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 "neuro-fuzzy system" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 29
Tytuł:
Gas turbine vibration monitoring based on real data and neuro-fuzzy system
Autorzy:
Nail, Bachir
Djaidir, Benrabeh
Tibermacine, Imad Eddine
Napoli, Christian
Haidour, Nabil
Abdelaziz, Rabehi
Powiązania:
https://bibliotekanauki.pl/articles/27313823.pdf
Data publikacji:
2024
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
vibration analysis
gas turbine
centrifugal compressor
neuro-fuzzy system
ANFIS
Opis:
The gas turbine is considered to be a very complex piece of machinery because of both its static structure and the dynamic behavior that results from the occurrence of vibration phenomena. It is required to adopt monitoring and diagnostic procedures for the identification and localization of vibration flaws in order to ensure the appropriate operation of large rotating equipment such as gas turbines. This is necessary in order to avoid catastrophic failures and deterioration and to ensure that proper operation occurs. Utilizing an approach that is based on spectrum analysis, the purpose of this study is to provide a model for the monitoring and diagnosis of vibrations in a GE MS3002 gas turbine and its driven centrifugal compressor. This will be done by utilizing the technique. Following that, the collection of vibration measurements for a model of the centrifugal compressor served as a suggestion for an additional method. This method is based on the neuro-fuzzy approach type ANFIS, and it aims to create an equivalent system that is able to make decisions without consulting a human being for the purpose of detecting vibratory defects. In spite of the fact that the compressor that was investigated has flaws, this procedure produced satisfactory results.
Źródło:
Diagnostyka; 2024, 25, 1; art. no. 202410
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An outlier-robust neuro-fuzzy system for classification and regression
Autorzy:
Siminski, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/1838201.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
outliers
neuro-fuzzy system
clustering algorithm
regression
wyjątki
system neurorozmyty
algorytm grupowania
Opis:
Real life data often suffer from non-informative objects—outliers. These are objects that are not typical in a dataset and can significantly decline the efficacy of fuzzy models. In the paper we analyse neuro-fuzzy systems robust to outliers in classification and regression tasks. We use the fuzzy c-ordered means (FCOM) clustering algorithm for scatter domain partition to identify premises of fuzzy rules. The clustering algorithm elaborates typicality of each object. Data items with low typicalities are removed from further analysis. The paper is accompanied by experiments that show the efficacy of our modified neuro-fuzzy system to identify fuzzy models robust to high ratios of outliers.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2021, 31, 2; 303-319
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of some problems of experimental mechanics and biomechanics by means the anfis neuro-fuzzy system
Autorzy:
Waszczyszyn, Z.
Słoński, M.
Powiązania:
https://bibliotekanauki.pl/articles/279788.pdf
Data publikacji:
2000
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
neuro-fuzzy system
vibration of buldings
proximal femurs
fracture toughness
experimental mechanics
Opis:
The Adaptive Neuro-Fuzzy Inference System (ANFIS) has been applied to the analysis of three problems: prediction of fundamental periods of vibrations of 5-storey prefabricated buildings, estimation of proximal femur strength, estimation of fracture toughness of dense concret. The results obtained by means of ANFIS are compared with those empirical formulae and forward neural networks. The ANFIS results have been proven to be superior.
Analiza wybranych zagadnień doświadczalnej mechaniki i biomechaniki za pomocą neuro-rozmytego systemu ANFIS. Adaptacyjny neuro-rozmyty system ANFIS został zastosowany do analizy trzech problemów: określenie podstawowych okresów drgań 5-piętrowych budynków prefabrykowanych, określenie wytrzymałości górnej części kości udowych oraz oszacowanie odporności na zniszczenie betonów ciężkich. Wyniki otrzymane za pomocą systemu ANFIS porównano z wynikami, jakie dają wzory empiryczne i jednokierunkowe sieci neuronowe. Wykazano, że najlepszą dokładność daje system ANFIS.
Źródło:
Journal of Theoretical and Applied Mechanics; 2000, 38, 2; 429-445
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of incomplete data handling techniques for neuro-fuzzy systems
Autorzy:
Sikora, M.
Simiński, K.
Powiązania:
https://bibliotekanauki.pl/articles/305722.pdf
Data publikacji:
2014
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
incomplete data
marginalization
imputation
neuro-fuzzy system
ANNBFIS
PDS
IFCM
OCS
NPS
Opis:
Real-life data sets sometimes miss some values. The incomplete data needs specialized algorithms or preprocessing that allows the use of the algorithms for complete data. The paper presents a comparison of various techniques for handling incomplete data in the neuro-fuzzy system ANNBFIS. The crucial procedure in the creation of a fuzzy model for the neuro-fuzzy system is the partition of the input domain. The most popular approach (also used in the ANNBFIS) is clustering. The analyzed approaches for clustering incomplete data are: preprocessing (marginalization and imputation) and specialized clustering algorithms (PDS, IFCM, OCS, NPS). The objective of our research is the comparison of the preprocessing techniques and specialized clustering algorithms to find the the most-advantageous technique for handling incomplete data with a neuro-fuzzy system. This approach is also the indirect validation of clustering.
Źródło:
Computer Science; 2014, 15 (4); 441-458
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuro-fuzzy control of a robotic manipulator
Autorzy:
Gierlak, P.
Muszyńska, M.
Żylski, W.
Powiązania:
https://bibliotekanauki.pl/articles/955199.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
manipulator
sztuczna inteligencja
sieci neuronowe
robot
robotic manipulator
force control
neuro-fuzzy system
Opis:
In this paper, to solve the problem of control of a robotic manipulator’s movement with holonomical constraints, an intelligent control system was used. This system is understood as a hybrid controller, being a combination of fuzzy logic and an artificial neural network. The purpose of the neuro-fuzzy system is the approximation of the nonlinearity of the robotic manipulator’s dynamic to generate a compensatory control. The control system is designed in such a way as to permit modification of its properties under different operating conditions of the two-link manipulator.
Źródło:
International Journal of Applied Mechanics and Engineering; 2014, 19, 3; 575-584
1734-4492
2353-9003
Pojawia się w:
International Journal of Applied Mechanics and Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of Fuzzy System with Neural Aggregation FSNA with classical TSK fuzzy system in anti-collision problem of USV
Autorzy:
Szymak, P.
Powiązania:
https://bibliotekanauki.pl/articles/260160.pdf
Data publikacji:
2017
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
neuro-fuzzy system
neural aggregation of fuzzy rules
cooperative co-evolution
anti-collision of USV
Opis:
The paper presents the research whose the main goal was to compare a new Fuzzy System with Neural Aggregation of fuzzy rules FSNA with a classical Takagi-Sugeno-Kanga TSK fuzzy system in an anti-collision problem of Unmanned Surface Vehicle USV. Both systems the FSNA and the TSK were learned by means of Cooperative Co-evolutionary Genetic Algorithm with Indirect Neural Encoding CCGA-INE. The paper includes an introduction to the subject, a description of the new FSNA and the tuning method CCGA-INE, and at the end, numerical research results with a summary. The research includes comparison of the FSNA with the classical TSK system in the anti-collision problem of the USV.
Źródło:
Polish Maritime Research; 2017, 3; 3-14
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
GrNFS: A granular neuro-fuzzy system for regression in large volume data
Autorzy:
Siminski, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/2055169.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
granular computing
neuro-fuzzy system
large volume data
machine learning
przetwarzanie ziarniste
system neurorozmyty
uczenie maszynowe
Opis:
Neuro-fuzzy systems have proved their ability to elaborate intelligible nonlinear models for presented data. However, their bottleneck is the volume of data. They have to read all data in order to produce a model. We apply the granular approach and propose a granular neuro-fuzzy system for large volume data. In our method the data are read by parts and granulated. In the next stage the fuzzy model is produced not on data but on granules. In the paper we introduce a novel type of granules: a fuzzy rule. In our system granules are represented by both regular data items and fuzzy rules. Fuzzy rules are a kind of data summaries. The experiments show that the proposed granular neuro-fuzzy system can produce intelligible models even for large volume datasets. The system outperforms the sampling techniques for large volume datasets.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2021, 31, 3; 445--459
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie dwurotorowego systemu aerodynamicznego z wykorzystaniem systemu neurorozmytego
Modeling of Two Rotor Aerodynamical System Using the Neuro-Fuzzy System
Autorzy:
Woźnica, P.
Powiązania:
https://bibliotekanauki.pl/articles/277571.pdf
Data publikacji:
2014
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
TRAS
dwurotorowy system aerodynamiczny
system neurorozmyty
estymacja stanu
Two Rotor Aerodynamical System
neuro-fuzzy system
state estimation
ANFIS
Opis:
W artykule przedstawiono propozycję modelu neurorozmytego dla złożonego obiektu nieliniowego. Ze względu na osobliwości modeli analitycznych, zasugerowano strukturę rozmytą z adaptacyjnym doborem parametrów. Opracowano koncepcję adaptacyjnego obserwatora rozmytego, działającego na podstawie stworzonego modelu neurorozmytego. Dokonano oceny efektywności modelu i estymatora adaptacyjnego pod względem złożoności konstrukcji i nakładu obliczeniowego. Procedura implementacji modelu została przeprowadzona z użyciem środowiska obliczeniowego MATLAB.
The paper presents a proposal neurofuzzy model for complex nonlinear plant. Due to the peculiarities of analytical models, suggested fuzzy structure with adaptive selection of parameters. The concept of adaptive fuzzy observer, operating on the basis of created of neurofuzzy model. An evaluation of the effectiveness of the model and adaptive estimator in terms of the complexity of the design and computational effort has been made. Implementations of the model were carried out based on MATLAB environment tools.
Źródło:
Pomiary Automatyka Robotyka; 2014, 18, 6; 86-91
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Forecasting the Flow Coefficient of the River Basin Using Adaptive Fuzzy Inference System and Fuzzy SMRGT Method
Autorzy:
Gunal, Ayse Yeter
Mehdi, Ruya
Powiązania:
https://bibliotekanauki.pl/articles/27323840.pdf
Data publikacji:
2023
Wydawca:
Polskie Towarzystwo Inżynierii Ekologicznej
Tematy:
ANFIS
adaptive neuro-fuzzy inference system
SMRGT
flow coefficient
fuzzy logic
surface water
Opis:
In hydrology and water resources engineering, predicting the flow coefficient is a crucial task that helps estimate the precipitation resulting in a surface flow. Accurate flow coefficient prediction is essential for efficient water management, flood control strategy development, and water resource planning. This investigation calculated the flow coefficient using models based on Simple Membership functions and fuzzy Rules Generation Technique (SMRGT) and an Adaptive Neuro-Fuzzy Inference System (ANFIS) model. The fuzzy logic methods are used to model the intricate connections between the inputs and the output. Statistical parameters such as the coefficient of determination (R2), the root mean square error (RMSE), the mean absolute error (MAE), and the mean absolute percentage error (MAPE) were used to evaluate the performance of models. The statistical tests outcome for the SMRGT model was (RMSE:0.056, MAE:1.92, MAPE:6.88, R2:0.996), and for the ANFIS was (RMSE:0.96, MAE:2.703, MAPE:19.97, R2:0.8038). According to the findings, the SMRGT, a physics-based model, exhibited superior accuracy and reliability in predicting the flow coefficient compared to ANFIS. This is attributed to the SMRGT’s ability to integrate expert knowledge and domain-specific information, rendering it a viable solution for diverse issues.
Źródło:
Journal of Ecological Engineering; 2023, 24, 7; 96--107
2299-8993
Pojawia się w:
Journal of Ecological Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A hybrid cascade neuro-fuzzy network with pools of extended neo-fuzzy neurons and its deep learning
Autorzy:
Bodyanskiy, Yevgeniy V.
Tyshchenko, Oleksii K.
Powiązania:
https://bibliotekanauki.pl/articles/330840.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
data stream
membership function
training procedure
adaptive neuro-fuzzy system
extended neo-fuzzy neuron
strumień danych
funkcja przynależności
neuronowo rozmyty układ adaptacyjny
Opis:
This research contribution instantiates a framework of a hybrid cascade neural network based on the application of a specific sort of neo-fuzzy elements and a new peculiar adaptive training rule. The main trait of the offered system is its competence to continue intensifying its cascades until the required accuracy is gained. A distinctive rapid training procedure is also covered for this case that offers the possibility to operate with non-stationary data streams in an attempt to provide online training of multiple parametric variables. A new training criterion is examined for handling non-stationary objects. Additionally, there is always an occasion to set up (increase) the inference order and the number of membership relations inside the extended neo-fuzzy neuron.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2019, 29, 3; 477-488
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A new intelligentapproach in predictive maintenance of separation system
Autorzy:
Marichal, G. N.
Ávila, D.
Hernández, A.
Padrón, I.
Powiązania:
https://bibliotekanauki.pl/articles/116306.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
Tematy:
marine fuel separators
separation system
predictive maintenance
greenhouse gas (GHG)
Fast Fourier Transformation (FFT)
genetic neuro-fuzzy system
genetic algorithm
supervised learning
Opis:
Reducing contaminant emissions is an important task of any industry, included the maritime one. In fact, in April 2018, IMO (International Maritime Organization) adopted an Initial Strategy on reduction of Greenhouse gas (GHG) emissions from ships. An essential part responsible for producing these emissions is the diesel engine. For that reason vessels include separation systems for heavy fuel oils. The purpose of this work is to improve the predictive maintenance techniques incorporating new intelligent approaches. An analysis of vibrations of this separation system was made and their characteristics were used in a Genetic Neuro-Fuzzy System in order to design an intelligent maintenance based on condition monitoring. The achieved results show that the proposed method provides an improvement since it indicates if a maintenance operation is necessary before the schedule one or if it could be possible extend the next maintenance service.
Źródło:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2020, 14, 2; 385-390
2083-6473
2083-6481
Pojawia się w:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of littoral drift with adaptive neuro-fuzzy inference system
Ocena dryfu morskiego z wykorzystaniem systemu ANFIS [Adaptive Neuro-Fuzzy Inference System]
Autorzy:
Sabet, M S
Naseri, M.A.
Sabet, H.S.
Powiązania:
https://bibliotekanauki.pl/articles/81613.pdf
Data publikacji:
2010
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
littoral sand drift
coastal zone
adaptive neuro-fuzzy inference system
validation
physical process
database
Opis:
The amount of sand moving parallel to a coastline forms a prerequisite for many harbor design projects. Such information is currently obtained through various empirical formulae. Despite so many works in the past, an accurate and reliable estimation of the rate of sand drift has still remained a problem. It is a non-linear process and can be described by chaotic time-series. The current study addresses this issue through the use of Adaptive Neuro-Fuzzy Inference System (ANFIS). ANFIS is about taking an initial fuzzy inference system (FIS) and tuning it with a back propagation algorithm based on the collection of input-output data. ANFIS was developed to predict the sand drift from a variety of causative variables. The structure and algorithm of ANFIS for predicting the rate of sand drift is described. The Adaptive Neuro-Fuzzy Inference System was validated by confi rming its consistency with a database of specifi ed physical process.
W artykule przedstawiono adaptację systemu ANFIS do oceny wielkości dryfu fal piaskowych poruszających się wzdłuż wybrzeża morskiego. Pomimo wielu informacji o charakterze ilościowym oraz jakościowym zebranych w badaniach terenowych oraz opracowanych wzorów empirycznych opisujących analizowane zjawisko, autorzy widzą potrzebę stosowania symulacji zjawiska za pomocą metod numerycznych. Takie możliwości daje omówiony w pracy system ANFIS.
Źródło:
Annals of Warsaw University of Life Sciences - SGGW. Land Reclamation; 2010, 42, 1; 159-167
0208-5771
Pojawia się w:
Annals of Warsaw University of Life Sciences - SGGW. Land Reclamation
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
New Methods for Designing and Reduction of Neuro-Fuzzy Systems
Autorzy:
Cpałka, K.
Powiązania:
https://bibliotekanauki.pl/articles/108790.pdf
Data publikacji:
2010
Wydawca:
Społeczna Akademia Nauk w Łodzi
Tematy:
algorithm of best global eliminations
algorithm of best local eliminations
consecutive eliminations algorithm
consecutive mergings algorithm
interpretability
logical approach
neuro-fuzzy system
Opis:
In the paper, we propose novel methods for designing and reduction of neuro-fuzzy systems without the deterioration of their accuracy. The reduction and merging algorithms gradually eliminate inputs, rules, antecedents, and the number of discretization points of integrals in the center of area defuzzification method. Our algorithms have been tested using well known classification benchmark.
Źródło:
Journal of Applied Computer Science Methods; 2010, 2 No. 2; 113-126
1689-9636
Pojawia się w:
Journal of Applied Computer Science Methods
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Intelligent financial time series forecasting: A complex neuro-fuzzy approach with multi-swarm intelligence
Autorzy:
Li, C.
Chiang, T. W.
Powiązania:
https://bibliotekanauki.pl/articles/331280.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
zbiór rozmyty
system neuronowo-rozmyty
optymalizacja rojem cząstek
szereg czasowy
complex fuzzy set
complex neuro fuzzy system
hierarchical multi swarm
particle swarm optimization (PSO)
recursive least squares estimator
time series forecasting
Opis:
Financial investors often face an urgent need to predict the future. Accurate forecasting may allow investors to be aware of changes in financial markets in the future, so that they can reduce the risk of investment. In this paper, we present an intelligent computing paradigm, called the Complex Neuro-Fuzzy System (CNFS), applied to the problem of financial time series forecasting. The CNFS is an adaptive system, which is designed using Complex Fuzzy Sets (CFSs) whose membership functions are complex-valued and characterized within the unit disc of the complex plane. The application of CFSs to the CNFS can augment the adaptive capability of nonlinear functional mapping, which is valuable for nonlinear forecasting. Moreover, to optimize the CNFS for accurate forecasting, we devised a new hybrid learning method, called the HMSPSO-RLSE, which integrates in a hybrid way the so-called Hierarchical Multi-Swarm PSO (HMSPSO) and the well known Recursive Least Squares Estimator (RLSE). Three examples of financial time series are used to test the proposed approach, whose experimental results outperform those of other methods.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 787-800
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie ANFIS w analizie wyników badań gruntów
Application of the ANFIS to analysis of results from soil testings
Autorzy:
Daniszewska, E
Powiązania:
https://bibliotekanauki.pl/articles/391234.pdf
Data publikacji:
2014
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
adaptacyjny system neuronowo-rozmyty
logika rozmyta
trójosiowe badanie gruntu
prędkość ścinania
adaptive neuro-fuzzy inference system
fuzzy logic
soil triaxial testing
shear speed
Opis:
Adaptacyjny system wnioskowania neuronowo-rozmytego ANFIS (Adaptive Neuro-Fuzzy Inference System) w programie Matlab posłużył modelowaniu i określaniu relacji między prędkością ścinania a parametrami wytrzymałościowymi gruntu. Sprawdzono możliwości i umiejętności narzędzia ANFIS w interpretacji wyników badań trójosiowego ściskania iłów pobranych z okolic Olsztyna. Model neuronowo-rozmyty został zbudowany na podstawie zbioru wartości, którymi dysponowano po szeregu badań eksperymentalnych, łącznie z wartościami parametrów wytrzymałościowych gruntu na ścinanie. Baza danych wykorzystana do modelowania neuronowo-rozmytego składa się z 6 różnych parametrów gruntowych dla każdej z 12 prędkości ścinania stosowanych podczas badań trójosiowych. Umiejętność uczenia zweryfikowano na bazie danych testowych - model neuronowo-rozmyty zbudowany został z zestawów szkoleniowych, a dokładność została zweryfikowana przez zestawy testów, z którymi model miał do czynienia po raz pierwszy. Wyniki z modelu ANFIS nie odbiegały znacznie od tych, które zostały uzyskane bezpośrednio z badań fizycznych. System ANFIS okazał się narzędziem niezwykle uniwersalnym i nieskomplikowanym w obsłudze. Pozwolił uwzględnić wieloaspektowość wzajemnych relacji parametrów gruntowych.
The article was analyzed in order to test applicability and capability of the ANFIS tool used for interpretation of results of triaxial shear tests on loamy soils sampled near Olsztyn. The ANFIS system in the Matlab software programme was used to model and determine relationships between the shear stress and soil resistance parameters in a triaxial shear test apparatus. It has been demonstrated that the achieved shear strength parameters are significantly affected by the variables tested during the triaxial experiments and physical parameters of a given soil sample, but also by the loading increment rate during the tests. It is extremely important to adjust the rate of loading during a test according to the preliminary characterization of a tested ground sample so as to have some control over the obtained ground strength parameters. The neuro-fuzzy model has been constructed based on a set of values obtained after a series of experimental tests, including values of ground shear strength parameters. The database used for the neuro-fuzzy modelling consisted of 6 different ground parameters for each of the 12 shear stress rates applied during the triaxial tests. The learnability was verified on a database composed of the test results – a neuro-fuzzy model was built from learning sets and its accuracy was verified by sets of tests to which the model was applied for the first time. The results obtained from the ANFIS model did not diverge substantially from the ones obtained directly by performing the physical tests. The ANFIS proved to be highly universal and easy to operate. It accounted for the multi-faceted nature of interrelationships between ground parameters.
Źródło:
Budownictwo i Architektura; 2014, 13, 2; 7-15
1899-0665
Pojawia się w:
Budownictwo i Architektura
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 29

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