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 "neuron network" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    The mechanism of the analysis of entering Internet traffic for the presence of threats
    Mekhanizm analiza vkhodjashhego Internet trafika na naliche ugroz
    Autorzy:
    Petrov, A.
    Velchenko, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/792762.pdf
    Data publikacji:
    2012
    Wydawca:
    Komisja Motoryzacji i Energetyki Rolnictwa
    Tematy:
    external threat
    information system
    semantic neuron network
    virtual network
    automated informative system
    Internet traffic
    Źródło:
    Teka Komisji Motoryzacji i Energetyki Rolnictwa; 2012, 12, 4
    1641-7739
    Pojawia się w:
    Teka Komisji Motoryzacji i Energetyki Rolnictwa
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Efficient nonlinear predictive control based on structured neural models
    Autorzy:
    Ławryńczuk, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/907652.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    sterowanie procesami
    sterowanie predykcyjne
    sieć neuronowa
    optymalizacja
    linearyzacja
    process control
    model predictive control
    neuron network
    optimisation
    linearisation
    Opis:
    This paper describes structured neural models and a computationally efficient (suboptimal) nonlinear Model Predictive Control (MPC) algorithm based on such models. The structured neural model has the ability to make future predictions of the process without being used recursively. Thanks to the nature of the model, the prediction error is not propagated. This is particularly important in the case of noise and underparameterisation. Structured models have much better long-range prediction accuracy than the corresponding classical Nonlinear Auto Regressive with eXternal input (NARX) models. The described suboptimal MPC algorithm needs solving on-line only a quadratic programming problem. Nevertheless, it gives closed-loop control performance similar to that obtained in fully-fledged nonlinear MPC, which hinges on online nonconvex optimisation. In order to demonstrate the advantages of structured models as well as the accuracy of the suboptimal MPC algorithm, a polymerisation reactor is studied.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2009, 19, 2; 233-246
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Membrain neural network for visual pattern recognition
    Autorzy:
    Popko, A.
    Jakubowski, M.
    Wawer, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/103198.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    neural network
    pattern recognition
    neuron model
    Opis:
    Recognition of visual patterns is one of significant applications of Artificial Neural Networks, which partially emulate human thinking in the domain of artificial intelligence. In the paper, a simplified neural approach to recognition of visual patterns is portrayed and discussed. This paper is dedicated for investigators in visual patterns recognition, Artificial Neural Networking and related disciplines. The document describes also MemBrain application environment as a powerful and easy to use neural networks’ editor and simulator supporting ANN.
    Źródło:
    Advances in Science and Technology. Research Journal; 2013, 7, 18; 54-59
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimizing information processing in brain-inspired neural networks
    Autorzy:
    Paprocki, B.
    Pregowska, A.
    Szczepanski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/202095.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    neural network
    entropy
    mutual information
    noise
    inhibitory neuron
    Opis:
    The way brain networks maintain high transmission efficiency is believed to be fundamental in understanding brain activity. Brains consisting of more cells render information transmission more reliable and robust to noise. On the other hand, processing information in larger networks requires additional energy. Recent studies suggest that it is complexity, connectivity, and function diversity, rather than just size and the number of neurons, that could favour the evolution of memory, learning, and higher cognition. In this paper, we use Shannon information theory to address transmission efficiency quantitatively. We describe neural networks as communication channels, and then we measure information as mutual information between stimuli and network responses. We employ a probabilistic neuron model based on the approach proposed by Levy and Baxter, which comprises essential qualitative information transfer mechanisms. In this paper, we overview and discuss our previous quantitative results regarding brain-inspired networks, addressing their qualitative consequences in the context of broader literature. It is shown that mutual information is often maximized in a very noisy environment e.g., where only one-third of all input spikes are allowed to pass through noisy synapses and farther into the network. Moreover, we show that inhibitory connections as well as properly displaced long-range connections often significantly improve transmission efficiency. A deep understanding of brain processes in terms of advanced mathematical science plays an important role in the explanation of the nature of brain efficiency. Our results confirm that basic brain components that appear during the evolution process arise to optimise transmission performance.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2020, 68, 2; 225-233
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Design parameters optimisation of ROPAX ferry using seakeeping characteristics and additional wave resistance
    Optymalizacja parametrów projektowych promu pasażersko-samochodowego pod kątem wybranych właściwości morskich i dodatkowego oporu na fali
    Autorzy:
    Cepowski, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/257284.pdf
    Data publikacji:
    2008
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    właściwości morskie
    prom ro-ro
    kołysanie boczne
    przyspieszenie poprzeczne
    dodatkowy opór na fali
    parametry projektowe
    sztuczna sieć neuronowa
    optymalizacja wielokryterialna
    metoda Pareto
    logika rozmyta
    sea-keeping
    ro-pax ferry
    rolling
    motion sickness index
    additional wave resistance
    design parameters
    artificial neuron network
    optimisation
    Pareto method
    fuzzy logic
    Opis:
    This paper presents the multi-criteria design parameters of the optimisation of the ROPAX ferry using sea-keeping characteristics and additional wave resistance. The design criteria were formed using the method based on deterministic scenario and the partial objective functions were determined as artificial neuron networks. The design parameters' optimisation was carried out with the Pareto method. The best design variants were chosen using the elements of fuzzy logic that allowed, among other things, to present design quality with linguistic variables. This approach allowed choosing the best variant concerning all criteria at the same time.
    W artykule przeprowadzono wielokryterialną optymalizację parametrów projektowych promu pasażersko-samochodowego pod kątem wybranych właściwości morskich i dodatkowego oporu statku na fali. Kryteria projektowe sformułowano posługując się metodą opartą na scenariuszach deterministycznych, natomiast funkcje celów cząstkowych wyznaczono w postaci sztucznych sieci neuronowych. Optymalizację parametrów projektowych przeprowadzono metodą Pareto. Do wyboru najlepszych wariantów projektowych wykorzystano elementy logiki rozmytej, co pozwoliło m.in. na przedstawienie walorów projektu za pomocą zmiennych lingwistycznych. Takie podejście umożliwiło wybór wariantu najlepszego pod kątem wszystkich kryteriów jednocześnie.
    Źródło:
    Problemy Eksploatacji; 2008, 2; 149-158
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Employing linear artificial neural networks in property appraisal and valuation – possible applications
    Zastosowanie liniowych sieci neuronowych w wycenie nieruchomości – możliwości aplikacyjne
    Autorzy:
    Górak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/100240.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie
    Tematy:
    neural network
    artificial neuron
    training set
    property valuation
    database
    sieć neuronowa
    sztuczny neuron
    zbiór uczący
    wycena nieruchomości
    baza danych
    Opis:
    Transactional price is the result of some kind of free market game, and of independent decisions taken by the parties to the transaction. Prices depend on a number of factors, specific to the local real estate market. The impact of some factors is fixed, while others are dependent on the location of the property. Therefore, research into the determination of rules that would describe the relationship between the market price of the real estate, and its market characteristics, remain valid. The article presents the possibilities of applying linear artificial neural networks to real estate valuation. Using a database, the artificial linear neural network is developing a regression model, which produces the results that oscillate close to the market value of the property. The necessary condition is the creation of a database that is representative of the given real estate market.
    Cena transakcyjna to wynik pewnego rodzaju gry rynkowej oraz suwerennych decyzji podejmowanych przez strony transakcji. Ceny uzależnione są od szeregu czynników charakterystycznych dla danego lokalnego rynku nieruchomości. Wpływ pewnych czynników jest niezmienny, inne zaś zależne są od lokalizacji nieruchomości. Dlatego badania nad określeniem reguł opisujących zależność pomiędzy ceną rynkową nieruchomości a jej cechami rynkowymi są wciąż aktualne. Artykuł przedstawia możliwości aplikacyjne sztucznych liniowych sieci neuronowych w wycenie nieruchomości. Sztuczna liniowa sieć neuronowa na podstawie bazy danych, opracowuje model regresyjny uzyskujący wyniki oscylujące w pobliżu rynkowej wartości nieruchomości. Warunkiem koniecznym jest utworzenie bazy danych, reprezentatywnej dla danego rynku nieruchomości.
    Źródło:
    Geomatics, Landmanagement and Landscape; 2017, 1; 17-24
    2300-1496
    Pojawia się w:
    Geomatics, Landmanagement and Landscape
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Forecasting economic and financial indicators by supply of deep and recovery neural networks
    Autorzy:
    Boyko, N.
    Ivanets, A.
    Bosik, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/411261.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Oddział w Lublinie PAN
    Tematy:
    neural network
    deep
    recurrent
    activation function
    feedforward
    neuron
    hidden layer
    stock price prediction
    Opis:
    This paper studies the potential of the application of the Recurrent Neural Networks, as well as the Deep Neural Networks in the field of the finances and trading. In particular, their use in the stock price predicting software. The concepts of the RNNs and DNNs are provided and explained thoroughly. Both techniques RNNs and DNNs are utilized in the implementation of the stock price predicting software. Two separate versions of the software are created in order to demonstrate the main differences between the algorithms, as well as to determine the best of the two. Each version is thoroughly examined. The comparison of each of the algorithms is performed and highlighted. Examples of the implementations of the software, utilizing each of the algorithms on big volumes of stock data, for stock price prediction are provided. The article summarizes the concept of stock price prediction backed by the popular machine learning algorithms and its application in the nowadays world.
    Źródło:
    ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes; 2018, 7, 2; 3-8
    2084-5715
    Pojawia się w:
    ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A modified particle swarm optimization procedure for triggering fuzzy flip-flop neural networks
    Autorzy:
    Kowalski, Piotr A.
    Słoczyński, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/2055168.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    fuzzy neural network
    fuzzy flip-flop neuron
    particle swarm optimization
    training procedure
    sieć neuronowa rozmyta
    optymalizacja rojem cząstek
    procedura szkoleniowa
    Opis:
    The aim of the presented study is to investigate the application of an optimization algorithm based on swarm intelligence to the configuration of a fuzzy flip-flop neural network. Research on solving this problem consists of the following stages. The first one is to analyze the impact of the basic internal parameters of the neural network and the particle swarm optimization (PSO) algorithm. Subsequently, some modifications to the PSO algorithm are investigated. Approximations of trigonometric functions are then adopted as the main task to be performed by the neural network. As a result of the numerical verification of the problem, a set of rules are developed that can be helpful in constructing a fuzzy flip-flop type neural network. The obtained results of the computations significantly simplify the structure of the neural network in relation to similar conditions known from the literature.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2021, 31, 4; 577--586
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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