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 "neural modelling" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-12 z 12
    Tytuł:
    Modelowanie neuronowe procesów cieplnych zachodzących podczas kompostowania wybranych nawozów naturalnych
    Neural modelling of thermal processes during composting of chosen natural fertilizers
    Autorzy:
    Olszewski, T.
    Boniecki, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/337464.pdf
    Data publikacji:
    2010
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    modelowanie neuronowe
    kompostowanie
    nawóz naturalny
    proces cieplny
    neural modelling
    thermal process
    composting
    natural fertilizer
    Opis:
    Proces kompostowania polega na mikrobiologicznym rozkładzie substancji organicznych w warunkach tlenowych za pomocą mikroorganizmów termofilnych i pleśni. Podczas procesu kompostowania wydzielają się duże ilości ciepła, które może być wykorzystane do różnych celów. W literaturze światowej brak jest informacji o wykorzystaniu sieci neuronowych w modelowaniu procesów cieplnych zachodzących podczas kompostowania. Celem prezentowanej pracy było modelowanie procesu kompostowania stałych nawozów naturalnych z wykorzystaniem sztucznych sieci neuronowych, ze szczególnym uwzględnieniem analizy cieplnej zachodzących zjawisk. Skupiono się na estymacji ilości ciepła otrzymywanego w wyniku reakcji egzotermicznych zachodzących podczas procesu kompostowania. Dokonano analizy oraz wytworzono, przetestowano i zweryfikowano zbiór topologii sieci neuronowych, działających jako efektywne instrumenty predykcyjne. W tym celu wykorzystano pakiet oprogramowania analitycznego Statistica v. 7.1 moduł: "Sieci Neuronowe". Mała wartość ilorazu odchyleń standardowych oraz współczynnik korelacji bliski jedności świadczy o dobrej jakości otrzymanych sieci neuronowych.
    Composting process depends on microbiological decomposition of organic matter in oxygenic conditions proceeded by the thermopile microorganisms and moulds. During the process there is a lot of heat energy emission which can be used for different aims. There is no information about neural network used for modelling of composting processes in the world publications. The objective of presented work was to model the composting process of solid natural fertilizers using the artificial neural networks. I focused mainly on thermal analysis of this process. Qualification of heat emission as a result of exothermic reactions during composting process was the focus of attention. The second stage was complex analysis as well as creating, testing and verification of series of neural networks topology. The analytical software package Statistica v. 7.1: 'Neural Networks' was used. Low ratio of standard deviations and correlation coefficient close to one, provide the most important information for the good assessment of the neural network.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2010, 55, 2; 56-61
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie neuronowe w zastosowaniu do oceny zarządzania bezpieczeństwem informacji w logistyce
    Application of the neural modelling in the assessment of information security management in logistics
    Autorzy:
    Dębicka, E.
    Świderski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/1378317.pdf
    Data publikacji:
    2014
    Wydawca:
    Polskie Wydawnictwo Ekonomiczne
    Tematy:
    zarządzanie bezpieczeństwem informacji
    modelowanie neuronowe
    usługi logistyczne
    information security management
    neural modelling
    logistics services
    Opis:
    Proper management of the information security is an important issue affecting the quality of logistical services delivery. The article presents selected aspects of mathematical modelling of conducting its expert evaluation. The presented method of assessment is based on the use of artificial neural networks.
    Źródło:
    Gospodarka Materiałowa i Logistyka; 2014, 5; 19-24
    1231-2037
    Pojawia się w:
    Gospodarka Materiałowa i Logistyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Przykład zastosowania sieci neuronowej w modelowaniu procesu mieszania układów ziarnistych
    An example of the use of a neural network to model a mixing process of granular systems
    Autorzy:
    Tukiendorf, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/289881.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    niejednorodna mieszanina ziarnista
    stan równowagowy
    modelowanie neuronowe
    non-homogenous grainy mixture
    balance status
    neural modelling
    Opis:
    W pracy pokazano skuteczność i przydatność modelowania neuronowego w procesie mieszania dwuskładnikowego niejednorodnego układu ziarnistego mieszanego systemem funnel-flow.
    In the study, an efficiency and usefulness of neural network was shown to model the mixing process of a two-components non-homogenous granular system during the funnel-flow mixing.
    Źródło:
    Inżynieria Rolnicza; 2005, R. 9, nr 7, 7; 375-382
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie neuronowe w obliczaniu współczynnika przenikania ciepła oraz wymaganej warstwy izolacji przegrody budowlanej
    Neural modelling for calculating the heat transfer coefficient and required isolation layer of wall barier
    Autorzy:
    Dawidowicz, J.
    Sidorowicz, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/402833.pdf
    Data publikacji:
    2010
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    straty ciepła
    współczynnik przenikania ciepła
    modelowanie neuronowe
    inteligencja obliczeniowa
    warmth losses
    heat transfer coefficient
    neural modelling
    calculation intelligence
    Opis:
    W referacie przedstawiono zastosowanie sztucznych sieci neuronowych do obliczania współczynnika przenikania ciepła U oraz model odwrotny, polegający na obliczaniu grubości warstwy izolacyjnej przy zadanym współczynniku. Opisano metodykę sporządzenia zbioru uczącego sztuczne sieci neuronowe oraz opisano zbiór przetestowanych sieci neuronowych. Metody sztucznej inteligencji, w tym sztuczne sieci neuronowe, pozwalają uwzględnić w obliczeniach wiele zjawisk i procesów trudnych do opisu matematycznego ze względu na swoją nieliniowość, stąd uzyskane modele neuronowe będą uzupełniane w przyszłości o dodatkowe parametry obliczeniowe.
    The report presents the usage of artificial neural networks to calculate heat transfer coefficient U and the opposite model, which consists on calculating the thickness of the isolation layer with given coefficient. The methodology of making a set teaching artificial neural networks and the set of tested neural networks were described. The methods of artificial intelligence, including neural networks, let include in calculations many phenomena and processes hard to describe mathematically because of their nonlinearity, so obtained neural models will be completed by additional computable parameters in future.
    Źródło:
    Budownictwo i Inżynieria Środowiska; 2010, 1, 1; 17-24
    2081-3279
    Pojawia się w:
    Budownictwo i Inżynieria Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie modeli sieci neuronowych do identyfikacji składu litologicznego rudy miedzi
    Application of neural networks models to lithological composition determination of copper ore
    Autorzy:
    Krawczykowska, A.
    Trybalski, K.
    Krawczykowski, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/349707.pdf
    Data publikacji:
    2009
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    typy litologiczne rud miedzi
    modelowanie
    sieci neuronowe
    lithological types of copper ore
    modelling
    neural networks
    Opis:
    Artykuł dotyczy zastosowania modeli sieci neuronowych w rozpoznawaniu typów litologicznych rudy miedzi. Do sprawdzenia zdolności predykcyjnych najskuteczniejszych modeli wykorzystano zbiory danych uzyskane z analizy zdjęć skaningowych dwóch charakterystycznych mieszanek różnych typów litologicznych: mieszanki z przewagą rudy piaskowcowej oraz mieszanki z przewagą rudy węglanowej i łupkowej. Wyniki rozpoznawania porównano z rzeczywistymi udziałami poszczególnych typów litologicznych rud miedzi w analizowanych mieszankach.
    The paper concerns the application of neural networks models in recognition of lithological types of copper ore. To verify the predictive abilities of the most efficient models, the data sets given by scanning photos analyzes of two characteristic mixtures of various lithological types were applied. These were mixture with the advantage of sandstone ore and mixture with the advantage of carbonate and shale ores. The results of recognition were compared with the real contents of individual lithological types of copper ore in analyzed mixtures.
    Źródło:
    Górnictwo i Geoinżynieria; 2009, 33, 4; 141-151
    1732-6702
    Pojawia się w:
    Górnictwo i Geoinżynieria
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie neuronowe wybranych obiektów rolniczych z wykorzystaniem superformuły Johana Gielisa
    Neuronal modelling of selected agricultural objects with usage of Johan Gieliss supershape
    Autorzy:
    Boniecki, P.
    Olszewski, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/334299.pdf
    Data publikacji:
    2008
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    modelowanie neuronowe
    sieć neuronowa
    superformuła Johana Gielisa
    neuronal modelling
    neural network
    Johan Gielis's supershape formula
    Opis:
    Celem pracy było badanie mozliwości klasyfikacyjnych sieci neuronowych w procesie identyfikacji ziarniaków pszenicy, jęczmienia oraz kukurydzy. Wykorzystana metoda separacji polegała na rozpoznawaniu różnic kształtów analizowanych obiektów. W celu identyfikacji kształtu, a następnie zakodowania pozyskanych danych empirycznych do postaci zbiorów uczących, wykorzystano tzw. superformułę zaproponowaną przez Johana Gielisa. Formuła ta pozwala na odwzorowanie dowolnego kształtu za pomocą sześciu niezależnych parametrów.
    The aim of the work was to study the classifying possibilities of neural networks in the identification process of the wheat's, barley's and corn's kernel. Applied separation method depended on recognizing the shape differences of analysed objects. In order to identify the shape, and afterwards to encode the obtained empirical data into the training data sets the Johan Gielis's supershape formula was used. This formula permits for projection of any shape with a help of six independent parameters.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2008, 53, 1; 22-25
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie różnic parametrów termicznych powietrza mierzonych metodami standardową i automatyczną
    Neural network modelling of air temperature differences measured with standard and automatic method
    Autorzy:
    Kajewska-Szkudlarek, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/35906.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Instytut Agrofizyki PAN
    Tematy:
    powietrze
    temperatura powietrza
    parametry termiczne
    sieci neuronowe
    modelowanie
    air
    air temperature
    thermal parameter
    neural network
    modelling
    Opis:
    W pracy analizowano szeregi czasowe dobowych różnic między wynikami standardowych i automatycznych pomiarów trzech parametrów termicznych powietrza – temperatury średniej, maksymalnej i minimalnej. Celem pracy było stworzenie modelu analizowanych szeregów czasowych z wykorzystaniem sztucznych sieci neuronowych, które posłużyły do identyfikacji pojawiających się w nich wzorców oraz ich powtarzalności. Wykorzystano wyniki badań prowadzonych w okresie 2000-2009 na terenie Obserwatorium Uniwersytetu Przyrodniczego Wrocław- Swojec. Do realizacji założonego celu wykorzystano sieci perceptronowe o pojedynczej warstwie ukrytej, stworzone w programie MATLAB (Neural Network Toolbox) oraz STATISTICA 10. Analizowano architekturę opracowanych sieci, liczbę cykli w procesie uczenia, zmiany wartości błędu średniokwadratowego i zależności między wartościami parametrów uzyskanych z pomiarów za pomocą przyrządów meteorologicznych oraz prognozowanych przez sieci. Pomimo wielu prób nie uzyskano modelu o zadowalającej jakości. Stwierdzono, że szeregi czasowe miały charakter białego szumu, czyli występowanie różnic między obiema metodami pomiaru temperatury powietrza cechowała losowość i brak wyraźnej cykliczności oraz trendu.
    The paper presents an analysis of time series concerning diurnal differences between standard and automatic results of measurements of three air thermal parameters – mean (Tm), maximum (Tmax) and minimum (Tmin) temperature. By means of artificial neural networks an attempt at identification of the occurring patterns and their repetition was made. The study was conducted in the period of 2000-2009 on the site of Agro- and Hydrometeorology Observatory Wroclaw-Swojec which belongs to the Wroclaw University of Environmental and Life Sciences. In order to achieve the intended aim, single-layer perceptron networks were used, created in MATLAB (Neural Network Toolbox) and STATISTICA 10. The following aspects were subjected to the analysis: the architecture of the developed networks, the number of cycles in the learning process, the changes in Mean Squared Error (MSE), and the correlations between the values of the parameters obtained by means of meteorological instruments and the ones prognosticated by the networks. Despite multiple attempts, no model of satisfying quality was obtained. It was concluded that the nature of the time series was that of white noise, meaning that the occurrence of differences between both air temperature measurement methods were characterised by randomness and a lack of visible circularity and trend.
    Źródło:
    Acta Agrophysica; 2016, 23, 3
    1234-4125
    Pojawia się w:
    Acta Agrophysica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Detekcja nieszczelności kotła fluidalnego z użyciem modeli rozmyto-neuronowych
    Approach to boiler leak detection with fuzzy neural models
    Autorzy:
    Szadkowski, B.
    Jankowska, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/257517.pdf
    Data publikacji:
    2011
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    detekcja awarii
    systemy rozmyto-neuronowe
    kocioł fluidalny
    modelowanie
    detection of outage
    fuzzy-neural system
    fluidised bed boiler
    modelling
    Opis:
    Zreferowano badania modelowe nad detekcją nieszczelności kotłów fluidalnych z wykorzystaniem danych z archiwum. Modelowanie prowadzono w przyborniku Fuzzy Logic pakietu Matlab. Omówiono dwa podejścia do rozwiązania problemu. W pierwszym - opracowano modele rozmyto-neuronowe typu Takagi-Sugeno-Kanga (TSK) 4 zmiennych procesowych o dużej wrażliwości na przeciek. Uśrednione residua tych zmiennych, w przesuwnym oknie czasowym, pozwoliły wykryć 7 z 8 rozważanych przypadków nieszczelności. Oceniono długość okna i uzyskane wyprzedzenie detekcji względem wyłączenia bloku. Następnie opracowano i przetestowano model awarii o binarnym wyjściu. Równoległe wykorzystanie opracowanych modeli pozwoliło na wykrycie z kilkudniowym wyprzedzeniem wszystkich analizowanych awarii, potwierdzając przydatność modeli TSK w ważnym zadaniu eksploatacyjnym. Wskazano dalsze kierunki prac.
    The research results into leak detection in a fluidised bed boiler are presented. The studies took advantage of the historical data from DCS in the professional power plant. Models of neuro-fuzzy Takagi-Sugeno-Kanga (TSK) type were built and tested in the Fuzzy Toolbox of Matlab. The roots of boiler outage (in water-steam pressure system and aside from this system) are indicated. The two approaches to leak detection task are described. In the first, the models of the 4 process variables sensitive to leakage were built. The residues of these models were evaluated in a moving time window. The length of the time window and the advance of leakage detection are discussed. Next, the model the TSK of the boiler faults with binary output was built and tested. Training data was collected for 3 cases of raised outage (models output - 1) and the normal work of installation (models output - 0). The parallel usage of proposed TSK models provided a successful detection of all studied fault cases a few days in advance. This has confirmed the suitability of the fuzzy neural models in an important exploitation task.
    Źródło:
    Problemy Eksploatacji; 2011, 2; 181-188
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Określanie mechanicznych właściwości skał na podstawie właściwości fizycznych przy użyciu sztucznych sieci neuronowych
    Prediction of mechanical properties of rocks based on their physical properties using Artificial Neural Networks
    Autorzy:
    Słota-Valim, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1835231.pdf
    Data publikacji:
    2018
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    właściwości sprężyste
    właściwości wytrzymałościowe
    sztuczne sieci neuronowe
    modelowanie geomechaniczne
    elastic properties
    strength properties
    Artificial Neural Networks
    geomechanical modelling
    Opis:
    W niniejszej pracy opracowano szereg związków między poszukiwaną cechą geomechaniczną, w tym parametrami sprężystymi – modułem Younga (E) i współczynnikiem Poissona (ʋ) oraz parametrami wytrzymałościowymi – wytrzymałością na ściskanie jednoosiowe (UCS) oraz stałą Biota (α), a cechami ośrodka, które najczęściej są standardowo mierzone lub szacowane dla większości obiektów złożowych. Cel pracy realizowano na obiekcie o potencjale węglowodorowym, w którym przedmiotem zainteresowania był interwał osadów dolnego paleozoiku, zdeponowanych w północnej części basenu bałtyckiego na obszarze koncesji Wejherowo. Do opracowania związków między poszukiwaną właściwością geomechaniczną ośrodka skalnego a innymi, standardowo mierzonymi lub interpretowanymi cechami fizycznymi skały zastosowano sztuczne sieci neuronowe z użyciem algorytmu wstecznej propagacji błędów (ang. back propagation). Algorytm wstecznej propagacji był wykorzystywany w środowisku oprogramowania Petrel (Schlumberger).
    In this work, a number of relationships were found between the geomechanical properties, including elastic moduli – Young’s modulus (E) and Poisson’s ratio (ʋ) and strength properties – uniaxial compression strength (UCS) and Biot’s coefficient (α), and commonly measured and interpreted properties, fitting in a standard exploration of the reservoir rock. For this purpose, the shale formation of lower Paleozoic age deposited in the northern part of the Baltic Basin were investigated. An artificial neural network using back propagation algorithm, was used to develop the relationship between the geomechanical properties and other, more commonly measured or interpreted physical properties of rocks.
    Źródło:
    Nafta-Gaz; 2018, 74, 5; 343-355
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie kartograficzne z wykorzystaniem neurorozmytych automatów komórkowych
    Using of neuro-fuzzy cellular automata for cartographic modelling
    Autorzy:
    Olszewski, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/130338.pdf
    Data publikacji:
    2003
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    automaty komórkowe
    modelowanie nieliniowe
    generalizacja
    sieci neuronowe
    systemy wnioskowania rozmytego
    cellular automata
    non-linear modelling
    generalization
    neural networks
    fuzzy inference systems
    Opis:
    Mapa jako środek przekazu informacji chorologicznej, tj. informacji o rozmieszczeniu obiektów i zjawisk w przestrzeni geograficznej, podlega ograniczeniom wynikającym z zakresu pojemności informacyjnej. W procesie przekazu kartograficznego istnieje zatem konieczność celowego uogólnienia informacji źródłowej realizowanego poprzez generali-zację. Jednym ze sposobów generalizacji jest agregacja danych przestrzennych. Istnieje wiele algorytmicznych metod agregacji, większość z nich związana jest z generalizacją danych zapisanych w formacie wektorowym. Dla danych źródłowych w postaci rastrowej wymaga to pracochłonnej wstępnej konwersji formatu raster → wektor oraz wynikowej konwersji wektor → raster. Autor podjął próbę zastosowania bezpośredniej agregacji obiektów powierzchniowych na obrazach rastrowych. Przeprowadzone badania wskazują na celowość zastosowania metod tzw. sztucznej inteligencji obliczeniowej, jako metody kartograficznego modelowania tak zdefiniowanych danych źródłowych. W artykule omówiono trzy wybrane metody sztucznej inteligencji obliczeniowej (automaty komórkowe, sztuczne sieci neuronowe i systemy wnioskowania rozmytego) oraz ich zastosowanie w procesie generalizacji kartograficznej.
    Investigations which have been performed by the author justify utilisation of methods of the, so-called, artificial intelligence, as a complex method of cartographic modelling of source data. Of the many existing methods for area aggregation a majority concern maps in vector format. The author investigated some approaches to direct aggregation of area objects in raster maps. This includes cellular automata, neural networks and fuzzy inference systems. The essence of cellular automata is the ability to create complex, global patterns and spatial behaviour, based on simple rules of changes of local range and on knowledge concerning individual cells. Therefore a model of the cartographic generalization process, combining the nature of quantitative generalization of the content and the form with the nature of qualitative generalization, may be developed based on the theory of non-linear cellular automata.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2003, 13a; 171-180
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie danych lotniczego skaningu laserowego do klasyfikacji pokrycia terenu dla modelowania hydrodynamicznego
    The use of airborne laser scanning data to land cover supervised classification for hydrodynamic modelling
    Autorzy:
    Tymków, P.
    Borkowski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/129560.pdf
    Data publikacji:
    2006
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    digital terrain model (DTM)
    lotniczy skaning laserowy
    klasyfikacja nadzorowana
    sztuczna sieć neuronowa
    numeryczny model terenu
    modelowanie hydrodynamiczne
    airborne laser scanning (ALS)
    supervised classification
    artificial neural network
    hydrodynamic modelling
    Opis:
    Badania nad problematyką zapobiegania powodzi wymagają budowy modeli matematycznych przepływów wezbraniowych. Obliczenia hydrodynamiczne wykonywane są w oparciu o dane charakteryzujące geometrię doliny rzeki oraz opory przepływu, które zależą od pokrycia terenu. W artykule podjęto próbę wykorzystania danych lotniczego skaningu laserowego, wykonanego na potrzeby budowy numerycznego modelu terenu (NMT) dla modelowania hydrodynamicznego, do automatycznej nadzorowanej klasyfikacji pokrycia terenu. Klasyfikację tę oparto o wielowarstwowe sztuczne sieci neuronowe typu feed-forward. Wektor cech klasyfikowanych obiektów (klasyfikacja per-piksel) stanowiły dane o wysokości form pokrycia terenu, kolorowe zdjęcia lotnicze, dane charakteryzujące teksturę obszarów na zdjęciach oraz intensywność odbicia fali elektromagnetycznej skaningu laserowego. Wysokości form pokrycia terenu obliczone zostały na podstawie NMT i numerycznego modelu pokrycia terenu (NMPT) wygenerowanego z danych skaningu lotniczego. Niemetryczne zdjęcia lotnicze wykonane aparatem cyfrowym, poddane kalibracji i mozaikowaniu, stanowiły źródło informacji o jasności odbicia światła obiektów oraz były podstawą obliczeń teksturowych opartych o metodę macierzy sąsiedztwa (GLCM). Jako wektory uczące sieci neuronowej wybrano dziesięć pól testowych o powierzchni 400 m², w tym pięć klas roślinności wysokiej. Otrzymane rezultaty przedstawiono w formie graficznej oraz wykonano ilościową ocenę zgodności wyników z klasyfikacją przeprowadzoną w sposób manualny. Obliczone w tym celu wartości współczynnika κ potwierdzają dużą zgodność wyników klasyfikacji automatycznej z oczekiwanym rezultatem.
    Flood protection research requires building mathematic models of flood flows. Hydraulic calculations are carried out on the basis of geometrical description of the valley as well as on surface roughness which depends on a land cover. Currently, geometric description of the modeling area in the form of cross-sections is often replaced with a digital terrain model (DTM). The data which is required to build DTM can be collected with photogrammetry or the airborne laser scanning method. An attempt at using airborne laser scanning data which was made for DTM and digital surface model (DSM) interpolation, for supervised classification of land cover was discussed. The classification was based on feed-forward artificial neural networks. Two cases were investigated: variant I - overall classification using one artificial neural network with 2 hidden layers of 10 neurons and variant II - individual recognition using different networks with one hidden layer of 10 neurons for each class. The feature vector of classified object (per-pixel classification) included: data concerning vegetation height, color aerial photographs, texture features and laser wave intensities. Heights of vegetation were calculated on the basis of DTM and DSM which were created for hydrodynamic modelling. Non-metric aerial photographs were taken by digital camera. After calibration and mosaic they served as sources of information about the lightness of objects. It was also a basis of GLCM (Grey Level Co-occurrence Matrix) texture feature calculations. Ten training fields of 400 m² were chosen as training vectors. Five of them represented various types of high vegetation. The collected data were visualized and computed numerically. A Kappa (κ) coefficient built on the basis of a confusion matrix was used for the quantitative assessment. The high similarity of the obtained results and reference data was confirmed by the value of the calculated kappa coefficient. Better results were obtained for individual classification (variant II) when the kappa value was 0.86.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 537-546
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wybrane problemy projektowania i eksploatacji sieci rozdzielczych
    Selected problems of design and operation of power distribution networks
    Autorzy:
    Kulczycki, J.,
    Brożek, J.
    Strzałka, J.
    Kot, A.
    Szpyra, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/154201.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    elektroenergetyczne sieci rozdzielcze
    regulacja napięcia
    generacja rozproszona
    modelowanie i symulacja
    estymacja napięcia
    estymacja strat mocy
    algorytmy ewolucyjne
    sztuczne sieci neuronowe
    power distribution networks
    voltage control
    dispersed generation
    system modelling and
    system modelling and simulation
    voltage estimation
    power losses estimation
    evolutionary algorithms
    artificial neural networks
    Opis:
    Elektroenergetyczne sieci rozdzielcze stanowią ważne ogniwo systemu elektroenergetycznego. Optymalne projektowanie i efektywna eksploatacja tych sieci jest przedmiotem badań prowadzonych w wielu ośrodkach naukowych. W artykule przedstawiono wybrane problemy projektowania i eksploatacji elektroenergetycznych sieci rozdzielczych będące przedmiotem badań naukowych realizowanych w Laboratorium Sieci i Systemów Elektroenergetycznych Katedry Elektroenergetyki Akademii Górniczo-Hutniczej w Krakowie.
    Power distribution networks are an important element of the Electric Power System. The problems of optimal development and effective utilization of these networks is subject of works realized in many research institutes. In the paper there are presented selected results of scientific research realized in the Networks and Power Systems Laboratory of Department of Electrical Power AGH University of Science and Technology.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 3, 3; 123-130
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-12 z 12

      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