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 "neural, S." wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 31
Tytuł:
Neural networks as a tool for georadar data processing
Autorzy:
Szymczyk, P.
Tomecka-Suchoń, S.
Szymczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/330009.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
neural network
artificial neural network
ground penetrating radar
geological structure
sinkhole
sieć neuronowa
sztuczna sieć neuronowa
georadar
penetracja gruntu
budowa geologiczna
zapadlisko górnicze
Opis:
In this article a new neural network based method for automatic classification of ground penetrating radar (GPR) traces is proposed. The presented approach is based on a new representation of GPR signals by polynomials approximation. The coefficients of the polynomial (the feature vector) are neural network inputs for automatic classification of a special kind of geologic structure—a sinkhole. The analysis and results show that the classifier can effectively distinguish sinkholes from other geologic structures.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2015, 25, 4; 955-960
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sieci neuronowych w procesach fotogrametrycznych
Application of neural networks to photogrammetric processes
Autorzy:
Mikrut, S.
Mikrut, Z.
Powiązania:
https://bibliotekanauki.pl/articles/129938.pdf
Data publikacji:
2008
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
artificial neural network
image matching
digital photogrammetry
sztuczna sieć neuronowa
spasowanie obrazów
fotogrametria cyfrowa
Opis:
W niniejszym artykule poruszono problem wykorzystania sztucznych sieci neuronowych (SSN) w geoinformatyce obrazowej, ze szczególnym uwzględnieniem procesów fotogrametrycznych. Przedstawiono wyniki przeglądu literatury światowej oraz zaprezentowano rezultaty badań prowadzonych w ramach projektu dotyczącego użycia sieci do spasowania fotogrametrycznych zdjęć lotniczych. W oparciu o literaturę, przeanalizowano wyniki prac wykorzystujących sieci neuronowe do: klasyfikacji obrazów wielospektralnych, wydobywania cech, kalibracji kamer oraz spasowania obrazów. Zaprezentowano również wyniki własnych eksperymentów, bazujących na idei wykorzystania sieci opierającej się na wyborze specjalnej reprezentacji, która następnie jest wykorzystywana do spasowania obrazów fotogrametrycznych dla dwóch wybranych typów terenu. W badaniach wykorzystano sieci impulsujące ICM (Intersecting Cortical Model), będące jedną z wersji sieci PCNN (Pulse Coupled Neural Network), przy pomocy których wygenerowano tzw. podpisy obrazów (signatures), czyli kilkudziesięcioelementowe wektory, opisujące strukturę fragmentu obrazu. Wyniki badań częściowo potwierdzają słuszność przyjętych założeń, mimo występujących problemów związanych ze specyfiką obrazów fotogrametrycznych.
The paper discusses the use of artificial neural networks in geoinformatics, particularly in photogrammetric image analysis. It reviews the relevant international publications (including the ISPRS congress proceedings) and discusses the outcome of research on the use of networks for matching photogrammetric images. The paper shows also results of tests, described in the literature, in which neural networks were applied to perform tasks such as feature extraction, multispectral image classification, camera calibration and matching. The idea of using neural networks is based on the selection of special representations. The essence of the neural networks-based methodology consists of preparing suitable representations of image fragments and of using them toclassify various types of neural networks. One of the methods adopted was based on the distribution and direction of image gradient module value. The research was conducted on forty four sub-images, taken from aerial photographs of two Polish cities: Bytom and Cracow. The areas shown in those images differed in their terrain cover. The images were divided into three categories: full sub-images, sub-images divided into 4 parts, and sub-images divided into 6 small parts. The research involved the Intersecting Cortical Model (ICM), a version of the Pulse Coupled Neural Network (PCNN), with which the so-called image signatures, i.e., a few dozen-element vectors that describe the image structure were generated. The preliminary results partially confirm the correctness of the approach adopted, despite problems resulting from the complex nature of photogrammetric images.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2008, 18b; 409-421
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Pattern layer reduction for a generalized regression neural network by using a self-organizing map
Autorzy:
Kartal, S.
Oral, M.
Ozyildirim, B. M.
Powiązania:
https://bibliotekanauki.pl/articles/329728.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
generalized regression neural network
artificial neural network
self organizing map
nearest neighbour
reduced dataset
sztuczna sieć neuronowa
mapa samoorganizująca
metoda najbliższych sąsiadów
redukcja zbioru danych
Opis:
In a general regression neural network (GRNN), the number of neurons in the pattern layer is proportional to the number of training samples in the dataset. The use of a GRNN in applications that have relatively large datasets becomes troublesome due to the architecture and speed required. The great number of neurons in the pattern layer requires a substantial increase in memory usage and causes a substantial decrease in calculation speed. Therefore, there is a strong need for pattern layer size reduction. In this study, a self-organizing map (SOM) structure is introduced as a pre-processor for the GRNN. First, an SOM is generated for the training dataset. Second, each training record is labelled with the most similar map unit. Lastly, when a new test record is applied to the network, the most similar map units are detected, and the training data that have the same labels as the detected units are fed into the network instead of the entire training dataset. This scheme enables a considerable reduction in the pattern layer size. The proposed hybrid model was evaluated by using fifteen benchmark test functions and eight different UCI datasets. According to the simulation results, the proposed model significantly simplifies the GRNN’s structure without any performance loss.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2018, 28, 2; 411-424
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metoda prognozowania szeregów czasowych przy użyciu sztucznych sieci neuronowych
The method used to predict time series using artificial neural networks
Autorzy:
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/291511.pdf
Data publikacji:
2009
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
prognozowanie
szereg czasowy
sztuczna sieć neuronowa
predicting
time series
artificial neural network
Opis:
Celem pracy było opracowanie metodyki prognozowania szeregów czasowych przy użyciu sztucznych sieci neuronowych. Prognozy wykonano zakładając klasyczny model tendencji rozwojowej. Opracowano ogólny algorytm opracowywania prognostycznego modelu neuronowego. Przedstawiono przykład zastosowania tego algorytmu do opracowania 9 modeli neuronowych dla zmiennych prognostycznych charakteryzujących wybrane maszyny rolnicze: kombajny zbożowe, pługi oraz siewniki rzędowe. Przeprowadzono analizę wrażliwości dla opracowanych modeli prognostycznych.
The purpose of the work was to develop methods for predicting time series using the artificial neural networks. The predictions were made assuming the classical development tendency model. The general algorithm for construction of prognostic neural model has been developed. The paper presents an example for using this algorithm to create 9 neural models for prognostic variables characterising selected farm machines: combine harvesters, ploughs and drill seeders. A sensitivity analysis was made for created prognostic models.
Źródło:
Inżynieria Rolnicza; 2009, R. 13, nr 6, 6; 53-59
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza komputerowa diagnozowania defektów alternatora z wykorzystaniem sztucznej sieci neuronowej
Computer analysis of alternator defects diagnosing using artificial neural network
Autorzy:
Jastriebow, A.
Gad, S.
Słoń, G.
Powiązania:
https://bibliotekanauki.pl/articles/328147.pdf
Data publikacji:
2002
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
sztuczna sieć neuronowa
alternator
diagnostyka
artificial neural networks
diagnostic
Opis:
Opracowano analizę komputerową do prowadzenia symulacyjnych badań statystycznych diagnozowania defektów alternatora za pośrednictwem sztucznych sieci neuronowych w postaci wielowarstwowych perceptronów. Na podstawie zbudowanego programu i generatora danych uczących przeanalizowano możliwość diagnostyki kilku defektów alternatora. Przedstawione wyniki symulacji dają pełną gwarancję efektywnego rozwiązania postawionego problemu.
The computer analysis for conducting of statistical simulating research of alternator defects diagnosing through artificial neural networks in the form of multi layer perceptrons has been worked out. On the basis of built program and teaching data generator, a possibility of some alternator defects diagnosing has been analyzed. Presented simulation results give full guarantee of effective solution of tested problem.
Źródło:
Diagnostyka; 2002, 27; 7-10
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Algorytm uczący sztuczną sieć neuronową zbudowany w języku VBA for Excel
Learning algorithm constructed an artificial neural network in VBA for Excel
Autorzy:
Zajkowski, K.
Duer, S.
Powiązania:
https://bibliotekanauki.pl/articles/253605.pdf
Data publikacji:
2012
Wydawca:
Instytut Naukowo-Wydawniczy TTS
Tematy:
algorytm
sztuczna sieć neuronowa
VBA for Excel
algorithm
artificial neural network
Opis:
W artykule przedstawiono realizację sztucznej sieci neuronowej przedstawionej teoretycznie w poprzednim artykule w tej publikacji. Zadaniem sieci jest wyznaczenie rozwiązania równań zawierających współczynniki niezdefiniowane liczbowo, lecz obszarowo. Położenie obszaru zależy od mierzonych wartości elektrycznych oraz od dokładności pomiarowych. Dla pewnych wartości współczynników układu równań nie istnieją funkcje odwrotne równań wejściowych. W tym przypadku niemożliwe jest wyznaczenie rozwiązania układu równań metodami klasycznymi.
This paper presents the implementation of artificial neural network theory, which is presented in previous publication. The network is determine solutions of equations containing coefficients undefined numerically, but sectorally. The location of this area depends on the measured values, and the accuracy of electrical measurements. For certain values of the coefficients of the equations are not inverse functions of input equations. In this case, it is impossible to determine a solution of the equations of classical methods.
Źródło:
TTS Technika Transportu Szynowego; 2012, 9; 531-539, CD
1232-3829
2543-5728
Pojawia się w:
TTS Technika Transportu Szynowego
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model twardości ziarniaków pszenicy wykorzystujący sztuczne sieci neuronowe
Hardness model for wheat caryopsises using artificial neural networks
Autorzy:
Hebda, T.
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/289422.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna sieć neuronowa
ziarno
twardość
grubość
okrywa owocowo-nasienna
artificial neural network
grain
hardness
thickness
fruit and seed coat
Opis:
W pracy opracowano modele wykorzystujące sztuczne sieci neuronowe do wyznaczania twardości ziarna pszenicy (odmiany Mewa, Korweta, Sakwa, Symfonia, Zyta i Elena) na podstawie wymiarów geometrycznych, masy ziarniaka, grubości jego okrywy owocowo-nasiennej oraz odmiany. Po przebadaniu 150 sieci wybrano jako model sieć typu perceptron trójwarstwowy o siedmiu neuronach w warstwie ukrytej. Jako dane wejściowe istotne okazały się wszystkie przyjęte do badań zmienne.
The work presents models using Artificial Neural Networks for setting out hardness of wheat grain (variation Mewa, Korweta, Sakwa, Symfonia, Zyta and Elena) based on geometric dimensions, caryopsis weight, thickness of its fruit and seed coat and variation. After examining 150 networks as a model perceptron tri-layer type network with seven neurons in hidden layer was selected. As input data all the variables taken for tests turned out to be relevant.
Źródło:
Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 139-146
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza procesu oczyszczania ścieków z wykorzystaniem modelu opartego na technice sztucznych sieci neuronowych
Analysis of wastewater purification by means of neural network technique
Autorzy:
Masiuk, S.
Rakoczy, R.
Kordas, M.
Powiązania:
https://bibliotekanauki.pl/articles/2070676.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczna sieć neuronowa
oczyszczanie ścieków
artificial neural network
sewage purification process
Opis:
Zaprezentowano zastosowanie techniki sztucznych sieci neuronowych w procesie tworzenia matematycznego opisu usuwania zanieczyszczeń w ścieku przemysłowym. Trójwymiarowe powierzchnie odpowiedzi modelu typu RBF mogą być wykorzystane do oceny wpływu parametrów charakteryzujących ściek wejściowy na analizowany parametr wyjściowy (twardość ogólna), charakteryzujący ściek po biologicznym oczyszczaniu.
A main objective of this paper is to present the application of artificial neural network (ANN) technique for the development of a mathematical description of wastewater purification process. It was found that the 3-dimensional response surfaces could be used in the evaluation of raw sewage parameters' influence on the analyzed treatment sewage parameter (total hardness).
Źródło:
Inżynieria i Aparatura Chemiczna; 2009, 5; 73-74
0368-0827
Pojawia się w:
Inżynieria i Aparatura Chemiczna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Próba zastosowania sztucznych sieci neuronowych do oceny nowoczesności maszyn rolniczych
An attempt to application of artificial neural network to evaluating technological advancement of agricultural machines
Autorzy:
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/291206.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna sieć neuronowa
nowoczesność
maszyna rolnicza
ciągnik rolniczy
artificial neural network
technological advancement
agricultural tractor
Opis:
Zastosowano jednokierunkowe, dwuwarstwowe sztuczne sieci neuronowe (SSN) do oceny nowoczesności ciągników rolniczych. Opracowano zespół sieci neuronowych pozwalających na dokonanie oceny poszczególnych zespołów ciągnika oraz oceny ogólnej. Oceniano oddzielnie silnik, skrzynię biegów, hydraulikę, komfort, a następnie na tej podstawie, uwzględniając masę i moc ciągnika, dokonywano oceny ogólnej. Jako przykłady wykorzystywane do opracowania modeli SSN (uczenie i testowanie) użyto testów 31 ciągników czołowych producentów. Nowoczesność ciągników oceniał niezależny zespół ekspertów. Działanie opracowanych SSN zostało pozytywnie zweryfikowane na przykładzie ciągników Ursus.
One-directional, two-layer artificial neural networks were applied to evaluating the technological modernity of agricultural tractors. A set of neural networks was de-veloped which enabled evaluating of particular tractors assemblies in details as well as a general evaluation of the whole machine. The engine, gear box, hydraulic system, ergonomic features were assessed separately, next on such a basis and considering the tractor weight and power, general evaluation was completed. Tests of 31 brand-named tractors were used as the examples to developing the ANN models (teaching and testing). The tractors’ technological progression was evaluated by a team if independent experts. Functioning of developed ANN’s has been positively verified on an example of the Ursus tractors.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 8, 8; 63-70
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Budowa sztucznej sieci neuronowej do identyfikacji parametrów modelu odbiornika elektrycznego
Construction of the artificial neural network to identify the model parameters of the electric receiver
Autorzy:
Zajkowski, K.
Duer, S.
Powiązania:
https://bibliotekanauki.pl/articles/249886.pdf
Data publikacji:
2012
Wydawca:
Instytut Naukowo-Wydawniczy TTS
Tematy:
sztuczna sieć neuronowa
model
parametry
odbiorniki elektryczne
artificial neural network
parameters
electric receiver
Opis:
W artykule przedstawiono sposób wyznaczania parametrów modelu odbiornika elektrycznego w postaci liniowego, aktywnego dwójnika, bazujący na sztucznej sieci neuronowej. Zadaniem sieci jest wyznaczenie rozwiązania N równań o N niewiadomych. Algorytm ten umożliwia wyznaczenie rozwiązania w sytuacji gdy współczynniki Ai w równaniach obarczone są błędami pomiarowymi. Dla pewnych wartości Ai, (gdzie i = 1, ..., N) nie istnieją funkcje odwrotne równań wejściowych. W tym przypadku niemożliwe jest wyznaczenie rozwiązania układu równań metodami klasycznymi.
The paper presents the method of determining the electrical parameters of the model that contains the serial receiver combination of elements R, L, E, based on artificial neural network. The purpose of this network is determine solutions N equations with N unknowns. This algorithm allows to determine a solution where Ai coefficients in these equations contain errors. For some values of Ai (where i = 1, ..., N) there is no inverse function of input equations. In this case, it is impossible to determine a solution of the equations of classical methods.
Źródło:
TTS Technika Transportu Szynowego; 2012, 9; 521-529, CD
1232-3829
2543-5728
Pojawia się w:
TTS Technika Transportu Szynowego
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metoda oceny nowoczesności techniczno-konstrukcyjnej ciągników rolniczych wykorzystująca Sztuczne Sieci Neuronowe. Cz. II: Modele neuronowe do oceny nowoczesności ciągników rolniczych
Method allowing to assess technical and constructional modernity of farm tractors with the use of Artificial Neural Networks. Part II: Neural models for farm tractor modernity assessment
Autorzy:
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/288947.pdf
Data publikacji:
2010
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
ciągnik rolniczy
sztuczna sieć neuronowa
nowoczesność
farm tractor
artificial neural network
modernity
Opis:
Celem pracy było zbudowanie sztucznych sieci neuronowych przeznaczonych do oceny nowoczesności techniczno-konstrukcyjnej różnych modeli ciągników rolniczych. Te modele neuronowe (wielowarstwowe Perceptrony) pozwalają na ocenę grup cech charakteryzujących: silnik, WOM, uciąg, napęd, wielkość ciągnika, trójpunktowy układ zawieszenia, inne cechy, a następnie ocenę całego ciągnika. Sieci te wykazują małe wartości błędów średniokwadratowych (od 1,05 do 2,50 roku dla oceny grup cech, oraz 0,38 i 0,96 roku dla oceny całego ciągnika).
The purpose of the work was to build artificial neural networks designed to assess technical and constructional modernity of various farm tractor models. These neural models (multiplayer Perceptrons) allow to evaluate groups of properties that characterise: a motor, power take-off shaft, draw-bar pull, drive, tractor size, three-point suspension system, other properties, and finally - the whole tractor. These networks show low mean square error values (from 1.05 to 2.50 years when assessing groups of properties, and 0.38 and 0.96 years in case of the whole tractor).
Źródło:
Inżynieria Rolnicza; 2010, R. 14, nr 3, 3; 29-36
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial neural networks in modelling the contact area of grain seeds
Wykorzystanie sztucznych sieci neuronowych w modelowaniu powierzchni kontaktu ziarna zbóż
Autorzy:
Frączek, J.
Francik, S.
Ślipek, Z.
Knapczyk, A.
Powiązania:
https://bibliotekanauki.pl/articles/93661.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
contact area
seed material
artificial neural network
powierzchnia kontaktu
materiał ziarnisty
sztuczna sieć neuronowa
Opis:
The objective of the research was to create a model which defines the relation between a fundamental contact area of a seed and the pressure force, water content in a seed and its geometrical dimensions with application of artificial neural networks (SSN). Computer program Statistica Neural Networks v. 6.0. was used for formation of a neural model. Tests were carried out on Roma wheat seed and Dańkowskie Złote rye with six various water contents: 0.11 0.15 0.19 0.23 0.28 0.33 (kg⋅kg-1 dry mass). Caryopses were loaded with eight values of compression force - from 41 N to 230 N. Multiplicity of iterations was 5. Seed material was moistened to obtain a specific water content. Each seed was loaded with compression force with respectively growing values: 41N, 68N, 95N, 122N, 149N, 176N, 203N and 230N. A four-layer network of Perceptron type with 10 neurons in the first and 8 neurons in the second hidden layer was selected as a model which the best defines the contact area of grain seeds loaded with axial force at various moisture levels. This network has 4 inputs (water content, pressure force, thickness and length of caryopses) and one output (elementary contact area of rye and wheat seeds). Comparison of the neural model with empirical formulas obtained from nonlinear estimation proved a considerable higher precision of the first one.
Celem badań było utworzenie modelu określającego zależności między elementarną powierzchnią kontaktu ziarna, a siłą nacisku, zawartością wody w ziarnie oraz jego wymiarami geometrycznymi, przy wykorzystaniu sztucznych sieci neuronowych (SSN). Do tworzenie modelu neuronowego wykorzystano program komputerowy Statistica Sieci Neuronowe v. 6.0. Badania przeprowadzono na ziarnie pszenicy Roma oraz żyta Dańkowskie Złote, przy sześciu różnych zawartościach wody: 0,11 0,15 0,19 0,23 0,28 0,33 (kg⋅kg-1 s.m.). Ziarniaki obciążano ośmioma wartościami siły ściskającej – od 41N do 230N. Krotność powtórzeń wynosiła 5. Materiał ziarnisty nawilżano aby uzyskać określoną zawartość wody. Każde ziarno obciążano siłą ściskającą o kolejno rosnących wartościach: 41N, 68N, 95N, 122N, 149N, 176N, 203N i 230N. Jako model najlepiej określający powierzchnię styku ziarna zbóż obciążanego siłą osiową, przy różnej wilgotności wybrano czterowarstwową sieć typu Perceptron o 10 neuronach w pierwszej i 8 neuronach w drugiej warstwie ukrytej. Sieć ta posiada 4 wejścia (zawartość wody, siła nacisku, grubość i długość ziarniaka), i jedno wyjście (elementarna powierzchnia kontaktu ziarna żyta i pszenicy). Porównanie modelu neuronowego z formułami empirycznymi uzyskanymi z estymacji nieliniowej wykazało zdecydowanie większą dokładność pierwszego z nich.
Źródło:
Agricultural Engineering; 2016, 20, 4; 27-37
2083-1587
Pojawia się w:
Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metoda oceny nowoczesności techniczno-konstrukcyjnej ciągników rolniczych wykorzystująca sztuczne sieci neuronowe. Cz. I: Założenia metody
An artificial neural networks-based method for assessing technical and constructional modernity of farm tractors. Part I: Method guidelines
Autorzy:
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/287916.pdf
Data publikacji:
2009
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
nowoczesność
ciągnik rolniczy
sztuczna sieć neuronowa
modernity
farm tractor
artificial neural network
Opis:
Celem pracy było opracowanie koncepcji autorskiej metody oceny nowoczesności techniczno-konstrukcyjnej ciągników rolniczych. Przedstawiono założenia przyjęte do sformułowania modelu oceny nowoczesności. Zgodnie z założeniami metoda będzie wykorzystywała do oceny sztuczne sieci neuronowe, oraz będzie uwzględniała zmienność w czasie wzorca nowoczesnego ciągnika.
The purpose of the work was to develop an author's method for assessing technical and constructional modernity of farm tractors. The paper presents theoretical model used to assess modernity. According to the guidelines, the method uses in the assessment artificial neural networks, and takes into account variability in time for a modern tractor model.
Źródło:
Inżynieria Rolnicza; 2009, R. 13, nr 9, 9; 41-47
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predicting index to complete schedule performance indicator in highway projects using artificial neural network model
Autorzy:
Jasim, Nidal A.
Maruf, Shelan M.
Aljumaily, Hadi S. M.
Al-Zwainy, Faiq M. S.
Powiązania:
https://bibliotekanauki.pl/articles/230165.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
projekt autostrady
sztuczna sieć neuronowa
wskaźnik wykonania
harmonogram
GMDH
oprogramowanie powłoki
budżet na zakończenie
wartość wypracowana
wartość planowania
highway project
artificial neural network
complete performance indicator
schedule
shell software
budget to completion
earned value
planning value
Opis:
Inaccurate estimation in highway projects represents a major problem facing planners and estimators, especially when data and information about the projects are not available, and therefore the need to use modern technologies that addresses the problem of inaccuracy of estimation arises. The current methods and techniques used to estimate earned value indexes in Iraq are weak and inefficient. In addition, there is a need to adopt new and advanced technologies to estimate earned value indexes that are fast, accurate and flexible to use. The main objective of this research is to use an advanced method known as artificial neural networks to estimate the TSPI of highway buildings. The application of artificial neural networks as a new digital technology in the construction industrial in Republic of Iraq is absolutely necessary to ensure successful project management. One model built to predict the TCSPI of highway projects. In this current study, artificial neural network model were used to model the process of estimating earned value indexes, and several cases related to the construction of artificial neural networks have been studied, including network architecture and internal factors and the extent of their impact on the performance of artificial neural network models. Easy equation was developed to calculate that TSPI. It was found that these networks have the ability to predict the TSPI of highway projects with a very outstanding saucepan of reliability (97.00%), and the accounting coefficients (R) (95.43%).
Źródło:
Archives of Civil Engineering; 2020, 66, 3; 541-554
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metoda oceny nowoczesności techniczno-konstrukcyjnej ciągników rolniczych wykorzystująca Sztuczne Sieci Neuronowe. Cz. III: Przykłady zastosowania metody
Method allowing to assess technical and constructional modernity of farm tractors with the use of Artificial Neural Networks. Part III: Method application examples
Autorzy:
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/288949.pdf
Data publikacji:
2010
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
ciągnik rolniczy
sztuczna sieć neuronowa
farm tractor
artificial neural network
Opis:
W pracy przedstawiono wykorzystanie zbudowanych modeli neuronowych do oceny nowoczesności techniczno-konstrukcyjnej (NTK) przykładowych modeli ciągników rolniczych. Ocenie poddano 35 modeli ciągników Case, John Deere, Massey Ferguson i New Holland wprowadzonych do produkcji w latach 1999 do 2007. Ocenione zostały grupy cech charakteryzujące ciągnik rolniczy, a następnie przeprowadzona została ocena końcowa całego ciągnika. Błąd średniokwadratowy oceny końcowej wyniósł zaledwie 0,83 roku, a ocen poszczególnych grup zmieniał się w zakresie od 1,12 roku do 2,38 roku.
The work presents application of developed neural models in order to assess technical and constructional modernity (TCM) of sample farm tractor models. The assessment was carried out for 35 models of Case, John Deere, Massey Ferguson and New Holland tractors launched into production between 1999 and 2007. Groups of properties characteristic for farm tractor were assessed, followed by final evaluation of the whole tractor. Mean square error for final evaluation was only 0.83 years, and in case of assessments for individual groups it ranged from 1.12 to 2.38 years.
Źródło:
Inżynieria Rolnicza; 2010, R. 14, nr 3, 3; 37-44
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 31

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