regresja
    optymalizacja
    szeregi czasowe
    sieci neuronowe
    prediction
    statistical analysis
    regression
    optimization
    time series
    neural networks
    Opis:
    Podejście statystyczne umożliwia prowadzenie prognoz zdarzeń lub procesów. Wyróżnia się modele regresyjne liniowe i nieliniowe, modele szeregów czasowych oraz modele neuronowe. Predykcja określa przewidywanie przyszłych cech statystycznych zdarzeń losowych, które można zmierzyć. Wyznacza prognozy dla maksymalizacji. Korzyści, jakie wynikają z prognozowania, to: porównywanie, grupowanie, analizowanie zmienności, określania trendów oraz wyznaczania prognoz uzyskanych wyników, z wykorzystaniem optymalnego wektora zmiennych niezależnych predyktorów do wyciągania sukcesywnych wniosków.
    The statistical approach allows the introduction of predictions of events or processes. Among these are linear and nonlinear regression models, time series models and neural models. Prediction is defined by the anticipation of future statistical characteristics of random events which can be measured, and designates forecasts for maximizing. The benefits which stem from prediction are comparison, grouping, analysis of variation, determinion of trends and setting forecasts of the results obtained with the use of an optimal vector of independent variables predictors for drawing successive conclusions.
    Źródło:
    Ogrody Nauk i Sztuk; 2015, 5; 203-211
    2084-1426
    Pojawia się w:
    Ogrody Nauk i Sztuk
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimization of pin fin heat sink by application of CFD simulations and DOE methodology with neural network approximation
    Autorzy:
    Kasza, K.
    Malinowski, Ł.
    Królikowski, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/265135.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    wymiana ciepła
    optymalizacja projektu
    radiator
    sieci neuronowe
    modelowanie numeryczne
    polimery
    heat transfer
    design optimization
    heat sink
    neural network approximation
    numerical modeling
    thermally conductive polymer
    Opis:
    A design optimization of a staggered pin fin heat sink made of a thermally conductive polymer is presented. The influence of several design parameters like the pin fin height, the diameter, or the number of pins on thermal efficiency of the natural convection heat sink is studied. A limited number of representative heat sink designs were selected by application of the design of experiments (DOE) methodology and their thermal efficiency was evaluated by application of the antecedently validated and verified numerical model. The obtained results were utilized for the development of a response surface and a typical polynomial model was replaced with a neural network approximation. The particle swarm optimization (PSO) algorithm was applied for the neural network training providing very accurate characterization of the heat sink type under consideration. The quasi-complete search of defined solution domain was then performed and the different heat sink designs were compared by means of thermal performance metrics, i.e., array, space claim and mass based heat transfer coefficients. The computational fluid dynamics (CFD) calculations were repeated for the most effective heat sink designs.
    Źródło:
    International Journal of Applied Mechanics and Engineering; 2013, 18, 2; 365-381
    1734-4492
    2353-9003
    Pojawia się w:
    International Journal of Applied Mechanics and Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metod sztucznej inteligencji w energetyce
    The applications of artificial intelligence techniques in energy systems
    Autorzy:
    Ściążko, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/276892.pdf
    Data publikacji:
    2011
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    energetyka
    sztuczna inteligencja
    sieci neuronowe
    algorytmy genetyczne
    modelowanie
    optymalizacja
    odnawialne źródła energii
    energy science
    artificial intelligence
    neural network
    genetic algorithm
    modeling
    optimization
    renewable energy
    Opis:
    Artykuł prezentuje możliwości wykorzystania metod sztucznej inteligencji w energetyce. Zastosowania te można podzielić na trzy grupy: modelowanie, przewidywanie i planowanie (optymalizacja) oraz kontrola procesów. W artykule pokazano typowe przykłady użycia sztucznej inteligencji, charakterystyczne dla każdej z grup. Przedstawiono także możliwe przyszłe wykorzystania tego typu metodologii, w szczególności w inteligentnych systemach elektroenergetycznych - Smart Grid. Druga część artykułu przedstawia i omawia przykład wykorzystania sztucznej inteligencji w modelowaniu systemu elektroenergetycznego, złożonego z następujących elementów: elektrociepłownia geotermalna, źródło geotermalne, miejska sieć ciepłownicza oraz zakład przemysłowy. Zadanie polegało na przygotowaniu modelu komputerowego rozważanego systemu oraz wielokryte-rialnej optymalizacji problemu. Jakość każdego z rozwiązań była oceniana na podstawie dwóch różnych funkcji dopasowania: obliczonej wartości kosztów inwestycyjnych oraz sprawności egzergetycznej systemu. Pokazano w jaki sposób można wykorzystać genetyczny algorytm optymalizacji wielokryterialnej oraz modelowanie zastępcze z wykorzystaniem sztucznej sieci neuronowej do analizy zadanego problemu. Rezultaty optymalizacji zostały zobrazowane na diagramie Pareto, na ich podstawie pokazano kilka typów możliwych rozwiązań projektowych (niewielkie koszty inwestycyjne i niska sprawność, wysokie koszty inwestycyjne ale wysoka sprawność oraz rozwiązanie pośrednie). Dla modelu zastępczego określono jego dokładność oraz dopasowanie do oczekiwanych rezultatów.
    Paper presents possible applications of artificial intelligence techniques in the energy science problems. Those applications can be divided into three groups: modeling, predictions and planning (optimization) and process control. Article shows typical examples of use artificial intelligence in each group. Moreover there are presented the future possibilities of application, for example in Smart Grid's problems. Second part of the article introduces the case study of using artificial intelligence techniques in real life problem of analysis of complicated energy system. Its main elements are geothermal power plant, district heating system, industrial plant and electrical grid. The task was to model the system and run the multi criteria optimization. The quality of each solution was graded by the different objective functions: investment cost and energy efficiency. The paper presents multi criteria genetic optimization algorithm and neural network surrogate modeling for given problem. The optimization's results can be found in the Pareto diagram - they show different possible solutions (with low investment cost and low efficiency, with high cost and high efficiency or with mediumvalues). The quality of surrogate model is presented on the regression graph for neural network.
    Źródło:
    Pomiary Automatyka Robotyka; 2011, 15, 7-8; 53-59
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    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