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 "artificial neural network (ANN)" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Investigation Of Infrared Drying Behaviour Of Spinach Leaves Using ANN Methodology And Dried Product Quality
    Autorzy:
    Sarimeseli, A.
    Yuceer, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/185285.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    Artificial neural network (ANN)
    infrared
    spinach drying
    ascorbic acid
    rehydration
    colour parameters
    sztuczne sieci neuronowe
    suszenie
    kwas askorbinowy
    rehydracja
    Opis:
    Effects of infrared power output and sample mass on drying behaviour, colour parameters, ascorbic acid degradation, rehydration characteristics and some sensory scores of spinach leaves were investigated. Within both of the range of the infrared power outputs, 300–500 W, and sample amounts, 15–60 g, moisture content of the leaves was reduced from 6.0 to 0.1±(0.01) kg water/ kg dry base value. It was recorded that drying times of the spinach leaves varied between 3.5–10 min for constant sample amount, and 4–16.5 min for constant power output. Experimental drying data obtained were successfully investigated by using artificial neural network methodology. Some changes were recorded in the quality parameters of the dried leaves, and acceptable sensory scores for the dried leaves were observed in all of the experimental conditions.
    Źródło:
    Chemical and Process Engineering; 2015, 36, 4; 425-436
    0208-6425
    2300-1925
    Pojawia się w:
    Chemical and Process Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Safe vibrations of spilling basin explosions at "Gotvand Olya Dam" using artificial neural network
    Określanie bezpiecznego poziomu wibracji w zbiorniku w trakcie prac strzałowych prowadzonych na tamie Gotvand Olya z wykorzystaniem sztucznych sieci neuronowych
    Autorzy:
    Amnieh, H. B.
    Bahadori, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/219884.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    drgania gruntu
    bezpieczeństwo prac strzałowych
    tama Gotvand Olya
    sztuczne sieci neuronowe
    ground vibration
    safe explosion
    Gotvand Olya Dam
    artificial neural network (ANN)
    Opis:
    Ground vibration is an undesirable outcome of an explosion which can have destructive effects on the surrounding environment and structures. Peak Particle Velocity (PPV) is a determining factor in evaluation of the damage caused by an explosion. To predict the ground vibration caused by blasting at the Gotvand Olya Dam (GOD) spilling basin, thirty 3-component records (totally 90) from 19 blasts were obtained using 3 VIBROLOC seismographs. Minimum and the maximum distance from the center of the exploding block to the recording station were set to be 11 and 244 meters, respectively. To evaluate allowable safe vibration and determining the permissible explosive charge weight, Artificial Neural Networks (ANN) was employed with Back Propagation (BP) and 3 hidden layers. The mean square error and the correlation coefficient of the network in this study were found to be 1.95 and 0.995, respectively, which compared to those obtained from the known empirical correlations, indicating substantially more accurate prediction. Considering the network high accuracy and precision in predicting vibrations caused by such blasting operations, the nearest distance from the center of the exploding block at this study was 11 m, and considering the standard allowable vibration of 120 mm/sec for heavy concrete structures, the maximum permissible explosive weight per delay was estimated to be 47.00 Kg. These results could be employed in subsequent safer blasting operation designs.
    Wibracje gruntu to niepożądany skutek prowadzenia prac strzałowych, które mogą negatywnie wpływać na otaczające środowisko oraz znajdujące się w sąsiedztwie budowle. Głównym wskaźnikiem używanym przy określaniu szkód spowodowanych przez wybuchy jest wskaźnik maksymalnej prędkości cząstek (PPV). Przy prognozowaniu wibracji terenu wskutek prac strzałowych prowadzonych na tamie Gotvand Olya i w zbiorniku zbadano zapisy 3-składnikowych prędkości ( w sumie 90 zapisów) z 13 wybuchów zarejestrowane przy użyciu sejsmografu 3 VIBROLOC. Maksymalna i minimalna odległość pomiędzy środkiem rozkruszanego bloku a stacją rejestrującą ustawiona została na poziomie 244 i 11 m. W celu określenia bezpiecznego poziomu drgań oraz dopuszczalnej wagi ładunku, zastosowano podejście wykorzystujące sieci neuronowe, z wykorzystaniem metody propagacji wstecznej i trzech warstw ukrytych. Błąd średniokwadratowy i współczynnik korelacji sieci wyniosły 1.95 i 0.95, co pozostaje w zgodności z danym uzyskiwanymi z obserwacji empirycznych, wskazując na poprawność i dokładność prognoz. Zakładając wysoki poziom dokładności sieci oraz wysoką dokładność w prognozowaniu poziomu drgań wywołanych przez prace strzałowe, przyjęto że najbliższa odległość od środka rozkruszanego bloku wyniesie 11 m. Uwzględniając standardowe dopuszczalne w przypadku ciężkich budowli betonowych poziomy drgań w wysokości 120 m/s, oszacowano że maksymalna dopuszczalna masa ładunku wyniesie 47.00 Kg, w przeliczeniu na jeden okres zwłoki. Wyniki badań wykorzystane być mogą w planowaniu kolejnych bezpiecznych prac strzałowych.
    Źródło:
    Archives of Mining Sciences; 2014, 59, 4; 1087-1096
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A wavelet-SARIMA-ANN hybrid model for precipitation forecasting
    Hybrydowy model wavelet-SARIMA-ANN do prognozowania opadów
    Autorzy:
    Shafaei, M.
    Adamowski, J.
    Fakheri-Fard, M.
    Dinpashoh, Y.
    Adamowski, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/292320.pdf
    Data publikacji:
    2016
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    artificial neural network (ANN)
    precipitation forecasting
    seasonal auto regressive integrated moving average (SARIMA)
    water resources management
    wavelet
    gospodarka zasobami wodnymi
    metoda wavelet
    prognozowanie opadów
    sezonowa zintegrowana autoregresja z ruchomą średnią
    sztuczne sieci neuronowe
    Opis:
    Given its importance in water resources management, particularly in terms of minimizing flood or drought hazards, precipitation forecasting has seen a wide variety of approaches tested. As monthly precipitation time series have nonlinear features and multiple time scales, wavelet, seasonal auto regressive integrated moving average (SARIMA) and hybrid artificial neural network (ANN) methods were tested for their ability to accurately predict monthly precipitation. A 40-year (1970–2009) precipitation time series from Iran’s Nahavand meteorological station (34°12’N lat., 48°22’E long.) was decomposed into one low frequency subseries and several high frequency sub-series by wavelet transform. The low frequency sub-series were predicted with a SARIMA model, while high frequency subseries were predicted with an ANN. Finally, the predicted subseries were reconstructed to predict the precipitation of future single months. Comparing model-generated values with observed data, the wavelet-SARIMA-ANN model was seen to outperform wavelet-ANN and wavelet-SARIMA models in terms of precipitation forecasting accuracy.
    Prognozowanie opadów, ze względu na ich znaczenie w gospodarce zasobami wodnymi, szczególnie w zmniejszaniu ryzyka powodzi czy susz, było już przedmiotem wielu badań. Serie miesięcznych opadów mają właściwości nieliniowe i różne skale czasowe, w związku z czym przetestowano różne metody: wavelet, metodę zintegrowanej sezonowej autoregresji z ruchomą średnią (SARIMA) i hybrydową metodę sztucznych sieci neuronowych (ANN) pod kątem ich zdolności do dokładnego przewidywania miesięcznych opadów. Czterdziestoletnią (1970–2009) serię opadów z irańskiej stacji meteorologicznej w Nahavand (34°12’N, 48°22’E) rozłożono na jedną podserię o niskiej częstotliwości i kilka podserii o wysokiej częstotliwości występowania opadów przez transformację falkową. Podserie o niskiej częstotliwości prognozowano za pomocą modelu SARIMA, podczas gdy podserie o wysokiej częstotliwości prognozowano, stosując ANN. Na koniec prognozowane podserie zrekonstruowano celem przewidywania opadów w poszczególnych miesiącach w przyszłości. Porównanie wartości generowanych przez model z danymi z obserwacji wykazało lepszą dokładność prognozowania opadów za pomocą modelu wavelet-SARIMA-ANN niż za pomocą modeli wavelet-ANN i wavelet-SARIMA.
    Źródło:
    Journal of Water and Land Development; 2016, 28; 27-36
    1429-7426
    2083-4535
    Pojawia się w:
    Journal of Water and Land Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The usage of neural networks to forecast for churn of telecommunications clients
    Wykorzystanie sztucznych sieci neuronowych do prognozowania zjawiska churn wśród klientów usług telekomunikacyjnych
    Autorzy:
    Wojda, Przemysław
    Powiązania:
    https://bibliotekanauki.pl/articles/389805.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Bydgoska im. Jana i Jędrzeja Śniadeckich. Wydawnictwo PB
    Tematy:
    churn
    artificial neural network
    ANN
    CLV
    telecommunications
    sztuczne sieci neuronowe
    telekomunikacja
    Opis:
    This paper presents an attempt to use an artificial neural network to investigate the churn phenomenon among the customers of a telecommunications operator. An attempt was made to create a data model based on the customer lifetime value (CLV) rather than on activity alone. A multilayered artificial neural network was used for the experiments. The results yielded a 99% successful identification rate for customers in no danger of leaving, while only 57% of those identified as in danger of leaving actually did so and stopped using the company's services.
    W pracy przedstawiono próbę wykorzystania sztucznej sieci neuronowej do badania zjawiska churn wśród klientów operatora telekomunikacyjnego. Podjęto próbę stworzenia modelu danych opartego o całkowitą wartość klienta (CLV), a nie tylko jego aktywność. Do przeprowadzenia eksperymentów wykorzystana została wielowarstwowa sztuczna sieć neuronowa. Uzyskano 99% skuteczność identyfikowania klientów nie zagrożonych odejściem, natomiast tylko 57% klientów wskazanych jako zagrożonych odejściem w rzeczywistości zaprzestało korzystania z usług firmy.
    Źródło:
    Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy; 2017, 20; 5-14
    1899-0088
    Pojawia się w:
    Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predictive models for estimation of labyrinth weir aeration efficiency
    Autorzy:
    Aradhana, Aradhana
    Singh, B.
    Sihag, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/1818800.pdf
    Data publikacji:
    2021
    Wydawca:
    Stowarzyszenie Komputerowej Nauki o Materiałach i Inżynierii Powierzchni w Gliwicach
    Tematy:
    labyrinth weir
    oxygen aeration efficiency
    artificial neural network
    ANN
    fuzzy logic
    ANFIS
    efektywność napowietrzania
    napowietrzanie
    sztuczne sieci neuronowe
    logika rozmyta
    Opis:
    Purpose: The purpose of the study is to estimate the aeration efficiency (E20) of Labyrinth weir using artificial intelligent (AI)-based models. Design/methodology/approach: The aeration efficiency (E20) was collected by using the nine models of Labyrinth weir with different shapes and dimensions. A total of 180 observations were used out of which 126 used to train the AI-based models and the remaining used to test the model. This observation consists of input variables such as Fraud number (Fr), Reynolds number (Re), numbers of keys (N), the ratio of head to the width of the channel (H/W), the ratio of crest length to width of the channel (L/W), the ratio of drop height to width of the channel (D/W) and shape factor (SF) and E20 as the output variables. The AI-based models used were Fuzzy Logic, multi-linear regression (MLR), adaptive neuro fuzzy interface system (ANFIS), and artificial neural network (ANN). Findings: The main findings of this investigation are that ANN is the best AI-based model that can estimate the E20 accurately than MLR, ANFIS, and Fuzzy Logic. Sensitivity analysis depicts that drop height at labyrinth weir is the essential factors for the estimation of E20; further, parametric studies have also been performed. Research limitations/implications: The proposed AI-based models can be used in the estimation of E20 with different shapes of labyrinth weir but still it needs improvement for the different dimensions. Practical implications: The best AI-based model can be used to calculate the E20 with the different values of input variables. Originality/value: There are no such AI-based models such as ANN, ANFIS, and Fuzzy Logic, available in the literature which can estimate the values of E20 accurately.
    Źródło:
    Journal of Achievements in Materials and Manufacturing Engineering; 2021, 105, 1; 18--32
    1734-8412
    Pojawia się w:
    Journal of Achievements in Materials and Manufacturing Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Biometrical identification on the ground of the eye movement, executed by means of the artificial neural network
    Autorzy:
    Brzeski, R.
    Ober, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/333701.pdf
    Data publikacji:
    2004
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    sztuczne sieci neuronowe
    identyfikacja biometrii
    stymulacja wzrokowa
    system pomiarowy Ober2
    rozpoznanie
    warstwa
    komórka nerwowa
    ruch gałki ocznej
    artificial neural network
    ANN
    biometrics identification
    visual stimulation
    Ober2
    teaching vectors
    recognition
    layer
    neurone
    eye movement
    Opis:
    In this article was written attempt to use the eye movement to biometrics identification. There are few words about theory of biometrics identification. After that there is described the way of recording of data. It is made by system ‚Ober2’. To process collected data the algorithms of artificial neural network are used. For this need, dedicated application was written. Functionality of the application, in article was described, as well as the examples - results of working of the artificial neural networks, for chosen criterions of researches. The plans for future researches were placed at the end of the article.
    Źródło:
    Journal of Medical Informatics & Technologies; 2004, 7; KB47-54
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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