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 falkowa" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-9 z 9
    Tytuł:
    Research on electric vehicle charging load prediction and charging mode optimization
    Autorzy:
    Zhang, Zhiyan
    Shi, Hang
    Zhu, Ruihong
    Zhao, Hongfei
    Zhu, Yingjie
    Powiązania:
    https://bibliotekanauki.pl/articles/1841299.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    electric vehicles
    Monte Carlo
    wavelet neural network
    charging load
    pojazdy elektryczne
    sieć neuronowa falkowa
    Opis:
    To reduce the influence of the disorderly charging of electric vehicles (EVs) on the grid load, the EV charging load and charging mode are studied in this paper. First, the distribution of EV charging capacity and state of charge (SOC) feature quantity are analyzed, and their probability density function is solved. It is verified that both EV charging capacity and SOC obey the skew-normal distribution. Second, considering the space-time distribution characteristics of the EV charging load, a method for charging load prediction based on a wavelet neural network is proposed, and compared with the traditional BP neural network, the prediction results show that the error of the wavelet neural network is smaller, and the effectiveness of the wavelet neural network prediction is verified. The optimization objective function with the lowest user costs is established, and the constraint conditions are determined, so the orderly charging behavior is simulated by the Monte Carlo method. Finally, the influence of charging mode optimization on power grid operation is analyzed, and the result shows that the effectiveness of the charging optimization model is verified.
    Źródło:
    Archives of Electrical Engineering; 2021, 70, 2; 399-414
    1427-4221
    2300-2506
    Pojawia się w:
    Archives of Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie wskaźników makroekonomicznychz uwzględnieniem transformaty falkowejna przykładzie wskaźnika inflacji
    Forecasting macroeconomic indicators including wavelet transform. The example of inflation rate
    Autorzy:
    Hadaś-Dyduch, Monika
    Powiązania:
    https://bibliotekanauki.pl/articles/541181.pdf
    Data publikacji:
    2013
    Wydawca:
    Wyższa Szkoła Bankowa we Wrocławiu
    Tematy:
    inflacja
    analiza falkowa
    sztuczna sieć neuronowa
    inflation
    wavelet analysis
    artificial neural network
    Opis:
    Celem artykułu jest przedstawienie niekonwencjonalnego sposobu predykcji wskaźników makroekonomicznych, tzn. predykcji na podstawie prostego autorskiego modelu integrującego analizę falkową oraz sztuczne sieci neuronowe. Przykładową predykcję proponowanego modelu przedstawiono dla wskaźnika inflacji. Zasadniczo proponowaną metodę predykcji wskaźników makroekonomicznych oparto w przeważającym stopniu na transformacie falkowej, ponieważ funkcje falkowe charakteryzują dobre własności lokalizacyjne zarówno względem czasu, jak i częstotliwości.
    The purpose of this article is present an unconventional method of prediction of macroeconomic indicators, which is based on a simple model that integrates proprietary wavelet analysis and artificial neural networks. An example of prediction of the proposed model shows the rate of inflation. Basically, the proposed method of predicting macroeconomic indicators are to a large degree based levels of wavelet transform, since wavelet functions are characterized by good localization properties both in time and frequency.
    Źródło:
    Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu; 2013, 2(34); 175-186
    1643-7772
    Pojawia się w:
    Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of the wavelet and neural technologies for processing of signals obtained during railway tracks diagnostics by the magnetic flux leakage method
    Zastosowanie fali elementarnej i neuronowych technologii do przetwarzania sygnałów, otrzymanych w czasie diagnostyki torów kolejowych, za pomocą metody strumienia rozproszenia magnetycznego
    Autorzy:
    Nichoga, V.
    Vashchyshyn, L.
    Powiązania:
    https://bibliotekanauki.pl/articles/209973.pdf
    Data publikacji:
    2017
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    defect
    transverse crack
    CWT
    ANN
    defekt
    wada
    poprzeczna szczelina
    ciągła transformacia falkowa
    CTF
    sztuczna sieć neuronowa
    SSN
    Opis:
    In this article, the approach for detecting a transverse crack in the rail head via ANN with CWT and application created on its basis are presented. The ways of further development of the ANN for improving its work accuracy and the possibility of identification of other types of defects are also presented.
    W artykule rozpatrzono sposób ujawnienia poprzecznego pęknięcia w głowicy szyny kolejowej metodą ciągłej transformacji falkowej (CTF) oraz metodą sztucznej sieci neuronowej (SSN). Przedstawiono program stosowany do analizy sygnałów defektoskopijnych. Zaproponowano sposoby dalszego rozwoju SSN w celu poprawy dokładności jego pracy i możliwości zidentyfikowania innych rodzajów wad.
    Źródło:
    Biuletyn Wojskowej Akademii Technicznej; 2017, 66, 4; 195-201
    1234-5865
    Pojawia się w:
    Biuletyn Wojskowej Akademii Technicznej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analysis of the mining torque signal with Continuous Wavelet Transform
    Analiza sygnału momentu urabiania za pomocą ciągłej transformaty falkowej
    Autorzy:
    Jonak, J.
    Jedliński, Ł.
    Gajewski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/369043.pdf
    Data publikacji:
    2010
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    ciągła transformata falkowa
    głowica wielonożowa
    sztuczna sieć neuronowa
    continuous wavelet transform (CWT)
    multi-tool head
    artificial neural network
    Opis:
    This paper presents an analysis of the excavation torgue signal with the use of a Continuous Wavelet Transform. The article also presents results of preliminary research on utilising neural networks to identify excavating cutting tools type used in multi-tool excavating heads of mechanical coal miners. Selected wavelet coefficients were used as data to teach artificial neural network. The research is necessary to identify rock excavating process with a given head, and design adaptation system for control of mining process with such a head. The results of numerical analyses conducted with the use of Neural Networks are presented.
    Artykuł przedstawia analizę sygnału momentu urabiania z wykorzystaniem ciągłej transformaty falkowej. Praca przedstawia ponadto rezultaty wstępnych badań nad wykorzystaniem sztucznej sieci neuronowej do oceny rodzaju narzędzi urabiających głowic wielonarzędziowych kombajnu górniczego. Do nauki sieci neuronowej wykorzystano wybrane współczynniki falkowe. Badania te niezbędne są do identyfikacji procesu urabiania w celu opracowania adaptacyjnego systemu sterowania pracą głowicy kombajnu. W artykule przedstawiono wyniki analiz numerycznych, wykorzystując sztuczne sieci neuronowe.
    Źródło:
    Mechanics and Control; 2010, 29, 4; 169-173
    2083-6759
    2300-7079
    Pojawia się w:
    Mechanics and Control
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja rodzaju i stopnia uszkodzenia zębów kół przekładni oparta na ciągłej transformacie falkowej i sieci neuronowej typu MLP - koncepcja wykorzystania danych z modelu i rzeczywistej przekładni
    Classification of kinds and degee of tooth gear fail by using continuous wavelet transform and MLP neural network - conception of using dates from the model and real gearbox
    Autorzy:
    Czech, P.
    Łazarz, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/328338.pdf
    Data publikacji:
    2007
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka
    przekładnia zębata
    sztuczna sieć neuronowa
    ciągła transformata falkowa
    diagnostics
    gear fault
    neural network
    continuous wavelet transform (CWT)
    Opis:
    W opracowaniu przedstawiono wyniki próby zastosowania sztucznej sieci neuronowej jako klasyfikatora rodzaju i stopnia uszkodzenia zębów kół w przekładni. Klasyfikator neuronowy oparto na sztucznej sieci neuronowej typu MLP. Dane wejściowe do klasyfikatora stanowiła macierz złożona z miar statystycznych otrzymanych z ciągłej analizy falkowej. Zidentyfikowany model przekładni zębatej pracującej w układzie napędowym oraz stanowisko mocy krążącej FZG posłużyły do generacji zbiorów uczących i testujących zastosowanych w eksperymencie.
    The work presents results of an experiment that employs the artificial neuronal network in the task of identification of kinds and degree of tooth failure. Neural Networks were based on the Multi Layer Perceptrons. Statistical measures that describe the emergence and degree of tooth gear diagnostic served as input data for the artificial neural networks. The measures employed in the experiment were obtained from signals through the continuous wavelet transform. In the experiment the dynamic model of gearbox and power circulating gear testing machine was used as generator of data.
    Źródło:
    Diagnostyka; 2007, 2(42); 75-82
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie analizy WPT i sieci neuronowych PNN w diagnozowaniu zakłóceń w dopływie paliwa do cylindrów
    The application of a wavelet packet transform and PNN neural network for disturbances in the fuel inflow SI engine detection
    Autorzy:
    Czech, P.
    Madej, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/256599.pdf
    Data publikacji:
    2009
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    diagnostyka
    silnik spalinowy
    analiza falkowa (WPT)
    sieć neuronowa PNN
    diagnostics
    SI engine
    wavelet packet transform
    WPT
    PNN neural network
    Opis:
    W artykule przedstawiono wyniki badań diagnostycznych silnika spalinowego przy zastosowaniu pakietu analizy falkowej (WPT) i probabilistycznej sieci neuronowej. Obiektem badań był czterocylindrowy silnik spalinowy z zapłonem iskrowym. Głównym celem badań było określenie wpływu symulowanego braku dopływu paliwa do poszczególnych cylindrów na sygnał przyspieszeń drgań kadłuba silnika. Zarejestrowane sygnały przyspieszeń drgań zostały poddane analizie za pomocą WPT w celu określenia entropii sygnału na poszczególnych poziomach dekompozycji. Określona wartość entropii stanowiła podstawę do budowy wzorców stanów pracy silnika przeznaczonych do uczenia sieci neuronowych. Z przeprowadzonych badań wynika, że istnieje możliwość wykorzystania analizy WPT i probabilistycznych sztucznych sieci neuronowych do diagnozowania uszkodzeń silników spalinowych.
    An investigation of a fault diagnostic technique for internal combustion engine using wavelet packet transform (WPT) and probabilistic neural network is presented in this paper. The object of research was a four-cylinder spark ignition engine. The main purpose of the research was to determine the effect of the lack of fuel inflow to an individual cylinder of the engine block vibration signal. The vibration signals are decomposed by WPT to obtain the approximated and detailed coefficient and to calculate wavelet packet node entropy. The value of entropy was used as a basis in the construction of the states of engine operation intended for teaching probabilistic neural network. The experimental results indicated that the proposed system using the engine block vibration signal is effective and can be used for fault detection of an IC engine.
    Źródło:
    Problemy Eksploatacji; 2009, 1; 17-26
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Entropia dyskretnej transformaty falkowej i radialne sieci neuronowe jako narzędzia diagnostyki nieszczelności zaworu wylotowego w silniku ZS
    Entropy of discrete wavelet transform and radial neural networks as a diagnosis tool of diesel engine exhaust valve fault
    Autorzy:
    Czech, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/198343.pdf
    Data publikacji:
    2011
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    transformata falkowa
    sieć neuronowa
    diagnostyka
    zawór wydechowy
    silnik z zapłonem samoczynnym
    wavelet transform
    neural network
    diagnostics
    exhaust valve
    compression-ignition engine
    Opis:
    W przypadku diagnozowania silnika spalinowego metodami drganiowymi nie można zapominać o występowaniu wielu źródeł drgań, co jest przyczyna wzajemnego zakłócania symptomów uszkodzeń. Ze względu na konieczność analizy sygnałów niestacjonarnych i impulsowych w niniejszym artykule wykorzystano dyskretna transformatę falkową (DWT). Na podstawie sygnałów zdekomponowanych za jej pomocą wyznaczono wartość entropii, która stanowiła podstawę do budowy wzorców stanów pracy silnika, przeznaczonych do uczenia sieci neuronowych. Z przeprowadzonych badań wynika, że istnieje możliwość wykorzystania radialnych sztucznych sieci neuronowych do oceny nieszczelności zaworu wylotowego w silniku ZS.
    In case of diagnosing combustion engines by vibration methods, the presence of numerous sources of vibration cannot be neglected, which are the reason for reciprocal interference of symptoms of fault. Owing to the necessity of analyzing non-stationary and impulse signals, a discrete wavelet transform (DWT) has been applied in this study. Based on the signals' decomposition performed by means of the transform, the value of entropy was determined, which served as a basis in the construction of the states of engine operation intended for teaching neural networks. As results from the research, there is a possibility of using radial neural networks to assess the diesel engine exhaust valve fault.
    Źródło:
    Zeszyty Naukowe. Transport / Politechnika Śląska; 2011, 73; 15-20
    0209-3324
    2450-1549
    Pojawia się w:
    Zeszyty Naukowe. Transport / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hybrid deep learning method for detection of liver cancer
    Autorzy:
    Deshmukh, Sunita P.
    Choudhari, Dharmaveer
    Amalraj, Shankar
    Matte, Pravin N.
    Powiązania:
    https://bibliotekanauki.pl/articles/38701864.pdf
    Data publikacji:
    2023
    Wydawca:
    Instytut Podstawowych Problemów Techniki PAN
    Tematy:
    liver cancer detection
    deep learning
    fully convolutional neural network
    hybrid approach
    discrete wavelet transform
    wykrywanie raka wątroby
    uczenie głębokie
    neuronowa sieć konwulcyjna
    podejście hybrydowe
    dyskretna transformata falkowa
    Opis:
    Liver disease refers to any liver irregularity causing its damage. There are several kinds of liver ailments. Benign growths are rarely life threatening and can be removed by specialists. Liver malignant tumor is leading causes of cancer death. Identifying malignant growth tissue is a troublesome and tedious task. There is significantly less information and statistical analysis presented related to cholangiocarcinoma and hepatoblastoma. This research focuses on the image analysis of these two types of cancer. The framework’s performance is evaluated using 2871 images, and a dual hybrid model is used to accomplish superb exactness. The aftereffects of both neural networks are sent into the result prioritizer that decides the most ideal choice for image arrangement. The relevance of elements appears to address the appropriate imaging rules for each class, and feature maps matching the original picture voxel features. The significance of features represents the most important imaging criteria for each class. This deep learning system demonstrates the concept of illuminating elements of a pre-trained deep neural network’s decision-making process by an examination of inner layers and the description of attributes that contribute to predictions.
    Źródło:
    Computer Assisted Methods in Engineering and Science; 2023, 30, 2; 151-165
    2299-3649
    Pojawia się w:
    Computer Assisted Methods in Engineering and Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-9 z 9

      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