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 "Sztuczne Sieci Neuronowe" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-10 z 10
    Tytuł:
    Wybór najatrakcyjniejszych spółek na WGPW przy użyciu sztucznych siecii neuronowych
    Autorzy:
    Kołatka, Marek
    Powiązania:
    https://bibliotekanauki.pl/articles/518329.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Gdański. Wydział Ekonomiczny
    Tematy:
    sztuczna inteligencja
    sztuczne sieci neuronowe
    uczenie sieci neuronowych
    wspomaganie decyzji inwestycyjnych
    Opis:
    W ostatnich latach można zauważyć, że coraz więcej inwestorów przy wyborze instrumentów finansowych, stosuje komputerowe systemy wspomagania decyzji. Bardzo często wykorzystuje się w tym celu sztuczne sieci neuronowe. W pracy przedstawione podstawowe teoretyczne aspekty związane z SSN. Oceniono też ich skuteczność w wyborze najatrakcyjniejszych spółek notowanych na GPW.
    In recent years can be seen that more and more investors use computer decision support system when They are choosing financial instruments. Artificial neural networks (ANN) are often used for this purpose. The paper presents the basic theoretical aspects of the ANN. Evaluated also their effectiveness in selecting the most attractive companies listed on the Warsaw Stock Exchange.
    Źródło:
    Zeszyty Studenckie Wydziału Ekonomicznego „Nasze Studia”; 2011, 5; 147-155
    1731-6707
    Pojawia się w:
    Zeszyty Studenckie Wydziału Ekonomicznego „Nasze Studia”
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparison of an effectiveness of artificial neural networks for various activation functions
    Porównanie efektywności sztucznych sieci neuronowych dla różnych funkcji aktywacji
    Autorzy:
    Florek, Daniel
    Miłosz, Marek
    Powiązania:
    https://bibliotekanauki.pl/articles/24083568.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Lubelska. Instytut Informatyki
    Tematy:
    activation functions
    artificial neural networks
    artificial intelligence
    funkcja aktywacji
    sztuczne sieci neuronowe
    sztuczna inteligencja
    Opis:
    Activation functions play an important role in artificial neural networks (ANNs) because they break the linearity in the data transformations that are performed by models. Thanks to the recent spike in interest around the topic of ANNs, new improvements to activation functions are emerging. The paper presents the results of research on the effectiveness of ANNs for ReLU, Leaky ReLU, ELU, and Swish activation functions. Four different data sets, and three different network architectures were used. Results show that Leaky ReLU, ELU and Swish functions work better in deep and more complex architectures which are to alleviate vanishing gradient and dead neurons problems. Neither of the three aforementioned functions comes ahead in accuracy in all used datasets, although Swish activation speeds up training considerably and ReLU is the fastest during prediction process.
    Funkcje aktywacji, przełamując linową naturę transformacji zachodzących w sztucznych sieciach neuronowych (SSN), pozwalają na uczenie skomplikowanych wzorców występujących w danych wejściowych, np. w obrazach. Wzrost zain-teresowania wokół SSN skłonił naukowców do badań wokół różnolitych aktywacji, które mogą dać przewagę podczas uczenia jak i przewidywania, ostatecznie przyczyniając się do powstania nowych, interesujących rozwiązań. W artykule przedstawiono wyniki badań nad efektywnością SSN dla funkcji ReLU, Leaky ReLU, ELU oraz Swish, przy użyciu czterech zbiorów danych i trzech różnych architektur SSN. Wyniki pokazują, że funkcje Leaky ReLU, ELU i Swish lepiej sprawdzają się w głębokich i bardziej skomplikowanych architekturach, mając za zadanie zapobieganie proble-mom zanikającego gradientu (ang. Vanishing Gradient) i martwych neuronów (ang. Dead neurons). Żadna z trzech wyżej wymienionych funkcji nie ma przewagi w celności (ang. Accuracy), jednakże Swish znacznie przyspiesza ucze-nie SSN, a ReLU jest najszybsza w procesie przewidywania
    Źródło:
    Journal of Computer Sciences Institute; 2023, 26; 7--12
    2544-0764
    Pojawia się w:
    Journal of Computer Sciences Institute
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych w analizie sygnałów elektrokardiograficznych
    Using artificial neural networks for analysis of electrocardiographic signals
    Autorzy:
    Litwińska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/261498.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
    Tematy:
    EKG
    sztuczna inteligencja
    sztuczne sieci neuronowe
    Matlab
    ECG
    artificial intelligence
    artificial neural networks
    MATLAB
    Opis:
    Celem pracy było przebadanie możliwości zastosowania sztucznych sieci neuronowych do analizy i rozpoznawania sygnałów EKG. Artykuł zawiera przegląd zagadnień dotyczących EKG, pozyskiwania i interpretacji sygnałów oraz zastosowania sztucznych sieci neuronowych do diagnostyki. Znaczącym elementem pracy jest próba zaimplementowania w programie Matlab systemu rozróżniającego sygnały różnego typu.
    The main goal of the work is to test the possibility of using artificial neural networks for analysis and recognition of ECG signals. The paper contains a review of issues related to ECG, acquisition and interpretation of signals, application of artificial neural networks in the diagnosis. A significant element is the attempt to implement the system for differentiating various types of signals using Matlab software.
    Źródło:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2014, 20, 2; 80-94
    1234-5563
    Pojawia się w:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ocena efektywności neuronowego prognozowania w oparciu o wybrane metody na przykładzie dystrybucji produktów rolniczych
    Assessment of effectiveness of the neural prediction based on selected methods exemplified by distribution of agricultural products
    Autorzy:
    Koszela, K.
    Boniecki, P.
    Weres, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/287927.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    sztuczna inteligencja
    sztuczne sieci neuronowe
    prognozowanie
    szeregi czasowe
    artificial intelligence
    artificial neural networks
    prediction
    time series
    Opis:
    Prognozowanie staje się bardzo ważnym etapem w każdej działalności. W przypadku dystrybucji produktów rolniczych mamy do czynienia z szeregiem złożonych bodźców, które przekładają się na wynik końcowy. Natomiast jakość tych prognoz ma ogromne znaczenie na kolejne etapy w łańcuchu produkcyjno-dystrybucyjnym. Sieci neuronowe są bardzo wysublimowaną techniką modelowania, zdolną odwzorować bardzo złożone funkcje. Modelowanie z wykorzystaniem sztucznych sieci neuronowych stosuje się wówczas, gdy nie jest znany dokładny opis matematyczny rozpatrywanego zjawiska, natomiast dobrze określone są jego wejścia i wyjścia. Sztuczna sieć neuronowa potrafi nauczyć się rozpoznawać analizowany problem, dając szybko odpowiedź na zmieniające się parametry wejściowe procesu. W pracy przedstawiono porównanie dwóch metod neuronowego modelowania sprzedaży wybranego produktu.
    Prediction becomes a very important stage in many activities. In case of distributing agricultural products we deal with a number of stimuli which consequently transform into the end effect. It is clear that the quality of those predictions has a great influence on subsequent stages in the production and distribution chain. Neural networks are a sophisticated technique of modeling capable of reflecting very complex functions. Modeling using artificial neural networks is used when exact mathematical description of investigated phenomenon is not known but its inputs and outputs are well defined. Artificial neural network can learn to recognize the problem analyzed giving an answer to changing input parameters. In the paper two methods of neural modeling of a chosen agricultural product distribution were presented.
    Źródło:
    Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 69-76
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza i klasyfikacja obrazów suszu warzywnego z wykorzystaniem sztucznych sieci neuronowych
    Analysis and classification of dried vegetables’ images with utilization of artificial neural networks
    Autorzy:
    Koszela, K.
    Weres, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/287257.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    sztuczna inteligencja
    sztuczne sieci neuronowe
    rozpoznawanie obiektów
    przetwarzanie obrazów
    artificial intelligence
    artificial neural networks
    object recognition
    image processing
    Opis:
    W życiu codziennym bardzo często dokonujemy oceny naszego otoczenia i na tej podstawie podejmujemy decyzje o klasyfikacji obserwowanej sytuacji. Czynimy to w oparciu o obserwację otoczenia jak również napływającą z różnych źródeł informację z wykorzystaniem posiadanej wiedzy i zdolności. Proces ten jest dla nas całkowicie naturalny. Jeżeli jednak chcemy podobne zadanie zlecić systemowi komputerowemu to wówczas musimy wykonać wiele kroków, które pozwolą w części odwzorować za pomocą oprogramowania ludzką zdolność do obserwacji, uczenia się i dokonywania podejmowania ostatecznej decyzji w oparciu o posiadaną wiedzę. Wzrastający poziom komplikacji informacji wywołuje rosnące zapotrzebowanie na systemy zdolne do rozpoznawania i dokonywania klasyfikacji prezentowanych im obiektów. Jednym z takich obiektów jest susz warzywny, którego ocena jakości i jego klasyfikacja przysparza szereg problemów. W pracy przedstawiono koncepcję metody analizy obrazów suszu warzywnego i zastosowanie jej do szybkiego oszacowania udziału poszczególnych frakcji w badanej próbie pod względem barwy i kształtu.
    In everyday life we often evaluate our surroundings and on this basis we make decisions about the classification of the observed situation. We do it by watching our surroundings as well as by analysing the information coming to us from various sources by means of the knowledge and the abilities we posses. This process is completely natural for us. However, if we want a computer system to do it, we need to make many steps in order to partly reflect in the software the human ability to observe, learn and make the final decision on the basis of the possessed knowledge. The increasing complexity of information causes a rising demand for systems capable of recognizing and classifying objects presented to them. One of such objects are dried vegetables whose quality evaluation and classification cause many problems. In the thesis the concept of dried vegetables’ image analysis method was presented as well as its application to quick colour and shape evaluation of individual fractions in a tested sample.
    Źródło:
    Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 77-82
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnostics of analog systems using Artificial Neural Networks
    Diagnostyka systemów analogowych z wykorzystaniem sztucznych sieci neuronowych
    Autorzy:
    Bilski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/277729.pdf
    Data publikacji:
    2017
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    artificial intelligence
    artificial neural networks
    fault detection
    analog systems diagnostics
    sztuczna inteligencja
    sztuczne sieci neuronowe
    wykrywanie uszkodzeń
    diagnostyka systemów analogowych
    Opis:
    The paper presents the diagnostic applications of artificial neural networks (ANN). Aims and problems present in the contemporary diagnostics are introduced. The structure of the artificial intelligence-based system is presented and discussed in detail. Various approaches to design the on-line fault detection and location system using artificial intelligence approaches are introduced. The generic architecture of the ANN and its variations are presented. Next, their diagnostic applications, advantages and drawbacks are discussed. Application of RBF ANN-based diagnostic module to detect and identify faults of the 5th order lowpass filter is presented. Finally, usability and limitations of the ANN-based diagnostic system are provided.
    W artykule przedstawiono zastosowania sztucznych sieci neuronowych w diagnostyce systemów analogowych. Opisano główne cele diagnostyki oraz problemy spotykane obecnie podczas detekcji i lokalizacji uszkodzeń. Wprowadzono ogólną strukturę systemu diagnostycznego opartego na metodach sztucznej inteligencji. Przedstawiono różne metody inteligentne, które mogą zostać zastosowane w systemie działającym w trybie on-line. Następnie omówiono ogólną architekturę sztucznej sieci neuronowej oraz jej cechy szczególnie istotne z punktu widzenia detekcji i lokalizacji uszkodzeń. Specyficzne architektury sieci wraz z ich zastosowaniami diagnostycznymi przedstawiono w szczegółach. Na przykładzie filtru dolnoprzepustowego 5. rzędu przedstawiono działanie metody diagnostycznej wykorzystującej sieć neuronową typu RBF. Omówiono możliwości i ograniczenia stosowalności sztucznych sieci neuronowych jako narzędzia diagnostycznego.
    Źródło:
    Pomiary Automatyka Robotyka; 2017, 21, 4; 23-32
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Inteligentny system wspomagający proces identyfikacji perspektywicznych horyzontów w wielohoryzontowych złożach gazu ziemnego uwzględniający kryterium ekonomiczne ich udostępnienia i eksploatacji
    Intelligent system supporting the process of identification of perspective horizons in multi-horizontal gas deposits taking into account economic criteria, their completion and exploitation
    Autorzy:
    Pańko, Adam
    Powiązania:
    https://bibliotekanauki.pl/articles/31344032.pdf
    Data publikacji:
    2022
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    sztuczna inteligencja
    uczenie maszynowe
    sztuczne sieci neuronowe
    zastępczy model złożowy
    analiza ekonomiczna
    artificial intelligence
    machine learning
    artificial neural network
    surrogate reservoir model
    economic analysis
    Opis:
    W artykule zaprezentowano inteligentny system wspomagający proces identyfikacji perspektywicznych horyzontów złożowych w wielohoryzontowych złożach gazu ziemnego, uwzględniający kryterium ekonomiczne ich udostępnienia i eksploatacji. W procesie projektowania systemu zostały wykorzystane dotychczasowe doświadczenia firmy ORLEN Upstream z prac prowadzonych na obszarze zapadliska przedkarpackiego w utworach miocenu, obejmujące etap poszukiwania i eksploatacji wielohoryzontowych złóż gazu ziemnego. System został opracowany na bazie sztucznej inteligencji (SI) z wykorzystaniem między innymi sztucznych sieci neuronowych (SSN) i metod uczenia maszynowego (ML) oraz dodatkowo metod tzw. eksperymentu projektowanego (ang. design of experiment, DOE). Pierwsza część systemu obejmuje procesy związane z selekcją odpowiednich danych wejściowych i ich przygotowaniem do wykorzystania w kolejnych elementach systemu. Kolejnym etapem inteligentnego systemu jest identyfikacja perspektywicznych horyzontów złożowych w nowo wierconych odwiertach na podstawie wyników wykonanych opróbowań typu DST (ang. drill stem test) i testów produkcyjnych w dotychczas odwierconych i eksploatowanych odwiertach przez ORLEN Upstream. Następny element systemu stanowi projekt bazy danych wejściowych do budowy zastępczego modelu złożowego (ZMZ). Do konstrukcji bazy danych wykorzystano metodę Latin hypercube i symulator numeryczny Eclipse. W dalszej części systemu skonstruowany model zastępczy został użyty do probabilistycznego generowania profili wydobycia gazu ze zidentyfikowanych w poprzednim etapie perspektywicznych horyzontów złożowych. Ostatnim elementem zaprojektowanego systemu jest analiza ekonomiczna opłacalności procesu udostępniania i eksploatacji, bazująca między innymi na wyznaczonych profilach wydobycia gazu. Wynikiem analizy jest wyznaczenie podstawowych wskaźników ekonomicznych inwestycji. Na podstawie przeprowadzonej analizy ekonomicznej tworzony jest ranking zidentyfikowanych horyzontów i podejmowana jest decyzja o ewentualnym udostępnieniu i eksploatacji zidentyfikowanego horyzontu lub odstąpieniu od jego opróbowania.
    The article presents an intelligent system supporting the process of identification of perspective horizons in multi-horizontal gas deposits taking into account economic criteria of their completion and exploitation. Artificial Intelligence has been used for more than two decades as a development tool for solutions in several areas of the E&P industry: production control and optimization, forecasting, ans simulation, among many others. The intelligent system was designed based on so far carried out work by the ORLEN Upstream company in the area of the Carpathian Foredeep (Miocene formations), including the phase of exploration and exploitation of multi-horizontal gas deposits. The system was developed based on artificial intelligence (AI) using, among other things, artificial neural networks (ANN), machine learning (ML), and additional methods of design of experiment (DOE). The first part of the designed system includes processes connected with the selection of proper input data and their preparation to be utilized in the next section of the system. The next stage of the intelligent system is the identification of perspective horizons in the new drilling wells based on results from performed DST and production tests in so far drilled and exploited wells by ORLEN Upstream. The subsequent stage is the design of input database for the construction of the Surrogate Reservoir Model (SRM). This input database was prepared using the Latin Hypercube method and the commercial reservoir simulator Eclipse. In the duration of the next stage of the system, the previously prepared Surrogate Reservoir Model was utilized to probabilistically generate production gas profiles from identified horizons. The final part of the intelligent system is the economic profitability analysis of investments, among other things, based on generated production profiles. The results of the economic analysis are economic indicators of investment. The decision concerning the possible completion and exploitation of the identified horizon or renouncement of the execution of the drill stem test is made on the basis of the economic results.
    Źródło:
    Nafta-Gaz; 2022, 78, 11; 827-834
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Mozliwosc wykorzystania sztucznych sieci neuronowych w nauce i praktyce lesnej
    Autorzy:
    Zasada, M
    Powiązania:
    https://bibliotekanauki.pl/articles/821046.pdf
    Data publikacji:
    2001
    Wydawca:
    Polskie Towarzystwo Leśne
    Tematy:
    drzewostany
    wykorzystanie
    sieci neuronowe sztuczne
    przyrost miazszosci
    obliczenia
    lesnictwo
    sztuczna inteligencja
    Źródło:
    Sylwan; 2001, 145, 01; 39-45
    0039-7660
    Pojawia się w:
    Sylwan
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Metody sztucznej inteligencji w projektowaniu i eksploatacji systemów zaopatrzenia w wodę
    Artificial Intelligence Methods in the Design and Operation of Water Supply Systems
    Autorzy:
    Czapczuk, A.
    Dawidowicz, J.
    Piekarski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/1818573.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    systemy zaopatrzenia w wodę
    sztuczna inteligencja
    systemy ekspertowe
    sztuczne sieci neuronowe
    metody heurystyczne
    water supply systems
    artificial intelligence
    expert systems
    artificial neural networks
    heuristic methods
    Opis:
    Numerical methods are widely used for many years in the design and operation of water supply systems. Computer technology is characterized by very dynamic progress in the field of hardware and software. Specialized computer programs offer more and more features, especially in the field of data entry and viewing the results, but still operate on the basis of pre-defined algorithms. Currently we are dealing with a turbulent development of artificial intelligence techniques. Probably will never computational programs that completely will replace the operator of the need to make key decisions, but in recent years the aim is to develop computer programs that will be characterized by at least a small degree of creativity. For this purpose, the traditional calculation programs are supplemented by artificial intelligence methods, including artificial neural networks, expert systems, heuristic methods. The above trend can also be observed in issues related to water supply in the problems of design and operational. The literature proposals for the use of artificial intelligence at the stage of water treatment, disinfection, pumping, hydraulic design and simulation of water distribution systems and other components. Have taken a lot of optimization problems that are very difficult to solve by conventional methods. In this paper, some examples of the use of artificial intelligence methods in problems of water supply, indicating that these are the solutions that pave the way for the implementation in practice of design and operation. A wide range of artificial intelligence methods requires careful analysis that the method can be applied to individual problems. Also require a thorough knowledge of ongoing work in this regard.
    Źródło:
    Rocznik Ochrona Środowiska; 2015, Tom 17, cz. 2; 1527-1544
    1506-218X
    Pojawia się w:
    Rocznik Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Multilayer Perceptron for the Calculation of Pressure Losses in Water Supply Lines
    Zastosowanie perceptronu wielowarstwowego do obliczeń strat ciśnienia w przewodach wodociągowych
    Autorzy:
    Czapczuk, A.
    Dawidowicz, J.
    Piekarski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/1813822.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    water distribution systems
    artificial intelligence
    expert systems
    artificial neuronal networks
    heuristic methods
    calculation of pressure losses
    systemy dystrybucji wody
    sztuczna inteligencja
    systemy ekspertowe
    sztuczne sieci neuronowe
    metody heurystyczne
    obliczenia strat ciśnienia
    Opis:
    Numerical methods have been widely used for many years in the design and operation of water supply systems. Specialised computer programmes offer more and more facilities, especially for data entry and viewing, but they still function on the basis of predetermined algorithms. At present, however, we strive to create computational programmes with a certain degree of creativity, which should make it easier for users to make decisions at various stages of the task and improve the quality of their solutions. The increasing power of computers will not solve complex problems alone. Only by introducing appropriate calculation methods can we obtain the right results. It seems that classical algorithms with a formalised course can be supplemented, nowadays, with far more advanced computational techniques. This paper presents an literature review on the use of artificial neural networks in the design and operation of water distribution systems. Presented in the second part of the paper, is an overview of the artificial neural network, developed for the calculation of pressure losses in water supply lines. The calculation of hydraulic piping with the EPANET programme for various input parameters resulted in a collection of 16,260 training examples. Input parameters of the neural network include pipe length, measurable flow, absolute roughness coefficient and the nominal diameter. Very high compatibility was obtained between the calculation results for those pressure losses obtained from the EPANET programme and those obtained from the multi-layered perceptron with one hidden layer.
    Metody numeryczne stosuje się powszechnie od wielu lat w projektowaniu i eksploatacji systemów zaopatrzenia w wodę. Specjalistyczne programy komputerowe oferują coraz więcej udogodnień, szczególnie w zakresie wprowadzania danych oraz przeglądania wyników, lecz nadal funkcjonują na podstawie z góry określonych algorytmów. Obecnie dąży się jednak do stworzenia programów obliczeniowych, które będzie charakteryzować pewien stopień kreatywności, co powinno ułatwić użytkownikom podejmowanie decyzji na różnych etapach realizacji zadania i poprawić jakość rozwiązań. Zwiększająca się moc obliczeniowa komputerów samoistnie nie rozwiąże złożonych problemów. Dopiero wprowadzanie odpowiednich metod obliczeniowych, pozwala uzyskać właściwe efekty. Wydaje się, że klasyczne algorytmy o sformalizowanym przebiegu, można obecnie uzupełnić znacznie bardziej zaawansowanymi technikami obliczeniowymi. W niniejszej pracy dokonano przeglądu literatury w zakresie zastosowania sztucznych sieci neuronowych w projektowaniu systemów dystrybucji wody. W drugiej części artykułu zamieszczono omówienie sztucznej sieci neuronowej do obliczeń strat ciśnienia w przewodach wodociągowych. W wyniku obliczeń hydraulicznych przewodów wodociągowych za pomocą programu EPANET dla różnych wartości parametrów wejściowych uzyskano zbiór 16260 przykładów uczących. Parametry wejściowe sieci neuronowej to długość przewodu, przepływ miarodajny, współczynnik chropowatości bezwzględnej oraz średnica nominalna. Uzyskano bardzo wysoką zgodność pomiędzy wynikami obliczeń strat ciśnienia z programu EPANET i perceptronu wielowarstwowego z jedną warstwą ukrytą.
    Źródło:
    Rocznik Ochrona Środowiska; 2017, Tom 19; 200-210
    1506-218X
    Pojawia się w:
    Rocznik Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-10 z 10

      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