Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "artificial" wg kryterium: Temat


Tytuł:
Evaluating the performance of Extreme Learning Machine technique for ore grade estimation
Autorzy:
Abuntori, Clara Akalanya
Al-Hassan, Sulemana
Mireku-Gyimah, Daniel
Ziggah, Yao Yevenyo
Powiązania:
https://bibliotekanauki.pl/articles/1839059.pdf
Data publikacji:
2021
Wydawca:
Główny Instytut Górnictwa
Tematy:
extreme learning machine
artificial intelligence
artificial neural network
grade estimation
kriging
ELM
sztuczna inteligencja
sztuczna sieć neuronowa
Opis:
Due to the complex geology of vein deposits and their erratic grade distributions, there is the tendency of overestimating or underestimating the ore grade. These estimated grade results determine the profitability of mining the ore deposit or otherwise. In this study, five Extreme Learning Machine (ELM) variants based on hard limit, sigmoid, triangular basis, sine and radial basis activation functions were applied to predict ore grade. The motive is that the activation function has been identified to play a key role in achieving optimum ELM performance. Therefore, assessing the extent of influence the activation functions will have on the final outputs from the ELM has some scientific value worth investigating. This study therefore applied ELMas ore grade estimator which is yet to be explored in the literature. The obtained results from the five ELM variants were analysed and compared with the state-of-the-art benchmark methods of Backpropagation Neural Network (BPNN) and Ordinary Kriging (OK). The statistical test results revealed that the ELM with sigmoid activation function (ELM-Sigmoid) was the best among all the other investigated methods (ELM-Hard limit, ELM-Triangular basis, ELM-Sine, ELM-Radial Basis, BPNN and OK). This is because the ELM-sigmoid produced the lowest MAE (0.0175), MSE (0.0005) and RMSE (0.0229) with highest R2 (91.93%) and R (95.88%) respectively. It was concluded that ELM-Sigmoid can be used by field practitioners as a reliable alternative ore grade estimation technique.
Źródło:
Journal of Sustainable Mining; 2021, 20, 2; 56-71
2300-1364
2300-3960
Pojawia się w:
Journal of Sustainable Mining
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Interaktywny system edukacyjny wprowadzający w zagadnienie sztucznych sieci neuronowych
Interactive educational system introducing into issue of artificial neural networks
Autorzy:
Olszewski, T.
Boniecki, P.
Weres, J.
Powiązania:
https://bibliotekanauki.pl/articles/287816.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna sieć neuronowa
edukacyjny system informatyczny
modelowanie neuronowe
sztuczna inteligencja
artificial neural network
educational computer system
artificial intelligence
Opis:
Dziedzina sztucznych sieci neuronowych ma swoje źródło w badaniach dotyczących sztucznej inteligencji. Stanowią one próbę naśladowania najważniejszych cech charakteryzujących biologiczne systemy nerwowe. Nazwą „sztuczne sieci neuronowe” (SSN) określa się dziś najczęściej symulatory programowe, umożliwiające modelowanie sieci na komputerach klasy PC. Sztuczne sieci neuronowe pozwalają na modelowanie systemów empirycznych o nieokreślonych zależnościach, trudnych do opisania tradycyjnymi, deterministycznymi metodami. Mają również zdolność generalizacji i uogólniania. Dzięki swym cechom SSN znajdują zastosowanie w rozwiązywaniu różnych problemów w wielu, niepowiązanych z sobą dziedzinach, jak: finanse, medycyna czy inżynieria rolnicza. Celowe jest więc wykonanie informatycznego systemu edukacyjnego, który pozwoli w łatwy i przystępny sposób zapoznać użytkownika z tematyką modelowania neuronowego.
The domain of artificial neural networks has its own source in the research of artificial intelligence. Artificial neural networks (ANN) are trying to imitate the most important features which represent the biological nervous systems. Nowadays in most cases the name of “artificial neural networks” define as programming simulators which allows the modeling of networks on PC computers. ANN permits to modeling empirical systems which have indefinable relationships and are hard to present in a traditional deterministic methods. They have as well the ability to generalize. Owing to its features, ANN applies in resolving variety of problems in many totally different areas, like: finances, medicine or agricultural engineering. It is purposeful to prepare educational informatics system which allows a user to get closer to subjects of neural modeling in easy and accessible way.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 8, 8; 293-298
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wpływ opisu danych na efektywność uczenia oraz pracy sztucznej sieci neuronowej na przykładzie identyfikacji białek
Influence of data description on efficiency of learning and job artificial neural network on example of identification of proteins
Autorzy:
BARTMAN, Jacek
Powiązania:
https://bibliotekanauki.pl/articles/457310.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Rzeszowski
Tematy:
sztuczna sieć neuronowa
uczenie
artificial neural network
learning
Opis:
Uczenie jednokierunkowych wielowarstwowych sztucznych sieci neuronowych jest zagadnieniem szeroko omawianym w literaturze. Autorzy większości opracowań skupiają się na metodach uczenia, zdecydowanie mniej prac poświęconych jest wpływowi preprocesingu danych na uczenie i efektywność pracy sieci. Skoro uczenie sztucznych sieci neuronowych jest szukaniem funkcji odwzorowującej zbiór danych wejściowych w zbiór oczekiwanych odpowiedzi, to czego możemy oczekiwać, jeżeli zmienimy opis danych uczących? Zmienia się funkcja odwzorowująca, a więc szukamy innej funkcji, zatem jest możliwe, iż sposób kodowania danych wpływa na efektywność uczenia i pracy sieci. Niniejsza praca dotyka przedstawione zagadnienie badając wpływ sposobu zakodowania opisu białek na efektywność uczenia oraz pracy sieci neuronowej identyfikującej rodzaj białka
Learning feedforward multilayer neural networks is an issue widely discussed in the literature. The authors of the most works focus on methods of learning, much less work is devoted to the influence of data preprocessing on learning and the efficiency of the network. If learning of artificial neural networks is finding the mapping function set of input data into a set of expected responses, what you can expect if you change the description of the data learners? Changes of mapping functions, and so we are looking for another function, so it is possible that the encoding of data affects the efficiency of learning and job of the network. This paper touches the issue presented by examining the impact of coding method information about the proteins on the effectiveness of learning and the work of the neural network identifies the type of protein.
Źródło:
Edukacja-Technika-Informatyka; 2013, 4, 2; 358-365
2080-9069
Pojawia się w:
Edukacja-Technika-Informatyka
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:
Zastosowanie sztucznych sieci neuronowych do oceny stopnia dojrzałości jabłek
Using artificial neural networks to assess apples ripeness degree
Autorzy:
Górski, M.
Kaleta, J.
Langman, J.
Powiązania:
https://bibliotekanauki.pl/articles/287326.pdf
Data publikacji:
2008
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
jabłko
dojrzałość
sztuczna sieć neuronowa
ripeness
apple
artificial neural network
Opis:
Ocena stopnia dojrzałości jabłek polega na porównaniu kilku mierzalnych parametrów ze stabelaryzowanymi wartościami granicznymi i podjęciu decyzji czy oceniany owoc znajduje się w danym stadium dojrzałości. W pracy podjęto próbę zastosowania sztucznej sieci neuronowej jako klasyfikatora wykorzystywanego do oceny stopnia dojrzałości jabłek.
Assessment of apple ripeness degree involves comparing of several measurable parameters to their tabularised boundary values and deciding, whether a given fruit is currently at a certain ripeness stage. The scope of work included an attempt to use an artificial neural network as a classifier employed to assess ripeness degree of apples.
Źródło:
Inżynieria Rolnicza; 2008, R. 12, nr 7(105), 7(105); 53-56
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rozpoznawanie obrazów z użyciem sztucznych sieci neuronowych
Image recognition with artificial neuron networks
Autorzy:
Langman, J.
Powiązania:
https://bibliotekanauki.pl/articles/290854.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna sieć neuronowa
rozpoznawanie obrazów
artificial neuron network
image recognition
Opis:
W pracy przedstawiono propozycję architektury sztucznej sieci neuronowej, która może być zastosowana do rozpoznawania obrazów. Cechuje się one modularną budową, co powoduje iż rozbudowa już nauczonej sieci polega na dołączeniu nauczonego dodatkowego modułu bez konieczności ingerencji w istniejącą cześć sieci.
The study presents architecture proposal for artificial neuron network, which may be employed for image recognition. Modular structure is characteristic for it, as a result of which development of already taught network involves adding taught extra module without the need to interfere with existing part of the network.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 10, 10; 263-268
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial neural network in the process of selection of organic coatings
Zastosowanie sztucznej sieci neuronowej w procesie doboru powłok organicznych
Autorzy:
Popko, Artur
Gauda, Konrad
Powiązania:
https://bibliotekanauki.pl/articles/408070.pdf
Data publikacji:
2019
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
artificial neural network
organic coating
sztuczna sieć neuronowa
powłoka organiczna
Opis:
The structure of the artificial neural network (ANN) to support the selection of organic coatings was developed and verified, and its learning process was carried out. A simulation of the operation of the network was also carried out, which showed that programming of the coating system selection process can be much faster and more accurate, which is important for a system used in industrial conditions.
Opracowano i zweryfikowano strukturę sztucznej sieci neuronowej (SSN) służącej do wspomagania procesu doboru powłok organicznych oraz przeprowadzono jej proces uczenia. Dokonano również symulacji działania przedmiotowej sieci, która wykazała, że programowanie procesu doboru systemu powłokowego może być o wiele szybsze i dokładniejsze, co ma istotne znaczenie dla systemu użytkowanego w warunkach przemysłowych.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2019, 9, 4; 18-21
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predykcja zmian temperatury dla złoża kompostu w zależności od stopnia napowietrzenia przy pomocy sztucznych sieci neuronowych
Prediction of temperature changes for compost bed depending on aeration degree, carried out using artificial neural networks
Autorzy:
Neugebauer, M.
Piechocki, J.
Sołowiej, P.
Powiązania:
https://bibliotekanauki.pl/articles/288900.pdf
Data publikacji:
2010
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
kompostowanie
sztuczna sieć neuronowa
napowietrzanie
composting
artificial neural network
aeration
Opis:
Efektywność procesu kompostowania zależy od wielu czynników. Jednym z nich jest intensywność napowietrzania złoża kompostu. Również zmiana temperatury procesu w czasie jest ważnym czynnikiem warunkującym jakość uzyskanego kompostu oraz wpływa również na czas trwania procesu kompostowania. W ramach przeprowadzonych badań kompostowano materiał biologiczny pochodzenia rolniczego dla różnych wartości intensywności napowietrzania. W ramach badań mierzono również zmiany temperatury w złożu kompostu w czasie kompostowania. Uzyskane dane zostały następnie wykorzystane do uczenia sztucznych sieci neuronowych (SSN). Wybrane SSN (o najniższych wartościach błędów) zostały następnie wykorzystane do przewidywania zmian temperatury w złożu kompostu i czasu trwania procesu kompostowania dla innych wartości napowietrzania złoża.
Composting process intensity depends on many determinants. One of them is compost bed aeration intensity. Also, process temperature change in time is an important factor determining quality of obtained compost. Moreover, it affects composting process duration. The scope of carried out research involved composting biological material of agricultural origin for different aeration intensity values. Moreover, completed tests covered measuring temperature changes in compost bed during composting. Then, obtained data was used to teach artificial neural networks (ANN). The selected ANN (with lowest error values) were then used to predict temperature changes in compost bed and composting process duration for other bed aeration values.
Źródło:
Inżynieria Rolnicza; 2010, R. 14, nr 3, 3; 151-157
1429-7264
Pojawia się w:
Inżynieria Rolnicza
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
Tytuł:
Analiza możliwości prognozowania przemieszczeń gleby podczas orki za pomocą klasycznych metod statystycznych oraz sztucznych sieci neuronowych
The analysis of possibilities of predictions of soil dislocations during ploughing using standard statistical methods as well as artificial neural networks
Autorzy:
Niedbała, G.
Klejna, K.
Powiązania:
https://bibliotekanauki.pl/articles/288992.pdf
Data publikacji:
2007
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
erozja uprawowa
sztuczna sieć neuronowa
tillage erosion
artificial neural networks
Opis:
Erozja uprawowa, obok erozji wietrznej i wodnej, może prowadzić do degradacji gleby w szczególności na skłonach pól. Nowoczesne odkładnice stosowane obecnie w trakcie orki charakteryzują się dużymi prędkościami roboczymi, co w konsekwencji może doprowadzić do szybkiego przebiegu tego procesu. Określenie najistotniejszych warunków uprawy i parametrów pracy agregatu umożliwi dokonanie prognozy wielkości poziomego przemieszczenia gleby. W tym celu można zastosować metody statystyczne oraz metody modelowania neuronowego. Obydwie metody dały zadawalający wynik prognozy oraz wykazały największy wpływ prędkości orki na poziome przemieszczenie gleby. Wyniki uzyskane za pomocą modeli neuronowych charakteryzują się większą dokładnością prognozy oraz wyższym współczynnikiem korelacji i determinacji.
Tillage erosion as well as wind and water erosion can lead to the degradation of the soil especially on the inclinations of the fields. Modern mouldboards used nowadays during ploughing are marked by high working speeds which can also accelerate the process of the soil degradation. Determining the most relevant conditions for crops as well as the parameters of the plough work with enable us to predict the size of the horizontal soil dislocations. In order to this, we can either use statistical or neural modelling methods. Both methods gave satisfying predictions results and also showed the huge influence of the ploughing speed on the horizontal soil dislocation. The results obtained from the neural modelling, are marked by higher precision and have a higher correlation and determination coefficient.
Źródło:
Inżynieria Rolnicza; 2007, R. 11, nr 2 (90), 2 (90); 217-224
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of industrial pollution by radial basis function networks
Autorzy:
Djebbri, N.
Rouainia, M.
Powiązania:
https://bibliotekanauki.pl/articles/207579.pdf
Data publikacji:
2018
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
forecasting
RBF
artificial neural network
pollution
prognozowanie
sztuczna sieć neuronowa
zanieczyszczenie
Opis:
Atmospheric pollution has been receiving a significant interest for several decades since industries cause more and more pollution. Thanks to the development of many prediction techniques, scientists and industries are focusing more on pollution prediction. The aim of this work is to predict the two pollutant concentrations (NOx and CO) in industrial sites by a modified radial basis function (RBF) based neural network. The modification considered the spread parameter h of the activation function in the RBF network. In order to get the best network, the variations of this parameter for three cases were considered. In the first case, only pollutants concentrations variables were used, while in the second one, only the meteorological variables were utilized. In the third case, pollutants' concentrations were connected with meteorological variables. Based on calculation errors, the best model that ensures the best monitoring of pollutants concentration could be identified.
Źródło:
Environment Protection Engineering; 2018, 44, 3; 153-164
0324-8828
Pojawia się w:
Environment Protection Engineering
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:
Zastosowanie sztucznych sieci neuronowych do opisu przenikalności elektrycznej mąki
Using artificial neural networks to describe flour permittivity
Autorzy:
Łuczycka, D.
Pentoś, K.
Powiązania:
https://bibliotekanauki.pl/articles/290131.pdf
Data publikacji:
2010
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
mąka
przenikalność elektryczna
sztuczna sieć neuronowa
flour
permittivity
artificial neural network
Opis:
Przenikalność elektryczna mąki zależy w znaczącym stopniu zarówno od jej składu chemicznego jak i granulacji. W pracy przedstawiono etapy tworzenia opartego o sztuczne sieci neuronowe modelu opisującego przenikalność elektryczną mąki w zależności od wyznaczanych dla niej zmiennych niezależnych. Przebadanie wielu różnych architektur sieci, jak również powtarzanie wielokrotne procesu uczenia zwiększa prawdopodobieństwo wyboru najlepszej sieci dla opisu analizowanych zależności.
To a large extent, flour permittivity depends both on flour chemical constitution and granulation. The paper presents individual stages for developing an artificial neural network-based model describing flour permittivity related to independent variables determined for it. Examination of many different network architectures and multiple repetitions of teaching process increase probability for selecting best network to describe the analysed relationships.
Źródło:
Inżynieria Rolnicza; 2010, R. 14, nr 2, 2; 43-47
1429-7264
Pojawia się w:
Inżynieria Rolnicza
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:
Metody prognozowania wybranych zagadnień inżynerii rolniczej z wykorzystaniem sztucznych sieci neuronowych
The methods of predicting the issues of agricultural engineering with the use of artificial neural networks
Autorzy:
Dejewska, T.
Boniecki, P.
Jakubek, A.
Powiązania:
https://bibliotekanauki.pl/articles/335271.pdf
Data publikacji:
2009
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
inżynieria rolnicza
sztuczna sieć neuronowa
prognoza
artificial neural network
agricultural engineering
predicting
Opis:
Celem pracy było omówienie neuronowych metod prognozowania oraz porównanie ich efektywności w wybranych zagadnieniach inżynierii rolniczej przy użyciu sztucznych sieci neuronowych. Wskazano przy tym topologie sieci, które w rozwiązaniu problemów predykcyjnych charakteryzowały się najlepszą skutecznością.
The aim of the following thesis was the description of chosen methods of the prediction and the comparison of their efficiency in the field of agricultural engineering with the use of artificial neural networks. There were also pointed the typolgies of networks which turned out to be the most effective in the process of solving the prediction problems.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2009, 54, 2; 28-31
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł

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