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 "sieć neuronowa RBF" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Sieci neuronowe typu MLP oraz RBF jako narzędzia klasyfikacyjne w analizie obrazu
    The neural network type the MLP and RBF as classifying tools in picture analysis
    Autorzy:
    Boniecki, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/337163.pdf
    Data publikacji:
    2006
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    sieć neuronowa
    sieć neuronowa MLP
    sieć neuronowa RBF
    analiza obrazu
    identyfikacja neuronowa
    model neuronowy
    neural network
    MLP neural network
    RBF neural network
    picture analysis
    neuronal identification
    neuronal model
    Opis:
    Neuronowa identyfikacja danych obrazowych, ze szczególnym naciskiem na analizę ilościową oraz jakościową, coraz częściej wykorzystywana jest do pozyskiwania oraz zgłębiania wiedzy zawartej w danych empirycznych. Ekstrakcja, a następnie klasyfikacja wybranych cech obrazu, pozawala na wytworzenie informatycznych narzędzi do identyfikacji wybranych obiektów, prezentowanych np. w postaci obrazu cyfrowego. W związku z tym, celowym wydaje się być poszukiwanie nowoczesnych metod wspomagających proces edukacyjny w zakresie konstrukcji oraz eksploatacji modeli neuronowych w kontekście ich wykorzystania w procesie analizy obrazu. Dodatkowym celem pracy było porównanie jakości sieci MLP oraz RBF mające na względzie wskazanie optymalnego instrumentu klasyfikacyjnego.
    The neuronal identification of pictorial data, with special emphasis on both quantitative & qualitative analysis, is more frequently utilized to gain & deepen the empirical data knowledge. Extraction & then classification of selected picture features, enables one to create computer tools in order to identify these objects presented as, for example, digital pictures. In relationship from this, it seems to be purposeful the search of the modern methods helping educational process in the range of construction as well as exploitation of neuronal models in context of their utilization in picture analysis process. The additional aim of the work was the comparison of neural network of the type MLP and RBF for indication of the optimum classification tool.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2006, 51, 4; 34-39
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie uszkodzeń przekładni mostu napędowego z wykorzystaniem wstępnego przetwarzania sygnału drgań w połączeniu z sieciami neuronowymi typu RBF
    Rear axle gear damage prediction using vibration signal preprocessing coupled with RBF neural networks
    Autorzy:
    Shao, Y.
    Li, X.
    Mechefske, Ch. K.
    Chen, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/301429.pdf
    Data publikacji:
    2009
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    uszkodzenie
    predykcja
    sygnały drganiowe
    sieć neuronowa typu RBF
    damage
    prediction
    vibration signals
    RBF neural network
    Opis:
    Przekładnia mostu pędnego stanowi kluczową część samochodowego układu przeniesienia napędu, a trafne przewidywanie uszkodzeń jest istotne dla bezpiecznego użytkowania samochodu. Jednakże precyzja przewidywania uszkodzenia przekładni jest obecnie niska ze względu na zmienne prędkości obrotowe i zmieniające się obciążenia występujące podczas używania pojazdu. W celu zredukowania zmienności drgań i zwiększenia trafności przewidywania trwałości resztkowej przekładni, w artykule zaproponowano nową metodę predykcyjną, która łączy sieć neuronową o radialnych funkcjach bazowych (RBF) i rekurencyjne przetwarzanie wstępne. Metoda rekurencyjnego przetwarzania wstępnego zmniejsza wpływ zmienności chwilowego obciążenia i prędkości na charakterystyczne parametry uzyskane z sygnałów drganiowych. Sieć neuronowa typu RBF modeluje nieliniowe charakterystyki przenoszenia napędu przez przekładnię mostu pędnego. Sieć taka charakteryzuje się zachowaniem samoadaptacyjnym i szybką zbieżnością. Wyniki badań symulacyjnych i eksperymentalnych pokazują, że ta nowa metoda może pozwolić na udoskonalenie tradycyjnych metod predykcyjnych oraz osiąganie wysokiej precyzji w przewidywaniu uszkodzeń przekładni mostu pędnego.
    The rear axle gear is a key part of the automobile transmission system and accurate damage prediction is important for car safety. However, the precision of gear damage prediction is currently low because of the varying rotating speeds and the changing loads when a truck is in use. In order to reduce the fluctuation of vibrations and enhance the predicting accuracy of gear residual life, a new predictive method, which combines the Radial Basis Function (RBF) neural network with recursive preprocessing is proposed in this paper. The recursive preprocessing method reduces the effects of instantaneous load and speed fluctuations on the characteristic parameters extracted from vibration signals. The RBF neural network models the non-linear characteristics of the rear axle gear transmission. The RBF neural network is characterized by its self-adaptive behavior and its rapid convergence. The simulated and experimental results have shown that this new method can enhance traditional prediction methods and obtain high precision for the damage prediction of rear axle gears.
    Źródło:
    Eksploatacja i Niezawodność; 2009, 4; 57-64
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neuro-adaptive cooperative control for high-order nonlinear multi-agent systems with uncertainties
    Autorzy:
    Peng, Cheng
    Zhang, Anguo
    Li, Junyu
    Powiązania:
    https://bibliotekanauki.pl/articles/2055174.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    multiagent system
    radial basis function
    RBF neural network
    sliding mode control
    cooperative control
    system wieloagentowy
    radialna funkcja bazowa
    sieć neuronowa RBF
    sterowanie ślizgowe
    Opis:
    The consensus problem for a class of high-order nonlinear multi-agent systems (MASs) with external disturbance and system uncertainty is studied. We design an online-update radial basis function (RBF) neural network based distributed adaptive control protocol, where the sliding model control method is also applied to eliminate the influence of the external disturbance and system uncertainty. System consensus is verified by using the Lyapunov stability theorem, and sufficient conditions for cooperative uniform ultimately boundedness (CUUB) are also derived. Two simulation examples demonstrate the effectiveness of the proposed method for both homogeneous and heterogeneous MASs.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2021, 31, 4; 635--645
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    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:
    Wykorzystanie sztucznych sieci neuronowych typu RBF do predykcji plonu wybranych roślin zbożowych
    The use of artificial neuronal networks of the RBF type for prediction of yield of chosen cereal plants
    Autorzy:
    Boniecki, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/335789.pdf
    Data publikacji:
    2005
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    sztuczna sieć neuronowa
    RBF
    predykcja
    plon
    zboże
    symulacja komputerowa
    artificial neural network
    prediction
    yield
    cereal plant
    computer simulation
    Opis:
    Pojawiające się ostatnio metody, mające cechy sztucznej inteligencji, pozwalają na budowę modeli symulacyjnych, które realizują postawione zadania w oparciu o wzorce zaczerpnięte bezpośrednio z obserwacji przyrody [1]. Szczególną grupę stanowią techniki przetwarzania oparte na sztucznych sieciach neuronowych, będące w istocie komputerowymi symulatorami pracy mózgu [3]. Za pomocą modeli neuronowych można m.in. dokonać predykcji wielkości plonów płodów rolnych w oparciu o posiadane empiryczne dane, dotyczące zbiorów w latach ubiegłych. W pracy proponuje się wykorzystanie technik predykcyjnych, jakie m.in. reprezentują wybrane topologie sieci neuronowych, w szczególności sieci neuronowe typu RBF (Radial Basis Functions).
    Appearing recently methods, having guilds of artificial intelligence, permit on building of simulating models which realize assigned tasks on the basis of patterns taken directly with nature observation [1]. The processing techniques based on artificial neural networks create a special group, being in fact a computer simulators of brain work [3]. With the help of neuronal models it is possible to predict the expected crops yield on the basis of empirical data regarding crop yields in last summers. This work proposes utilization of prediction methods, which represent chosen topologies of neuronal nets among others, the RBF (Radial Basis Functions) neural network peculiarly.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2005, 50, 2; 15-19
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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