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 ""Sztuczna sieć neuronowa"" wg kryterium: Wszystkie pola

  Lista filtrów

Dostawca treści

Podbaza

Wyrównaj
Wyświetlanie 1-15 z 205
Tytuł:
Algorytm uczący sztuczną sieć neuronową zbudowany w języku VBA for Excel
Learning algorithm constructed an artificial neural network in VBA for Excel
Autorzy:
Zajkowski, K.
Duer, S.
Powiązania:
https://bibliotekanauki.pl/articles/253605.pdf
Data publikacji:
2012
Wydawca:
Instytut Naukowo-Wydawniczy TTS
Tematy:
algorytm
sztuczna sieć neuronowa
VBA for Excel
algorithm
artificial neural network
Opis:
W artykule przedstawiono realizację sztucznej sieci neuronowej przedstawionej teoretycznie w poprzednim artykule w tej publikacji. Zadaniem sieci jest wyznaczenie rozwiązania równań zawierających współczynniki niezdefiniowane liczbowo, lecz obszarowo. Położenie obszaru zależy od mierzonych wartości elektrycznych oraz od dokładności pomiarowych. Dla pewnych wartości współczynników układu równań nie istnieją funkcje odwrotne równań wejściowych. W tym przypadku niemożliwe jest wyznaczenie rozwiązania układu równań metodami klasycznymi.
This paper presents the implementation of artificial neural network theory, which is presented in previous publication. The network is determine solutions of equations containing coefficients undefined numerically, but sectorally. The location of this area depends on the measured values, and the accuracy of electrical measurements. For certain values of the coefficients of the equations are not inverse functions of input equations. In this case, it is impossible to determine a solution of the equations of classical methods.
Źródło:
TTS Technika Transportu Szynowego; 2012, 9; 531-539, CD
1232-3829
2543-5728
Pojawia się w:
TTS Technika Transportu Szynowego
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Kwantowa sztuczna sieć neuronowa. Część 1. Metoda i wyniki obliczeń
A systemic artificial neural network inspired with quantum technology. Part 1. The method of conducting quantum calculations
Autorzy:
Tchórzewski, J.
Ruciński, D.
Powiązania:
https://bibliotekanauki.pl/articles/376428.pdf
Data publikacji:
2018
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
dekwantyzacja
kwantyzacja
obliczenia kwantowe
robot PR-02
sztuczna sieć neuronowa
Opis:
W artykule zamieszczono wybrane wyniki badań dotyczące inspirowania sztucznej sieci neuronowej metodami informatyki kwantowej. Zwrócono uwagę na kwantyzację i dekwantyzację liczb rzeczywistych na liczby kwantowe, co związane było m.in. z wykorzystaniem pojęcia kwantowej liczby mieszanej. Do zwiększenia dokładności obliczeń zaproponowano systemową sztuczną sieć neuronową inspirowaną metodami informatyki kwantowej. Wyniki badań teoretycznych zinterpretowano na konkretnych przykładach liczbowych. Artykuł jest kontynuowany w pracy pod tym samym tytułem głównym i podtytułem: Część 2. Model ruchu robota PR-02.
The article presents selected results of the study of the possibility of inspiring the artificial neural network with the methods of quantum computing. Attention was paid to the quantization and dequantization of real numbers to quantum numbers, which was related to using the quantum concept of a mixed number. Attention was also paid to various methods of conducting quantum computations, including a systemic method using an artificial neural network, and on this basis an algorithm for conducting quantum computations was proposed. Theoretical remarks were interpreted on specific numerical examples.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2018, 96; 21-31
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Kwantowa sztuczna sieć neuronowa. Część 2. Model ruchu ramienia robota PR-02
Thea systemic artificial neural network inspired with quantum technology. Part 2. The model of the robot movement PR-02
Autorzy:
Tchórzewski, J.
Domański, P.
Powiązania:
https://bibliotekanauki.pl/articles/376434.pdf
Data publikacji:
2018
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
dekwantyzacja
kwantyzacja
obliczenia kwantowe
robot PR-02
sztuczna sieć neuronowa
Opis:
Artykuł jest kontynuacją pracy pod tym samym tytułem głównym i podtytułem: Część 1. Obliczenia kwantowe. W niniejszej pracy zamieszczono wybrane elementy metody i algorytmu dotyczącego inspirowania modelu neuralnego ruchu robota PR-02 za pomocą rozwiązań informatyki kwantowej. Zwrócono uwagę na występujące problemy w zakresie przeprowadzania obliczeń kwantowych na komputerach klasycznych. Pokazano, że można przeprowadzać kwantyzację, obliczenia kwantowe i dekwantyzację na komputerze klasycznym, co wiąże się z wydłużeniem obliczeń neuronalnych. Dla założonej liczby 1 000 quasi równoległych obliczeń nie uzyskano poprawy przebiegu trajektorii, ale uzyskano bardziej precyzyjny punkt startu i punkt docelowy ruchu ramienia robota PR-02. Badania są kontynuowane dla 10 000 quasi równoległych obliczeń, co na klasycznych komputerach wymaga znacznie dłuższego czasu obliczeń.
The article is a continuation of the work under the same main title and subtitle: Part 1. Quantum calculations. This paper presents selected elements of the method and algorithm for inspiring the PR-02 robot's neural motion model with the help of quantum computing solutions. Attention was paid to the problems occurring in the field of quantum computing on classical computers. It has been shown that quantization, quantum computation and dequantization on a classical computer can be performed, which is associated with the prolongation of neuronal calculations. For the assumed number of 1 000 quasi parallel calculations, no improvement in the path trajectory was achieved, but a more precise starting point and target point of the robot arm movement PR-02 were obtained. The research is continued for 10,000 quasi parallel computations, which requires much longer calculation time on classic computers.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2018, 96; 33-45
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Aktywna kompensacja falowania w urządzeniu offshore przy sterowaniu wykorzystującym sztuczną sieć neuronową
Active heave compensation in offshore equipment with a neural network based control system
Autorzy:
Szczotka, M.
Powiązania:
https://bibliotekanauki.pl/articles/155131.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
układ aktywnej kompensacji (AHC)
napęd aktywny
urządzenia offshore
sztuczna sieć neuronowa
active heave compensation
active drive
offshore machinery
artificial neural networks
Opis:
W artykule przedstawiono przykładowe rozwiązanie układu kompensującego ruchy statku wywołane falowaniem morskim. Zastosowano sterowanie w układzie zamkniętym, wykorzystując przy tym sztuczne sieci neuronowe. W analizowanym systemie lina jest prowadzona z wciągarki umiejscowionej na pokładzie jednostki, poprzez system krążków na A-ramie. Kompensacja ruchów statku bądź platformy umożliwia precyzyjne umieszczanie ładunku na dnie morza. Głównym komponentem odpowiedzialnym za eliminację ruchu ładunku jest system AHC wykorzystujący specjalny siłownik poruszający krążki i zmieniający długość liny. Zaproponowano prosty model umożliwiający symulacje układu w warunkach falowania oraz przeprowadzono przykładowe obliczenia.
An offshore equipment with heave compensation system is presented in the paper. A simplified mathematical model allows studying the motion of the load when lowering towards seabed. During wavy sea, the load oscillations generated by a moving base (vessel, platform) make it very difficult to install a subsea unit on the seabed. Costly equipment has to be treated in a special way: an AHC system must be used in order to prevent the modules from damage. An example system presented is based on an A-frame, mounted in mid-ship over the moon pool and a winch system. In-line mounted compensator on the cross beam is considered. The rope length is controlled by application of a set of moving sheaves. Lagrange equations of the second order are applied in order to derive the equations of motion. The load is assumed to be a point mass, having three degrees of freedom. The rope model takes into account stiffness and damping. Motion of the vessel is assumed to be known. Dynamic optimisation enabling determination of the drive functions is defined. The optimal drive function realises the desired motion of the compensation cylinder, which minimises the load movement. Even for a simple and very efficient model, it is not possible to find an optimal course of AHC cylinder stroke in real-time. Therefore the optimisation is used further to generate a set of basic functions minimising the load movement for a defined weather window. A neural network is introduced, having used the generated base as learning data for the network teaching process. Then the neural network can be applied to simulations as an open loop controller, thanks to generalisation properties of the network. In order to improve the quality of compensation, a closed loop control system composed of a digital PID controller and the neural network is applied. Some numerical results are presented. The method de-scribed can be used in real-time, thus it is possible to implement it in practice.
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 6, 6; 593-596
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 205

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