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 "intelligent algorithm" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
Wyświetlanie 1-10 z 29
Tytuł:
Intelligent control algorithm for ship dynamic positioning
Autorzy:
Meng, W.
Sheng, L. H.
Qing, M.
Rong, B. G.
Powiązania:
https://bibliotekanauki.pl/articles/229337.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
dynamic positioning
fuzzy control
neural network control
BP algorithm
Opis:
Ship motion in the sea is a complex nonlinear kinematics. The hydrodynamic coefficients of ship model are very difficult to accurately determine. Establishing accurate mathematical model of ship motion is difficult because of changing random factors in the marine environment. Aiming at seeking a method of control to realize ship positioning, intelligent control algorithms are adopt utilizing operator's experience. Fuzzy controller and the neural network controller are respectively designed. Through simulations and experiments, intelligent control algorithm can deal with the complex nonlinear motion, and has good robustness. The ship dynamic positioning system with neural network control has high positioning accuracy and performance.
Źródło:
Archives of Control Sciences; 2014, 24, 4; 479-497
1230-2384
Pojawia się w:
Archives of Control Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Man-algorithm Cooperation Intelligent Design of Clothing Products in Multi Links
Autorzy:
Han, Chen
Lei, Shen
Shaogeng, Zhang
Mingming, Wang
Ying, Tang
Powiązania:
https://bibliotekanauki.pl/articles/2056307.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
intelligent algorithm
cooperation
clothing design
machine learning
efficiency
Opis:
The changes in technology have led to a synchronous change in the clothing design method, as well as media and artistic aesthetics in the same period. The intelligence algorithm is constantly increasing its participation in development and production in the clothing industry. In this study, a variety of intelligent algorithms, including the parameterised numer state algorithm, Generative Adversarial Networks, and style transfer were introduced into the multi-links of clothing product design and development, such as clothing shape, print pattern, texture craft, product vision, and so on. Then, an innovative clothing design method based on the cooperation of the intelligent algorithm and various human functional roles was constructed. The method improves the efficiency of the multiple links of clothing design, such as generating 10000 printing patterns every 72.12 seconds, and completing the migration of 92.7 frames of the garment process style every second. To a certain extent, this study realizes the scale economy of clothing design and reduces its marginal cost through the unlimited computing power brought about by Moore’s law of digital technology, which provides a reference for the exploration of clothing design in the era of industry 4.0.
Źródło:
Fibres & Textiles in Eastern Europe; 2022, 1 (151); 59--66
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Combined modelling for iron ore demand forecasting with intelligent optimization algorithms
Modelowanie do prognozowania popytu na rudę żelaza połączone z inteligentnymi algorytmami optymalizacji
Autorzy:
Ren, Min
Dai, Jianyong
Zhu, Wancheng
Dai, Feng
Powiązania:
https://bibliotekanauki.pl/articles/1849613.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
iron ore demand
combined model
intelligent optimization algorithm
forecasting accuracy
ruda żelaza
model połączony
inteligentny algorytm optymalizacji
dokładność prognozowania
Opis:
The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.
Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.
Źródło:
Gospodarka Surowcami Mineralnymi; 2021, 37, 1; 21-38
0860-0953
Pojawia się w:
Gospodarka Surowcami Mineralnymi
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Combined modelling for iron ore demand forecasting with intelligent optimization algorithms
Modelowanie do prognozowania popytu na rudę żelaza połączone z inteligentnymi algorytmami optymalizacji
Autorzy:
Ren, Min
Dai, Jianyong
Zhu, Wancheng
Dai, Feng
Powiązania:
https://bibliotekanauki.pl/articles/1849620.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
iron ore demand
combined model
intelligent optimization algorithm
forecasting accuracy
ruda żelaza
model połączony
inteligentny algorytm optymalizacji
dokładność prognozowania
Opis:
The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.
Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.
Źródło:
Gospodarka Surowcami Mineralnymi; 2021, 37, 1; 21-38
0860-0953
Pojawia się w:
Gospodarka Surowcami Mineralnymi
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Finding frequent items: novel method for improving Apriori algorithm
Autorzy:
Karimtabar, Noorollah
Fard, Mohammad Javad Shayegan
Powiązania:
https://bibliotekanauki.pl/articles/27312914.pdf
Data publikacji:
2022
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
apriori algorithm
frequent itemset
intelligent method
Opis:
In this paper, we use an intelligent method for improving the Apriori algorithm in order to extract frequent itemsets. PAA (the proposed Apriori algorithm) pursues two goals: first, it is not necessary to take only one data item at each step – in fact, all possible combinations of items can be generated at each step; and second, we can scan only some transactions instead of scanning all of the transactions to obtain a frequent itemset. For performance evaluation, we conducted three experiments with the traditional Apriori, BitTableFI, TDM-MFI, and MDC-Apriori algorithms. The results exhibited that the algorithm execution time was significantly reduced due to the significant reduction in the number of transaction scans to obtain the itemset. As in the first experiment, the time that was spent to generate frequent items underwent a reduction of 52% as compared to the algorithm in the first experiment. In the second experiment, the amount of time that was spent was equal to 65%, while in the third experiment, it was equal to 46%.
Źródło:
Computer Science; 2022, 23 (2); 161--177
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Research on intelligent avoidance method of shipwreck based on bigdata analysis
Autorzy:
Li, W.
Huang, Q.
Powiązania:
https://bibliotekanauki.pl/articles/260002.pdf
Data publikacji:
2017
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
big data analysis
shipwreck
intelligent avoidance
genetic algorithm
Opis:
In order to solve the problem that current avoidance method of shipwreck has the problem of low success rate of avoidance, this paper proposes a method of intelligent avoidance of shipwreck based on big data analysis. Firstly,our method used big data analysis to calculate the safe distance of approach of ship under the head-on situation, the crossing situation and the overtaking situation.On this basis, by calculating the risk-degree of collision of ships,our research determined the degree of immediate danger of ships.Finally, we calculated the three kinds of evaluation function of ship navigation, and used genetic algorithm to realize the intelligent avoidance of shipwreck.Experimental result shows that compared the proposed method with the traditional method in two in a recent meeting when the distance to closest point of approach between two ships is 0.13nmile, they can effectively evade.The success rate of avoidance is high.
Źródło:
Polish Maritime Research; 2017, S 3; 113-120
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Simulation on vessel intelligent collision avoidance based on artificial fish swarm algorithm
Autorzy:
Li, W.
Ma, W.
Powiązania:
https://bibliotekanauki.pl/articles/260153.pdf
Data publikacji:
2016
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
simulation
collision avoidance
artificial fish swarm algorithm
Opis:
TAs the rapid development of the ship equipments and navigation technology, vessel intelligent collision avoidance theory was researched world widely. Meantime, more and more ship intelligent collision avoidance products are put into use. It not only makes the ship much safer, but also lighten the officers work intensity and improve the ship’s economy. The paper based on the International Regulation for Preventing Collision at sea and ship domain theories, with the ship proceeding distance when collision avoidance as the objective function, through the artificial fish swarm algorithm to optimize the collision avoidance path, and finally simulates overtaking situation, crossing situation and head-on situation three classic meeting situation of ships on the sea by VC++ computer language. Calculation and simulation results are basically consistent with the actual situation which certifies that its validity.
Źródło:
Polish Maritime Research; 2016, S 1; 138-143
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
AI-based Yolo v4 intelligent traffic light control system
Autorzy:
Prathap, Boppuru Rudra
Kumar, Kukatlapalli Pradeep
Chowdary, Cherukuri Ravindranath
Hussain, Javid
Powiązania:
https://bibliotekanauki.pl/articles/27314354.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
traffic jam
traffic light system
traffic management
intelligent monitoring
signal switching algorithm
artificial intelligence
Opis:
With the growing number of city vehicles, traffic management is becoming a persistent challenge. Traffic bottlenecks cause significant disturbances in our everyday lives and raise stress levels, negatively impacting the environment by increasing carbon emissions. Due to the population increase, megacities are experiencing severe challenges and significant delays in their day-to-day activities related to transportation. An intelligent traffic management system is required to assess traffic density regularly and take appropriate action. Even though separate lanes are available for various vehicle types, wait times for commuters at traffic signal points are not reduced. The proposed methodology employs artificial intelligence to collect live images from signals to address this issue in the current system. This approach calculates traffic density, utilizing the image processing technique YOLOv4 for effective traffic congestion management. The YOLOv4 algorithm produces better accuracy in the detection of multiple vehicles. Intelligent monitoring technology uses a signal-switching algorithm at signal intersections to coordinate time distribution and alleviate traffic congestion, resulting in shorter vehicle waiting times.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2022, 16, 4; 53--61
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Automatic driving comfort analysis and intelligent identification of uncomfortable manoeuvres based on vehicle-following scenario
Autorzy:
Feng, Jiacheng
Powiązania:
https://bibliotekanauki.pl/articles/2086975.pdf
Data publikacji:
2022
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
automatic driving
driving comfort
evaluation algorithm
wavelet filtering
neural network
Opis:
Driving comfort and performance is of vital importance to evaluate the control quality of an automatic driving system. The control quality and calibration of the automatic driving system not only affects comfort but also psychological load and tension. Therefore, this paper proposed an analysis method of driving comfort combined with subjective and objec- tive factors, including multidimensional analysis based on the velocity domain, acceleration energy and power analysis, perceived risk and deviation analysis. Moreover, the feature of typical uncomfortable manoeuvres is analysed and generates an intelligent identification al- gorithm. It has been found that the uncomfortable identification performance is excellent (the accuracy reached 99%).
Źródło:
Journal of Theoretical and Applied Mechanics; 2022, 60, 2; 303--316
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of Intelligent Control Methods for the Ore Jigging Process
Autorzy:
Kulakova, Yelena
Wójcik, Waldemar
Suleimenov, Batyrbek
Smolarz, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/1844513.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
neural network
ore jiggling
control algorithm
fuzzy logic
correlation
Opis:
Efficient control of the process of jigging ore of small and fine grain allows avoiding the loss of valuable material in production residual. Due to the multi-dimensionality and multi-connectivity of this enrichment process, classical control methods do not allow achieving the maximum technological indicators of enrichment. This paper proposes investigating intelligent algorithms for controlling the jigging process, which determine the key variables - the level of the natural «bed» and the ripple frequency of the jigging machine. Algorithms are developed using fuzzy logic, neural and hybrid networks. The adequacy of intelligent algorithms was evaluated using the following criteria: correlation of expert and model values (R); Root Mean Square Error (RMSE); Mean absolute percentage error (MAPE). To assess the adequacy of the obtained algorithms, a test sample of input variables, different from the training one, was compiled. As a consequence, we determined an algorithm that gives a minimal discrepancy between the calculated and experimental data.
Źródło:
International Journal of Electronics and Telecommunications; 2021, 67, 3; 529-534
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-10 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