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: Wszystkie pola

  Lista filtrów
Wyrównaj
Wyświetlanie 1-100 z 120
Tytuł:
The neural modelling in chosen task of Electric Power Stock Market
Autorzy:
Ruciński, D.
Powiązania:
https://bibliotekanauki.pl/articles/92914.pdf
Data publikacji:
2017
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
neural modelling
neural network
electric power stock market
Opis:
The work contains selected results of the neural modelling for the Electric Power Exchange (EPE) for the Day Ahead Market (DAM). The paper contains description of the neural modelling method, the way of preparing (pre-processing) data used for leaning of Artificial Neural Network (ANN), description of achieved neural models of EPE, the comparative study results and the sensitivity study results. The results which was obtained was interpreted and discussed in the systemic category.
Źródło:
Studia Informatica : systems and information technology; 2017, 1-2(21); 63-83
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Cluster analysis as a preliminary problem in neural modelling of the Polish Power Exchange
Autorzy:
Tchórzewski, Jerzy
Jezierski, Jakub
Powiązania:
https://bibliotekanauki.pl/articles/94965.pdf
Data publikacji:
2019
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
artificial self-organizing neural networks
business intelligence
cluster analysis
neural modelling
Day Ahead Market
Polish Power Exchange
Opis:
The work focuses on cluster analysis as a preliminary problem in neural model- ling based on the data quoted on the Day Ahead Market of the Polish Power Ex- change as a subsystem of the system of Towarowa Giełda Energii S.A. [Polish Pow- er Exchange]. The paper contains the results of literature research related to cluster analysis methods, description of possible applications of artificial neural networks SOM for mapping information on the volume of electrical power sold and prices ob- tained, description of possible applications of MATLAB and Simulink environment, and especially Neural Network Toolbox for mapping knowledge, and cluster analy- sis performed for selected data.
Źródło:
Information Systems in Management; 2019, 8, 1; 69-81
2084-5537
2544-1728
Pojawia się w:
Information Systems in Management
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural modelling of electricity prices quoted on the Day-Ahead Market of TGE S.A. shaped by environmental and economic factors
Autorzy:
Ruciński, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/2052267.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
Polish Power Exchange
day ahead market
DAM
artificial neural network
system modelling
MATLAB
Opis:
The paper contains the results of research on the impact of the number of factors used to build the Day-Ahead Market model at Polish Power Exchange S.A. Five models with a different number of factors influencing the model were tested. To test the quality of models according to the adopted evaluation criteria, i.e., mean square error and the coefficient of determination for the weighted average prices sold in a given hour of the day, the influence of weather factors, socio-economic factors and energy demand were adopted. The results obtained from the analysis show a relatively high correctness of the simplest of the adopted models, which differs slightly from the best model.
Źródło:
Studia Informatica : systems and information technology; 2020, 1-2(24); 25-35
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
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:
Control of complex dynamic nonlinear loading process for electromagnetic mill
Autorzy:
Ogonowski, Szymon
Bismor, Dariusz
Ogonowski, Zbigniew
Powiązania:
https://bibliotekanauki.pl/articles/229680.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
predictive control
pole placement
nonlinear dynamics
neural modelling
electromagnetic mill
Opis:
Electromagnetic mill installation for dry grinding represents a complex dynamical system that requires specially designed control system. The paper presents model-based predictive control which locates closed loop poles in arbitrary places. The controller performs as gains cheduling prototype where nonlinear model – artificial recurrent neural network, is parameterized with additional measurements and serves as a basis for local linear approximation. Application of such a concept to control electromagnetic mill load allows for stable performance of the installation and assures fulfilment of the product quality as well as the optimization of the energy consumption.
Źródło:
Archives of Control Sciences; 2020, 30, 3; 471-500
1230-2384
Pojawia się w:
Archives of Control Sciences
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:
Artificial neural network modelling to predict optimum power consumption in wood machining
Autorzy:
Tiryaki, S.
Malkocoglu, A.
Ozsahin, S.
Powiązania:
https://bibliotekanauki.pl/articles/52411.pdf
Data publikacji:
2016
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Drewna
Tematy:
artificial neural network
modelling
optimization
power consumption
wood processing
planing
wood product
Źródło:
Drewno. Prace Naukowe. Doniesienia. Komunikaty; 2016, 59, 196
1644-3985
Pojawia się w:
Drewno. Prace Naukowe. Doniesienia. Komunikaty
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:
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:
Artificial neural network modelling of cutting force components during AZ91HP alloy milling
Autorzy:
Kulisz, M.
Zagórski, I.
Semeniuk, A.
Powiązania:
https://bibliotekanauki.pl/articles/118253.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
simulation
cutting force
artificial neural networks
magnesium alloys
Opis:
The paper presents simulation of the cutting force components for ma-chining of magnesium alloy AZ91HP. The simulation employs the Black Box model. The closest match to (input and output) data obtained from the machining process was determined. The simulation was performed with the use of the Statistica programme with the application of neural networks: RBF (Radial Basis Function) and MLP (Multi-Layered Perceptron).
Źródło:
Applied Computer Science; 2016, 12, 4; 49-58
1895-3735
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial neural network modelling of vibration in the milling of AZ91D alloy
Autorzy:
Zagórski, I.
Kulisz, M.
Semeniuk, A.
Malec, A.
Powiązania:
https://bibliotekanauki.pl/articles/102005.pdf
Data publikacji:
2017
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
magnesium alloys
high-speed dry milling
vibration
chatter in milling
simulation
artificial neural networks
Opis:
The paper reports the results of artificial neural network modelling of vibration in a milling process of magnesium alloy AZ91D by a TiAlN-coated carbide tool. Vibrations in machining processes are regarded as an additional, absolute machinability index. The modelling was performed using the so-called “black box” model. The best fit was determined for the input and output data obtained from the machining process. The simulations were performed by the Statistica software using two types of neural networks: RBF (Radial Basis Function) and MLP (Multi-Layered Perceptron).
Źródło:
Advances in Science and Technology. Research Journal; 2017, 11, 3; 261-269
2299-8624
Pojawia się w:
Advances in Science and Technology. Research Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Experimental study and neural network modelling of aerodynamic and dynamic characteristics of flapping wings micro aerial vehicle
Autorzy:
Czekałowski, P.
Sibilski, K.
Żyluk, A.
Powiązania:
https://bibliotekanauki.pl/articles/242331.pdf
Data publikacji:
2018
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
entomopter
flapping wings
aerodynamics
neural network
modelling
aerodynamika
sieć neuronowa
modelowanie
Opis:
The article is close connected with building flying object, that fly like an insect (entomopter). Present work concerns on concept of aerodynamic model using artificial neural networks. Model is used in simulations of flight of entomopter. Aerodynamic model based on experimental data. Necessary data are taken from experiment performed in water tunnel on entomopter model. For this case dynamic test are required. Measurements are ducted during sinusoidal motion of whole model. Modelled object is dipterous. Each wing can perform various spherical motions (wing is rotated around point). The motion of the wing in this case was two-dimensional; it was rotated around two axis. As a model, specially trained neural network is used. For training are used data from measurement. Presented in this article approach is based on artificial neural networks. In this article, innovative concept of model, describing unsteady aerodynamics of entomopter was proposed. It was shown that it could be easily implemented as mathematical model. Unsteady effects related to many state variables can be easily captured. Model can be easily adopted to predict different states of flight by networks training on appropriate data. Test has to reproduce real conditions as close, as it is possible. In reality, it is challenging to design test that will reproduce similar motion.
Źródło:
Journal of KONES; 2018, 25, 4; 49-57
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial neural networks as models neuronal electronic state offices
Autorzy:
Tchórzewski, J.
Leszko, K.
Powiązania:
https://bibliotekanauki.pl/articles/95129.pdf
Data publikacji:
2015
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
e-document
office
repository
artificial neural networks
neural modelling
MATLAB and Simulink
e-dokument
sztuczne sieci neuronowe
Matlab
Simulink
modelowanie neuronowe
urząd administracji publicznej
Opis:
The paper presents selected results of research on learning design and artificial neural network (ANN) models paperless office as a state defined as a document repository. A review of selected issues on artificial neural network, and environments to support their generation and learning. In particular, attention was drawn to the new modeling capabilities leading to obtaining neural models of electronic systems. Artificial neural network is designed and taught her electronic office model based on the size of the input 11 and 9 variables, par 72 trainees on the actual size of government agencies for the year 2007. The model was obtained in MATLAB and Simulink and using the Neural Network Toolbox. Showing the possibilities of using the model to test sensitivities and simulation in Simulink.
Źródło:
Information Systems in Management; 2015, 4, 3; 219-227
2084-5537
2544-1728
Pojawia się w:
Information Systems in Management
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:
Artificial neural network (ANN) modelling to estimate bubble size from macroscopic image and object features
Autorzy:
Vinnett, Luis
León, Roberto
Mesa, Diego
Powiązania:
https://bibliotekanauki.pl/articles/29552038.pdf
Data publikacji:
2023
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
machine learning
artificial neural network
flotation
bubble size
Sauter diameter
Opis:
Bubble size measurements in aerated systems such as froth flotation cells are critical for controlling gas dispersion. Commonly, bubbles are measured by obtaining representative photographs, which are then analyzed using segmentation and identification software tools. Recent developments have focused on enhancing these segmentation tools. However, the main challenges around complex bubble cluster segmentation remain unresolved, while the tools to tackle these challenges have become increasingly complex and computationally expensive. In this work, we propose an alternative solution, circumventing the need for image segmentation and bubble identification. An Artificial Neural Network (ANN) was trained to estimate the Sauter mean bubble size (D32) based on macroscopic image features obtained with simple and inexpensive image analysis. The results showed excellent prediction accuracy, with a correlation coefficient, R, over 0.998 in the testing stage, and without bias in its error distribution. This machine learning tool paves the way for robust and fast estimation of bubble size under complex bubble images, without the need of image segmentation.
Źródło:
Physicochemical Problems of Mineral Processing; 2023, 59, 5; art. no. 185759
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dynamic Neural Networks for Process Modelling in Fault Detection and Isolation Systems
Autorzy:
Korbicz, J.
Patan, K.
Obuchowicz, A.
Powiązania:
https://bibliotekanauki.pl/articles/908291.pdf
Data publikacji:
1999
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
wykrywanie błędu
sieć neuronowa dynamiczna
modelowanie nieliniowe
algorytm inteligentny
fault detection
dynamic neural networks
non-linear modelling
learning algorithms
FL-classifier
two-tank system
Opis:
A fault diagnosis scheme for unknown nonlinear dynamic systems with modules of residual generation and residual evaluation is considered. Main emphasis is placed upon designing a bank of neural networks with dynamic neurons that model a system diagnosed at normal and faulty operating points.To improve the quality of neural modelling, two optimization problems are included in the construction of such dynamic networks: searching for an optimal network architecture and the network training algorithm. To find a good solution, the effective well-known cascade-correlation algorithm is adapted here. The residuals generated by a bank of neural models are then evaluated by means of pattern classification. To illustrate the effectiveness of our approach, two applications are presented: a neural model of Narendra's system and a fault detection and identification system for the two-tank process.
Źródło:
International Journal of Applied Mathematics and Computer Science; 1999, 9, 3; 519-546
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling the neural speed regulation system of PMSM motor in Matlab-Simulink
Autorzy:
Siwek, P.
Powiązania:
https://bibliotekanauki.pl/articles/378254.pdf
Data publikacji:
2016
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
artificial neural networks
speed control
PMSM
motor drive model
direct-quadrature
speed measurement
back-propagation algorithm
Opis:
To implement speed regulation algorithms of PMSM motor on real object the exact model encompassing imperfections of digital measurement and AC-DC-AC converter is required. The aim of the following paper is to present this kind of simulation model of the neural speed regulation system of PMSM motor in Matlab – Simulink. In the beginning the direct-quadrature transform and mathematical model of permanent magnet synchronous motor in dq coordinate system are shown. The paper shows speed measurement algorithm which ensure digital character of the output data. In the second section the neural speed controller trained on-line by backpropagation algorithm and the method for calculating gradient of error function are described. At the end of the paper simulation results validating proper behaviour of neural speed regulation system of PMSM motor are shown.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2016, 85; 365-376
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural network approach to compressor modelling with surge margin consideration
Autorzy:
Loryś, Sergiusz Michał
Orkisz, Marek
Powiązania:
https://bibliotekanauki.pl/articles/2091364.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
modelling
compressor map
neural-network
Opis:
Artificial neural networks are gaining popularity thank to their fast and accurate response paired with low computing power requirements. They have been proven as a method for compressor performance prediction with satisfactory results. In this paper a new approach of artificial neural networks modelling is evaluated. The auxiliary parameter of ‘relative stability margin Z’ was introduced and used in learning process. This approach connects two methods of compressor modelling such as neural networks and auxiliary parameter utilization. Two models were created, one with utilization of the ‘relative stability margin Z’ as a direct indication of surge margin of any estimated condition, and other with standard compressor parameters. The results were compared by determination of fitting, interpolation and extrapolation capabilities of both approaches. The artificial neural networks used during the process was a two-layer feed-forward neural-network with Levenberg–Marquardt algorithm with Bayesian regularization. The experimental data was interpolated to increase the amount of learning data for the neural network. With the two models created, capabilities of this relatively simple type of neural-network to approximate compressor map was also assessed.
Źródło:
Archives of Thermodynamics; 2022, 43, 1; 89--108
1231-0956
2083-6023
Pojawia się w:
Archives of Thermodynamics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial neural networks in modelling the contact area of grain seeds
Wykorzystanie sztucznych sieci neuronowych w modelowaniu powierzchni kontaktu ziarna zbóż
Autorzy:
Frączek, J.
Francik, S.
Ślipek, Z.
Knapczyk, A.
Powiązania:
https://bibliotekanauki.pl/articles/93661.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
contact area
seed material
artificial neural network
powierzchnia kontaktu
materiał ziarnisty
sztuczna sieć neuronowa
Opis:
The objective of the research was to create a model which defines the relation between a fundamental contact area of a seed and the pressure force, water content in a seed and its geometrical dimensions with application of artificial neural networks (SSN). Computer program Statistica Neural Networks v. 6.0. was used for formation of a neural model. Tests were carried out on Roma wheat seed and Dańkowskie Złote rye with six various water contents: 0.11 0.15 0.19 0.23 0.28 0.33 (kg⋅kg-1 dry mass). Caryopses were loaded with eight values of compression force - from 41 N to 230 N. Multiplicity of iterations was 5. Seed material was moistened to obtain a specific water content. Each seed was loaded with compression force with respectively growing values: 41N, 68N, 95N, 122N, 149N, 176N, 203N and 230N. A four-layer network of Perceptron type with 10 neurons in the first and 8 neurons in the second hidden layer was selected as a model which the best defines the contact area of grain seeds loaded with axial force at various moisture levels. This network has 4 inputs (water content, pressure force, thickness and length of caryopses) and one output (elementary contact area of rye and wheat seeds). Comparison of the neural model with empirical formulas obtained from nonlinear estimation proved a considerable higher precision of the first one.
Celem badań było utworzenie modelu określającego zależności między elementarną powierzchnią kontaktu ziarna, a siłą nacisku, zawartością wody w ziarnie oraz jego wymiarami geometrycznymi, przy wykorzystaniu sztucznych sieci neuronowych (SSN). Do tworzenie modelu neuronowego wykorzystano program komputerowy Statistica Sieci Neuronowe v. 6.0. Badania przeprowadzono na ziarnie pszenicy Roma oraz żyta Dańkowskie Złote, przy sześciu różnych zawartościach wody: 0,11 0,15 0,19 0,23 0,28 0,33 (kg⋅kg-1 s.m.). Ziarniaki obciążano ośmioma wartościami siły ściskającej – od 41N do 230N. Krotność powtórzeń wynosiła 5. Materiał ziarnisty nawilżano aby uzyskać określoną zawartość wody. Każde ziarno obciążano siłą ściskającą o kolejno rosnących wartościach: 41N, 68N, 95N, 122N, 149N, 176N, 203N i 230N. Jako model najlepiej określający powierzchnię styku ziarna zbóż obciążanego siłą osiową, przy różnej wilgotności wybrano czterowarstwową sieć typu Perceptron o 10 neuronach w pierwszej i 8 neuronach w drugiej warstwie ukrytej. Sieć ta posiada 4 wejścia (zawartość wody, siła nacisku, grubość i długość ziarniaka), i jedno wyjście (elementarna powierzchnia kontaktu ziarna żyta i pszenicy). Porównanie modelu neuronowego z formułami empirycznymi uzyskanymi z estymacji nieliniowej wykazało zdecydowanie większą dokładność pierwszego z nich.
Źródło:
Agricultural Engineering; 2016, 20, 4; 27-37
2083-1587
Pojawia się w:
Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An application of artificial neural network to exhaust emission modelling from diesel engine
Autorzy:
Reszka, K.
Rakoczy, J.
Morgiel, J.
Powiązania:
https://bibliotekanauki.pl/articles/242238.pdf
Data publikacji:
2011
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
transport
road transport
simulation
combustion engines
air pollution
environmental protection
Opis:
Processes of the combustion of liquid fuels and solid are more complex than combustion of fuel gases. With reference to liquid fuels occur additionally processes of vaporization of the fuel, and with reference to solid fuels - decomposition of the solid phase with processes of melting and vaporization, pyrolysis, or gasification. This simultaneous and also different influence of different parameters is sometimes a reason of incorrect interpretation of experimental results. The study of the theoretical model of the combustion process concerning of liquid and solid fuels and which then the model takes into account also the gas- phase, because combustion processes take place in this phase, and occurs the interaction of the phase gas- and liquid or the solid one. The theoretical model is presented basing on experimental initial researches realized in a model with reference to liquid fuels and solid ones. Researches realized in the constant volume chamber with measurements of the pressure during the process of the combustion with the use of quick photography and with measurement of the distribution of the velocity in the spray of the fuel and droplet measurements by means the laser Doppler equipment LDV and PDPA. There were obtained a good agreement of findings experimental researches with the theoretical model. Generally on the combustion velocity of liquid fuels and solid one significant influence has a kind (laminar, temporary and turbulent) and the thickness of the thermal boundary layer.
Źródło:
Journal of KONES; 2011, 18, 2; 365-367
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do modelowania procesu emisji amoniaku z pól nawożonych gnojowicą
Artificial neural networks for modelling ammonia emission from field applied slurry manure
Autorzy:
Niżewski, P.
Dach, J.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/288988.pdf
Data publikacji:
2007
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
emisja amoniaku
sieć neuronowa
gnojowica
ammonia emission
neural networks
slurry manure
Opis:
Problem emisji amoniaku z pól nawożonych gnojowicą jest w ostatnich 20 latach przedmiotem wielu badań. Nawożenie gnojowicą jest bowiem jednym z głównych źródeł zanieczyszczenia atmosfery przez amoniak. Warto podkreślić, że w Europie właśnie rolnictwo jest źródłem ponad 80% NH3 emitowanego do atmosfery. W ostatnim czasie różne zespoły badawcze z krajów UE prowadzą doświadczenia mające na celu oszacowanie wielkości emitowanego amoniaku do atmosfery. Działania te skupione są wokół międzynarodowych sieci naukowych, gdzie opracowywane są różne modele pomagające w szacowaniu poziomu emisji amoniaku w poszczególnych krajach.
For the last 20 years the problem of ammonia emission from the fields fertilized with a liquid manure has been a subject of many research. Liquid manure fertilization became one of the main sources of atmospheric ammonia pollution. In Europe the agronomy produces more than 80% of NH3 emitted into the atmosphere. During the last years different scientific teams carried on the research concerning an estimation of ammonia emission size and the factors influencing on this emission. These activities are focused around an international concerted actions where the different models of ammonia emissions are developed for many countries and different conditions.
Źródło:
Inżynieria Rolnicza; 2007, R. 11, nr 2 (90), 2 (90); 235-242
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Use of Artificial Neural Networks for Modelling of Seam Strength and Elongation at Break
Zastosowanie sztucznych sieci neuronowych dla modelowania wytrzymałości szwów i wydłużenia przy zerwaniu
Autorzy:
Yildiz, Z.
Dal, V.
Ünal, M.
Yildiz, K.
Powiązania:
https://bibliotekanauki.pl/articles/232292.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
textile fabrics
artificial neural networks
seam strength
modeling
tekstylia
sztuczne sieci neuronowe
szew wytrzymałościowy
modelowanie
wydłużenia przy zerwaniu
Opis:
The strength and elongation at break of a seam are very important characteristics of comfort clothing. Optimum seam strength must be durable enough to do our daily activities easily. Some parameters such as the type and count of the sewing yarn, the seam density, the size of the sewing needle, and type of stitch affecting the strength and elongation at break of the seam. In this study two kinds of fabrics (gabardine and poplin) were chosen for experiments. As sewing parameters, two different types of stitches (plain and chain stitch), five seam densities (3, 4, 5, 6 and 7 seams/cm), two kinds of sewing needles (SPI and SES), and three kinds of sewing yarns (cotton, core-spun, and PBT yarns) were used in experiments. With these materials 120 different seam variations were developed. Each sampless seam strength was tested according to the ISO 13935-1[1] standard using an Instron 4411 instrument. After the testing process, an artificial neural network model was developed to predict the seam strength and elongation at break values. The test results were applied to multi layer perceptron and radial basis function neural network modeling. These two neural network types were compared in terms of the accuracy of the modeling system. The results show that the artificial neural network model produces reliable estimates of seam strength and elongation at break (R=1, MSE=3.33E-05).
Wytrzymałość szwu i wydłużenie przy zerwaniu są bardzo ważnymi cechami ubrań z punktu widzenia wygody noszenia. Optymalna wytrzymałość szwu musi być wystarczająco duża, aby z łatwością wykonywać nasze codzienne czynności. Niektóre z parametrów, takich jak typ oraz numer przędzy, gęstość szwu, rozmiar igły do szycia, typ ściegu wpływają na wytrzymałość szwu i wydłużenie przy zerwaniu. Badania przeprowadzono na dwóch rodzajach tkanin (gabardyna i popelina), stosując dwa różne rodzaje szwów (proste i łańcuszkowy), szwy o pięciu gęstościach (3, 4, 5, 6 i 7 szwy/cm), dwa rodzaje igieł (SPI i SES) i trzy rodzaje przędz (bawełniana zwykła, rdzeniowa i przędze PBT), otrzymując 120 wariantów szwów. Wytrzymałość każdej próbki została zbadana zgodnie z normą ISO 13935-1 za pomocą przyrządu Instron 4411. Następnie, opracowano model sztucznej sieci neuronowej w celu przewidzenia wartości wytrzymałości szwów i wydłużenia przy zerwaniu. Wyniki badań zostały przetworzone w wielowarstwowym perceptronie i funkcji radialnej modelowania sieci neuronowej. Obydwa typy sieci neuronowych zostały porównane pod względem dokładności modelowania. stwierdzono, że za pomocą modelu sztucznych sieci neuronowych można uzyskać wiarygodne wyniki (R = 1, MSE = 3.33E-05).
Źródło:
Fibres & Textiles in Eastern Europe; 2013, 5 (101); 117-123
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wyznaczanie natężenia emisji po zimnym rozruchu silnika z zastosowaniem sztucznych sieci neuronowych
Application of artificial neural networks to modelling of emission intensity after cold start of engine
Autorzy:
Brzozowski, K.
Wojciech, S.
Powiązania:
https://bibliotekanauki.pl/articles/263087.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz. Przemysłowy Instytut Motoryzacji
Tematy:
emisja spalin
zimny rozruch silnika
związki szkodliwe
cold start of engine
fumes emission
harmful compounds
Opis:
W artykule przedstawiono metodę odwzorowania natężenia emisji związków szkodliwych spalin po zimnym rozruchu silnika. Sformułowano model wykorzystujący sztuczne sieci neuronowe obliczający natężenie emisji w zależności od obciążenia jednostki napędowej oraz czasu., jaki upłynął od chwili rozruchu. Jako dane wejściowe wykorzystywano wyniki badań na hamowni podwoziowej realizowanych w .zimnych. fazach testów legislacyjnych UDC i FTP-75, dla pojazdu z silnikiem o zapłonie iskrowym oraz pojazdu z silnikiem o zapłonie samoczynnym. Oba pojazdy spełniały normę emisji spalin na poziomie EURO 3. Przedstawiono graficznie uzyskane wyniki wraz z oceną skuteczności zaproponowanej metody.
In the paper a new approach for modelling emission intensity after cold start of engine is presented. In the model the emission has been calculated according to the engine load and the time after cold start. The data from emission measurement performed on the test stand during cold phases of UDC and FTP-75 test cycles were used for parameterisation of the model. The model has been applied to modelling the cold start emission for vehicles with SI and CI engines fulfilling EURO 3. Results of the model calculation and its evaluation have been presented in the paper as well.
Źródło:
Archiwum Motoryzacji; 2007, 2; 119-134
1234-754X
2084-476X
Pojawia się w:
Archiwum Motoryzacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Capabilities of MATLAB and Simulink related to modelling of Polish power exchange
Autorzy:
Tchórzewski, J.
Powiązania:
https://bibliotekanauki.pl/articles/94981.pdf
Data publikacji:
2016
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
artificial neural network
identification
MATLAB
Simulink
environment
Polish Power Exchange
simulation
Day Ahead Market
Opis:
The paper presents selected results of research on modelling a system of the POLISH Power Exchange in the MATLAB and Simulink environment. Modelling capabilities of various toolboxes and Matlab language were presented. Special attention was paid to identification modelling using System Identification Toolbox, neural modelling using Neural Network Toolbox and simulation modelling using Simulink. Research experiments were preformed based on the Day Ahead Market quotations. The obtained models of th type in SIT, an artificial neural network (ANN) in NNT and a block diagram in Simulink were subjected to comparative and sensitivity tests. Final results were interpreted.
Źródło:
Information Systems in Management; 2016, 5, 3; 424-435
2084-5537
2544-1728
Pojawia się w:
Information Systems in Management
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of Artificial Neural Networks for Mathematical Modelling of Horizontal Jet Fires
Wykorzystanie sztucznych sieci neuronowych do modelowania matematycznego poziomych pożarów strumieniowych
Autorzy:
Lewak, Michał
Tępiński, Jarosław
Powiązania:
https://bibliotekanauki.pl/articles/35069711.pdf
Data publikacji:
2023
Wydawca:
Centrum Naukowo-Badawcze Ochrony Przeciwpożarowej im. Józefa Tuliszkowskiego
Tematy:
computational fluid mechanics
artificial neural networks
jet fire
obliczeniowa mechanika płynów
sztuczne sieci neuronowe
pożar strumieniowy
Opis:
Aim: This article focuses on the use of artificial neural networks to mathematically describe the parameters that determine the size of a jet fire flame. To teach the neural network, the results of a horizontal propane jet fire, carried out experimentally and using CFD mathematical modelling, were used. Project and methods: The main part of the work consisted of developing an artificial neural network to describe the flame length and propane-air mixing path lengths with good accuracy, depending on the relevant process parameters. Two types of data series were used to meet the stated objective. The first series of data came from field tests carried out by CNBOP-PIB and from research contained in scientific articles. The second type of data was provided by numerical calculations made by the authors. The methods of computational fluid mechanics were used to develop the numerical simulations. The ANSYS Fluent package was used for this purpose. Matlab 2022a was used to develop the artificial neural network and to verify it. Results: Using the nftool function included in Matlab 2022a, an artificial neural network was developed to determine the flame length Lflame and the length of the Slift-off mixing path as a function of the diameter of the dnozzle and the mass flux of gas leaving the nozzle. Using Pearson’s correlation coefficient, a selection was made of the best number of neurons in the hidden layer to describe the process parameters. The neural network developed allows Lflame and Slift-off values to be calculated with good accuracy. Conclusions: Artificial neural networks allow a function to be developed to describe the parameters that determine flame sizes in relation to process parameters. For this purpose, the results of the CFD simulations and the results of the jet fire experiments were combined to create a single neural network. The result is a ready-made function that can be used in programmes for the rapid determination of flame sizes. Such a function can support the process of creating scenarios in the event of an emergency. A correctly developed neural network provides opportunities for the mathematical description of jet fires wherever experimental measurements are not possible. Solution proposed by the authors does not require a large investment in ongoing calculations, as the network can be implemented in any programming language.
Cel: W artykule skupiono się na wykorzystaniu sztucznych sieci neuronowych do opisu matematycznego parametrów określających rozmiary płomienia pożaru strumieniowego. Do uczenia sieci neuronowej wykorzystano wyniki badań poziomego pożaru strumieniowego propanu, przeprowadzone doświadczalnie i przy pomocy modelowania matematycznego metodą CFD. Projekt i metody: Główna część pracy polegała na opracowaniu sztucznej sieci neuronowej, która z dobrą dokładnością będzie opisywała długość płomienia oraz długości drogi mieszania propanu z powietrzem w zależności od istotnych parametrów procesowych. Do realizacji postawionego celu wykorzystano dwa typy serii danych. Pierwsza seria danych pochodziła z badań poligonowych wykonanych przez CNBOP-PIB oraz z badań zawartych w artykułach naukowych. Drugi typ danych dostarczyły obliczenia numeryczne wykonane przez autorów. Do opracowania symulacji numerycznych wykorzystano metody obliczeniowej mechaniki płynów. W tym celu zastosowany został pakiet ANSYS Fluent. Do opracowania sztucznej sieci neuronowej oraz jej weryfikacji użyto programu Matlab 2022a. Wyniki: Korzystając z funkcji nftool, zawartej w programie Matlab 2022a, opracowano sztuczną sieć neuronową do wyznaczenia długości płomienia Lflame i długości drogi mieszania Slift-off w zależności od średnicy dyszy dnozzle i strumienia masowego gazu opuszczającego dyszę. Do opisu parametrów procesowych wybrano najbardziej adekwatną liczbę neuronów w warstwie ukrytej. Wykorzystano do tego współczynnik korelacji Pearsona. Opracowana sieć neuronowa pozwala z dobrą dokładnością obliczyć wartości Lflame i Slift-off. Wnioski: Sztuczne sieci neuronowe pozwalają na opracowanie funkcji opisującej rozmiar płomienia w zależności od parametrów procesowych. W celu stworzenia jednej sieci neuronowej połączono wyniki symulacji CFD i wyniki doświadczeń pożarów strumieniowych. W rezultacie otrzymano gotową funkcję, która może być użyta w programach służących do szybkiego określania rozmiarów płomienia. Funkcja taka może wspomagać proces tworzenia scenariuszy na wypadek wystąpienia sytuacji awaryjnej. Poprawnie opracowana sieć neuronowa pozwala opisać w sposób matematyczny pożary strumieniowe wszędzie tam, gdzie wykonanie pomiarów doświadczalnych nie jest możliwe. Proponowane rozwiązanie nie wymaga dużych nakładów finansowych na prowadzone obliczenia, ponieważ sieć może być zaimplementowana w dowolnym języku programowania.
Źródło:
Safety and Fire Technology; 2023, 62, 2; 34-48
2657-8808
2658-0810
Pojawia się w:
Safety and Fire Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Use of Artificial Neural Networks for Modelling the Drape Behaviour of Woollen Fabrics Treated with Dry Finishing Processes
Zastosowanie sztucznych sieci neuronowych dla modelowania układalności wełnianych tkanin poddanych procesom suchego wykańczania
Autorzy:
Kursun, B. S.
Kalaoğlu, F.
Jevšnik, S.
Eryuruk, S. H.
Saricam, C.
Powiązania:
https://bibliotekanauki.pl/articles/233382.pdf
Data publikacji:
2015
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
artificial neural network
fabric drape
KES
FAST
wool fabrics
finishing processes
sztuczne sieci neuronowe
układalność tkanin
tkaniny wełniane
procesy wykończeniowe
Opis:
The relationship between fabric drape, low stress mechanical properties and finishing processes is relatively complex. This paper demonstrates the possibility of using artificial neural networks to identify the fabric drape of woollen fabrics treated with different dry finishing processes (stenter, decatising, superfinish, formula, KADE strong/weak - autoclave decatizing). The mechanical and surface properties of woollen fabrics were measured by both the KES-FB and FAST systems, and then the results obtained were applied to artiicial neural network (ANN) modelling. ANN models were compared by verifying the Mean Square Error (MSE) and Correlation coefficient (R-value). The results indicated that each model is capable of making quantitatively accurate drape behaviour predictions for wool fabrics (Rmin = 0.92, MSEmin = 0).
Związek pomiędzy układalnością tkaniny, właściwościami mechanicznymi przy niskich naprężeniach a procesami wykańczalniczymi jest stosunkowo skomplikowany. Artykuł ten wskazuje na możliwość wykorzystania sztucznych sieci neuronowych do identyfikacji układalności tkanin wełnianych poddanych procesom suchego wykańczania. Właściwości mechaniczne i powierzchniowe wełnianych tkanin zmierzono za pomocą KES-FB i FAST, a następnie otrzymane wyniki wprowadzono do sztucznej sieci neuronowej (ANN). Modele ANN porównano przez weryfikację blędu średniokwadratowego i współczynnika korelacji. Wyniki wykazały, że każdy model może być wykorzystany do utworzenia ilościowo dokładnych prognoz układalności dla tkanin wełnianych.
Źródło:
Fibres & Textiles in Eastern Europe; 2015, 2 (110); 90-99
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do hybrydowego modelowania i prognozowania szeregów czasowych
Application of artificial neural network to hybrid modelling and forecasting of time series
Autorzy:
Perzynska, J.
Powiązania:
https://bibliotekanauki.pl/articles/78596.pdf
Data publikacji:
2018
Wydawca:
Zachodniopomorski Uniwersytet Technologiczny w Szczecinie. Wydawnictwo Uczelniane ZUT w Szczecinie
Źródło:
Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica; 2018, 93
2081-0644
Pojawia się w:
Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sieci neuronowych (fbm) do modelowania procesu mieszania dwuskładnikowych układów ziarnistych
Using neural networks (fbm) for modelling of the process involving mixing of two-component granular systems
Autorzy:
Królczyk, J.
Matuszek, D.
Tukiendorf, M.
Powiązania:
https://bibliotekanauki.pl/articles/287346.pdf
Data publikacji:
2008
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
mieszanie
materiał ziarnisty
sieć neuronowa
mixing
granular material
neural network
Opis:
W pracy zaprezentowano wyniki badań mieszania składników ziarnistych powszechnie stosowanych w przemyśle spożywczym. Dodatkowo przedstawiono metodykę wykorzystania nowoczesnych metod analizy tego procesu, tj.: komputerową akwizycję obrazu oraz sztuczne sieci neuronowe. Mieszanie prowadzono na drodze kolejnych wysypów (od 1 do 10) materiału z jednego zbiornika do drugiego (system funnel-flow). Jakość uzyskanej mieszanki oceniano przy użyciu komputerowej analizy obrazu. Uzyskane w ten sposób wyniki wariancji rozkładu trasera posłużyły do wykorzystania modelowania procesu przy użyciu sztucznej inteligencji. Uzyskane wyniki zaprezentowano w sposób graficzny i poddano dyskusji.
The paper presents results of tests on mixing of granular components commonly used in food industry. Additionally, the work presents the procedures of using modern methods for analysis of this process, that is: image acquisition by computer and artificial neural networks. Mixing process involved successive pouring out (from 1 to 10 times) of material from one container to another (system funnel-flow). The quality of obtained mix was evaluated using image analysis by computer. Marker distribution variance results obtained in this way allowed to use process modelling with an artificial intelligence. Obtained results were shown graphically and were subject to discussion.
Źródło:
Inżynieria Rolnicza; 2008, R. 12, nr 7(105), 7(105); 117-122
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wear of Railway Tyre Steels Modelling Using Artificial Neural Networks
Modelowanie zużycia stali na obręcze kół kolejowych za pomocą sztucznych sieci neuronowych
Autorzy:
Witaszek, Mirosław
Witaszek, Kazimierz
Powiązania:
https://bibliotekanauki.pl/articles/1857830.pdf
Data publikacji:
2020
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
wear
tyre steels
artificial neural networks
modelling
zużycie
stale na obręcze kół kolejowych
sztuczne sieci neuronowe
modelowanie
Opis:
In the paper the results of sliding wear tests were used to model the dependence of steel volume loss on railway wheel tyres on selected material parameters and sliding conditions. The material properties included in this modelling were the hardness and chemical composition of the tyre material (specimens) and the hardness of the mating material (counter-specimens). The conditions for sliding were the initial maximum Hertzian pressure and the sliding distance. The tests were carried out in the ring-block system. Artificial neural networks were used for modelling. It was found that the constructed model made it possible to quantify the volume loss from the above–mentioned factors. A clear influence of the pressure, friction distance, and hardness of both cooperating materials on the studied wear was found. The influence of the chemical composition is less noticeable due to the rather narrow range of its allowable changes. The microscopic tests allowed us to identify the main wear mechanisms in the sliding friction of the tested tyre and rail steels.
W pracy przedstawiono wykorzystanie wyników badań zużycia przy tarciu ślizgowym do modelowania zależności zużycia objętościowego stali na obręcze kół kolejowych od wybranych parametrów materiału i warunków współpracy. Własnościami materiału uwzględnionymi w tym modelowaniu były twardość oraz skład chemiczny materiału obręczy (próbki) oraz twardość materiału współpracującego (przeciwpróbki). Warunkami współpracy były początkowy, maksymalny nacisk Hertza i droga tarcia. Badania przeprowadzono w układzie klocek–krążek. Do modelowania wykorzystano sztuczne sieci neuronowe. Stwierdzono, że zbudowany model pozwolił na określenie zależności ilościowych ubytku objętościowego od wyżej wymienionych czynników. Wskazano występowanie wyraźnego wpływ nacisku, drogi tarcia, twardości obu współpracujących materiałów na badane zużycie. Wpływ składu chemicznego jest mniej zauważalny z powodu dość wąskiego zakresu dopuszczalnych jego zmian. Badania mikroskopowe pozwoliły na zidentyfikowanie głównych mechanizmów zużywania przy tarciu ślizgowym badanych stali obręczowych i szynowej.
Źródło:
Tribologia; 2020, 294, 6; 77-85
0208-7774
Pojawia się w:
Tribologia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimization of neural networks structure selection in modelling spheroidal graphite cast iron for automotive camshafts
Optymalizacja doboru struktury sztucznych sieci neuronowych w modelowaniu zużycia żeliwa sferoidalnego na samochodowe wałki rozrządu
Autorzy:
Witaszek, Kazimierz
Garbala, Krzysztof
Witaszek, Mirosław
Rychter, Marcin
Powiązania:
https://bibliotekanauki.pl/articles/317234.pdf
Data publikacji:
2019
Wydawca:
Instytut Naukowo-Wydawniczy "SPATIUM"
Tematy:
artificial neural networks
structure optimization
wear
spheroidal cast iron
Stuttgart neural network simulator
resilient back-PROPagation
sztuczne sieci neuronowe
optymalizacja struktury
zużycie
żeliwo sferoidalne
resilient back-ROPagation
Opis:
The present article discusses the process of optimizing the structure of artificial neural networks applied in modelling the wear of spheroidal graphite cast iron (SG cast iron). The networks were trained using the RPROP gradient method with the application of the SNNS package supported by original self-developed software, which enabled automatic creation, training and testing of networks with different sizes of hidden layers. Based on the results of an analysis of learning process and testing a package of 625 networks, the network was selected which – when modelling the process of spheroidal cast iron wear – generates the slightest errors during testing.
W pracy przedstawiono proces optymalizacji struktury sztucznych sieci neuronowych użytych do modelowania zużycia żeliwa sferoidalnego. Sieci uczono metodą gradientową RPROP przy użyciu pakietu SNNS wspomaganego autorskim oprogramowaniem, które umożliwiało automatyczne tworzenie, uczenie i testowanie sieci o różnych wielkości warstw ukrytych. Na podstawie analizy wyników procesu uczenia i testowania pakietu 625 sieci dobrano tę, która modelując proces zużycia żeliwa sferoidalnego generuje najmniejsze błędy podczas testowania.
Źródło:
Autobusy : technika, eksploatacja, systemy transportowe; 2019, 20, 12; 215-220
1509-5878
2450-7725
Pojawia się w:
Autobusy : technika, eksploatacja, systemy transportowe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Black box efficiency modelling of an electric drive unit utilizing methods of machine learning
Autorzy:
Bauer, Lukas
Stütz, Leon
Kley, Markus
Powiązania:
https://bibliotekanauki.pl/articles/1956031.pdf
Data publikacji:
2021
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
electromobility
powertrain
electric drives
artificial neural network
efficiency modelling
elektromobilność
układ napędowy
napędy elektryczne
sztuczna sieć neuronowa
modelowanie wydajności
Opis:
The increasing electrification of powertrains leads to increased demands for the test technology to ensure the required functions. For conventional test rigs in particular, it is necessary to have knowledge of the test technology's capabilities that can be applied in practical testing. Modelling enables early knowledge of the test rigs dynamic capabilities and the feasibility of planned testing scenarios. This paper describes the modelling of complex subsystems by experimental modelling with artificial neural networks taking transmission efficiency as an example. For data generation, the experimental design and execution is described. The generated data is pre-processed with suitable methods and optimized for the neural networks. Modelling is executed with different variants of the inputs as well as different algorithms. The variants compare and compete with each other. The most suitable variant is validated using statistical methods and other adequate techniques. The result represents reality well and enables the performance investigation of the test systems in a realistic manner.
Źródło:
Applied Computer Science; 2021, 17, 4; 5-19
1895-3735
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling of hemodialysis: regression versus neural model
Autorzy:
Szmajda, R.
Szczepaniak, P. S.
Powiązania:
https://bibliotekanauki.pl/articles/333709.pdf
Data publikacji:
2004
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
hemodializy
sieci nuronowe
haemodialysis
neural network
Opis:
In the paper, evaluation of two approaches to modelling of hemodialysis is performed. Results obtained by regression are compared to those generated by neural models. Differences in the modelling quality are small. Both models shown the same qualitative dependencies between analyzed parameters.
Źródło:
Journal of Medical Informatics & Technologies; 2004, 7; KB41-46
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural modeling of the electric power stock market in usage of MATLAB and Simulink tools for the day ahead market data
Autorzy:
Ruciński, D.
Tchórzewski, J.
Powiązania:
https://bibliotekanauki.pl/articles/94831.pdf
Data publikacji:
2016
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
neuronal modelling
MATLAB
Simulink environment
simulation research
artificial neural network
Opis:
The work contains selected results of the modelling of neural Electric Power Exchange (EPE) in Poland. For modelling EPE system, artificial neural network (ANN) was constructed. ANN was learned and tested using of the next day market data. Generated neural model was used for simulation tests and susceptibility tests. Suitable model was implemented in Simulink. As a result of simulation tests and susceptibility testing a lot of interesting research results were obtained.
Źródło:
Information Systems in Management; 2016, 5, 2; 215-226
2084-5537
2544-1728
Pojawia się w:
Information Systems in Management
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A New Neural Networks Model for Calculating the Continuous Cooling Transformation Diagrams
Autorzy:
Trzaska, J.
Powiązania:
https://bibliotekanauki.pl/articles/351678.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
CCT diagram
modelling
neural network
heat treatment
steel
Opis:
The article shows a new model of Continuous Cooling Transformation (CCT) diagrams of structural steels and engineering steels. The modelling used artificial neural networks and a set of experimental data prepared based on 550 CCT diagrams published in the literature. The model of CCT diagrams forms 17 artificial neural networks which solve classification and regression tasks. Neural model is implemented in a computer software that enables calculation of a CCT diagram based on chemical composition of steel and its austenitizing temperature.
Źródło:
Archives of Metallurgy and Materials; 2018, 63, 4; 2009-2015
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do modelowania ekologicznych właściwości pojazdów
Modelling of ecological properties of vehicles with neural networks
Autorzy:
Brzozowska, L.
Brzozowski, K.
Warwas, K.
Powiązania:
https://bibliotekanauki.pl/articles/262870.pdf
Data publikacji:
2005
Wydawca:
Sieć Badawcza Łukasiewicz. Przemysłowy Instytut Motoryzacji
Tematy:
aktywacja neuronu
emisja spalin
sztuczne sieci neuronowe
zużycie paliwa
Opis:
W artykule zaproponowano wykorzystanie sztucznych sieci neuronowych do modelowania natężenia emisji związków szkodliwych spalin oraz zużycia paliwa w zależności od parametrów charakteryzujących ruch pojazdu, takich jak chwilowa prędkość i przyspieszenie. Rozważono sztuczne sieci neuronowe z sigmoidalną i radialną funkcją aktywacji neuronu. Kalibracje sieci wykonano w oparciu o dane eksperymentalne określające natężenie emisji i zużycie paliwa w postaci macierzy emisji. Wykorzystano macierze uzyskane podczas badań na hamowni podwoziowej dla zbioru testów jezdnych o różnej dynamice dla pojazdu z silnikiem o zapłonie iskrowym, wyposażonym w reaktor katalityczny oraz dla pojazdu z silnikiem o zapłonie samoczynnym. Porównano dokładność aproksymacji, uzyskanych dla obu rozważanych sztucznych sieci neuronowych. W obu przypadkach jest ona większa niż stosowane, wcześniej przez autorów niniejszej publikacji, aproksymacje wielomianami potęgowymi i funkcjami potęgowymi. Stwierdzono przy tym, że sieć z sigmoidalną funkcją aktywacji neuronu jest bardziej uniwersalna w rozpatrywanym zagadnieniu, zarówno ze względu na jej strukturę jak i zdolność do lepszego odwzorowania natężenia emisji.
In the paper have been proposed an artificial neural networks for modelling of engine exhaust emission intensity and fuel consumption intensity in dependency on vehicle motion parameters such as instantaneous velocity and acceleration. Two different kind of neural networks have been considered: radial and sigmoidal function for neurons activation. Those neural networks have been calibrated on the experimental data of emission and fuel consumption intensity. The experimental data has been earlier performed in a emission matrix. The emission matrices have been obtained on the base of modal measurements for a set of driving cycles with different dynamic. Two vehicles have been investigated, one vehicle with spark ignition engine equipped with catalytic converter and one vehicle with compression ignition engine. Results of approximation by neural networks are compared for both types of networks in the paper. The error of approximation is less for NNs than for polynomial and power functions used in previously of author works. It can be noticed that neural network with sigmoidal function of neural activation enables us better results of approximation of experimental data and therefore is more useful in the case considered.
Źródło:
Archiwum Motoryzacji; 2005, 3; 229-247
1234-754X
2084-476X
Pojawia się w:
Archiwum Motoryzacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie wpływu parametrów procesu osadzania powłok na właściwości warstw
Modelling the influence of the parameters of processes on coating properties
Autorzy:
Trzos, M.
Powiązania:
https://bibliotekanauki.pl/articles/258151.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
modelowanie
modele charakterystyk
sztuczna sieć neuronowa
właściwości powłok
modeling
characteristics models
artificial neural network
coatings properties
Opis:
W artykule przedstawiono problemy modelowania wybranych właściwości warstw, otrzymywanych w procesach osadzania powłok metodami PAPVD. Analizie zostały poddane powłoki nanoszone z wykorzystaniem dwóch różnych komercyjnych urządzeń. Technika modelowania została zastosowana w celu opracowania modeli, pozwalających na prognozowanie właściwości warstw na podstawie parametrów procesu osadzania. W procesie modelowania, z zastosowaniem metody sztucznych sieci neuronowych, zostały wykorzystane zbiory danych z eksperymentów badawczych i procesów technologicznych. Przeprowadzone badania pozwoliły na opracowanie modeli tylko dla niektórych z analizowanych charakterystyk, głównie ze względu na występujące niedostatki w zbiorach danych. Wpłynęło to zasadniczo na organicznie możliwości opracowania modeli. Należy jednak podkreślić, że uzyskane w trakcie badań wyniki uzasadniają zastosowanie sieci neuronowych do opisu badanych procesów i budowy modeli prognostycznych.
Some of the properties of coatings deposited with the use of PAPVD methods were described. The research concerns coatings deposited on two different commercial devices. The modelling technique was applied in order to model development that enables the prediction of layer properties based on the deposition parameters. In this research, the method of artificial neural network was applied for modelling, and data from both research experiments and technological processes were used. As the results of modelling show, only some characteristics were well described by models. That problem mainly appeared because of data shortage causing a limitation in modelling. However, research results justify neural network application for describing the analysed processes and the development of prediction models for coating properties.
Źródło:
Problemy Eksploatacji; 2008, 4; 219-230
1232-9312
Pojawia się w:
Problemy Eksploatacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural networks for function approximation in dynamic modelling
Autorzy:
Nedbálek, J.
Powiązania:
https://bibliotekanauki.pl/articles/2069707.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Morski w Gdyni. Polskie Towarzystwo Bezpieczeństwa i Niezawodności
Tematy:
reliability
Monte Carlo
RBF neural network
simulation
temperature
Opis:
The paper demonstrates the comparsion of Monte Carlo simulation (MC) algorithm with the Radial Basis Function (RBF) neural network enhancement of the same algorithm in the reliability case study. In our test, we dispose of the tank containing liquid water – its temperature process variable evolves deterministicly according to the differential equation, which solution is known. All component failures are considered as a stochastic events. In the case of surpassing temperature treshhold of the liquid inside the tank, we interpret the situation as the system failure. With regard to process dynamics, we attempt to evaluate the tank system unreliability related to the initiative input parameters setting. The neural network is used in equation coeficients calculation, which is executed in each transient state. Due to the neural networks, for some of the initial component settings, we can achieve the results of computation faster than in classical way of coeficients calculating and substituting into the equation.
Źródło:
Journal of Polish Safety and Reliability Association; 2008, 2; 255--259
2084-5316
Pojawia się w:
Journal of Polish Safety and Reliability Association
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predictive neural network in multipurpose self-tuning controller
Autorzy:
Bondar, Oleksiy
Powiązania:
https://bibliotekanauki.pl/articles/386771.pdf
Data publikacji:
2020
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
artificial neural network
adaptive regulator
backpropagation algorithm
system modelling
Opis:
A very important problem in designing of controlling systems is to choose the right type of architecture of controller. And it is always a compromise between accuracy, difficulty in setting up, technical complexity and cost, expandability, flexibility and so on. In this paper, multipurpose adaptive controller with implementation of artificial neural network is offered as an answer to a wide range of tasks related to regulation. The effectiveness of the approach is demonstrated by the example of an adaptive thermostat. It also compares its capabilities with those of classic PID controller. The core of this approach is the use of an artificial neural network capable of predicting the behaviour of controlled object within its known range of parameters. Since such a network, being trained, is a model of a regulated system with arbitrary precision, it can be analysed to make optimal management decisions at the moment or in a number of steps. Network learning algorithm is backpropagation and its modified version is used to analyse an already trained network in order to find the optimal solution for the regulator. Software implementation, such as graphical user interface, routines related to neural network and many other, is done using Java programming language and Processing open-source integrated development environment.
Źródło:
Acta Mechanica et Automatica; 2020, 14, 2; 114-120
1898-4088
2300-5319
Pojawia się w:
Acta Mechanica et Automatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling values of river macrophyte metrics using artificial neural networks
Autorzy:
Gebler, D.
Kayzer, D.
Budka, A.
Szoszkiewicz, K.
Powiązania:
https://bibliotekanauki.pl/articles/60958.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Stowarzyszenie Infrastruktura i Ekologia Terenów Wiejskich PAN
Tematy:
modelling value
river
macrophyte
river ecology
metrics
artificial neural network
water quality
Opis:
The results of field research at 230 river sections located throughout Poland were used to examine the possibility of predicting values of macrophyte metrics of ecological status. Artificial intelligence methods such as artificial neural networks were used in the modelling. The physicochemical parameters of water (alkalinity, conductivity, nitrate and ammonium nitrogen, reactive and total phosphorus, and biochemical oxygen demand) were used as the explanatory (modelling) variables. The explained (modelled) parameters were the Polish MIR (Macrophyte Index for Rivers), the British MTR (Mean Trophic Rank) and the French IBMR (River Macrophytes Biological Index). The quality of the constructed models was assessed using the normalized root mean square error (NRMSE) and the r–Pearson’s linear correlation coefficient between variables modelled by the networks and calculated on the basis of the botanical research. These analyses demonstrated that the network modelling MIR values had the highest accuracy. The lowest prediction accuracy was obtained for MTR and IBMR indices. The differences between particular models are likely to result from better adjustment of the Polish method to local rivers (particularly in terms of indicator species used).
Źródło:
Infrastruktura i Ekologia Terenów Wiejskich; 2012, 1/IV
1732-5587
Pojawia się w:
Infrastruktura i Ekologia Terenów Wiejskich
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The adaptation modelling of a GPS signal by means of neural networks
Autorzy:
Gil, J.
Powiązania:
https://bibliotekanauki.pl/articles/225779.pdf
Data publikacji:
2006
Wydawca:
Politechnika Warszawska. Wydział Geodezji i Kartografii
Tematy:
GPS project
computer simulations
neural network
Opis:
Geodetic monitoring carried out in a number of cases in order to determine the dynamics of a particular phenomenon requires, apart from suitable measurement instruments, also suitable methods of processing the results of experimental data. While formulating a particular technical problem in the form of an objective function it is possible to obtain its solution by applying an optimising neural network. One of the possible uses of this kind of network is its application in adaptation modeling. The article presents two aspects of modeling: interfering noise elimination and identifying an object in the form of measurement results of dynamic GPS signals (Szpunar et al., 2003) carried out in real time. A computer simulation of the problem has been implemented by the author himself.
Źródło:
Reports on Geodesy; 2006, z. 2/77; 307-314
0867-3179
Pojawia się w:
Reports on Geodesy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling a subregular bias in phonological learning with Recurrent Neural Networks
Autorzy:
Prickett, Brandon
Powiązania:
https://bibliotekanauki.pl/articles/2061408.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Instytut Podstaw Informatyki PAN
Tematy:
neural networks
learning bias
formal language theory
phonology
Opis:
A number of experiments have demonstrated what seems to be a bias in human phonological learning for patterns that are simpler according to Formal Language Theory (Finley and Badecker 2008; Lai 2015; Avcu 2018). This paper demonstrates that a sequence-to-sequence neural network (Sutskever et al. 2014), which has no such restriction explicitly built into its architecture, can successfully capture this bias. These results suggest that a bias for patterns that are simpler according to Formal Language Theory may not need to be explicitly incorporated into models of phonological learning.
Źródło:
Journal of Language Modelling; 2021, 9, 1; 67--96
2299-856X
2299-8470
Pojawia się w:
Journal of Language Modelling
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Global models of dynamic complex systems – modelling using the multilayer neural networks
Autorzy:
Drałus, Grzegorz
Powiązania:
https://bibliotekanauki.pl/articles/764297.pdf
Data publikacji:
2007
Wydawca:
Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
Źródło:
Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica; 2007, 7, 1
1732-1360
2083-3628
Pojawia się w:
Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Character-based recurrent neural networks for morphological relational reasoning
Autorzy:
Mogren, Olof
Johansson, Richard
Powiązania:
https://bibliotekanauki.pl/articles/103847.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Instytut Podstaw Informatyki PAN
Tematy:
morphological analogies
morphological inflection
morphological reinflection
recurrent neural network
character-based modelling
Opis:
We present a model for predicting inflected word forms based on morphological analogies. Previous work includes rule-based algorithms that determine and copy affixes from one word to another, with limited support for varying inflectional patterns. In related tasks such as morphological reinflection, the algorithm is provided with an explicit enumeration of morphological features which may not be available in all cases. In contrast, our model is feature-free: instead of explicitly representing morphological features, the model is given a demo pair that implicitly specifies a morphological relation (such as write: writes specifying infinitive:present). Given this demo relation and a query word (e.g. watch), the model predicts the target word (e.g. watches). To address this task, we devise a character-based recurrent neural network architecture using three separate encoders and one decoder. Our experimental evaluation on five different languages shows that the exact form can be predicted with high accuracy, consistently beating the baseline methods. Particularly, for English the prediction accuracy is 94.85%. The solution is not limited to copying affixes from the demo relation, but generalizes to words with varying inflectional patterns, and can abstract away from the orthographic level to the level of morphological forms.
Źródło:
Journal of Language Modelling; 2019, 7, 1; 139-170
2299-856X
2299-8470
Pojawia się w:
Journal of Language Modelling
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling of UAV flight dynamics using perceptron artificial neural networks
Identyfikacja modelu dynamiki lotu bezpilotowego statku powietrznego z wykorzystaniem perceptronowego sztucznych sieci neuronowych
Autorzy:
Manerowski, J.
Rykaczewski, D.
Powiązania:
https://bibliotekanauki.pl/articles/281281.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
unmanned aerial vehicle (UAV)
flight mechanics
mathematical modelling
artificial neural networks
Opis:
The methodology of modelling flight dynamics of UAV using perceptron artificial neural networks has been presented. The modelling is based on experimental data recorded during flight characteristic and performance tests of UAVs that is a part of a set to give training to anti-aircraft artillery. The artificial neural network structure in quasi-static and dynamic flights have been given. The accuracy indexes also have been given.
W artykule przedstawiono metodologię modelowania dynamiki lotu bezpilotowego statku powietrznego z wykorzystaniem perceptronowych sztucznych sieci neuronowych. Modelowanie oparto na wynikach eksperymentu uzyskanych podczas badań własności lotnych i osiągów bezpilotowego statku powietrznego wchodzącego w zestaw celów powietrznych do szkolenia wojsk OPL. Podano, w zagadnieniu quasi-ustalonym oraz dynamicznym, strukturę sieci neuronowej odwzorowującej własności lotne takiego obiektu oraz wskaźniki oceny dokładności.
Źródło:
Journal of Theoretical and Applied Mechanics; 2005, 43, 2; 297-307
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Black box dynamic modelling of proton exchange membrane fuel cells with artificial neural networks
Autorzy:
Kapica, J.
Powiązania:
https://bibliotekanauki.pl/articles/411175.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Oddział w Lublinie PAN
Tematy:
PEM fuel cells
neural network model
dynamic behaviour
black box
Opis:
The fuel cells are energy sources which can play an important role in transition of the energy sector into broader use of renewable energy. Numerical modelling provides an easy way to investigate properties of the objects modelled. There are various ways to model dynamic behaviour of the PEM fuel cells including methods using artificial neural networks. There are no clear rules of how a neural network should be configured: how many neurons in the hidden layer and which training algorithm should be used. In a time series modelling task additional parameters including sampling frequency, learning data set duration and number of past data points used for training need to be determined. The paper presents results of research on the influence of various model parameters on the PEM fuel cell modelling accuracy.
Źródło:
ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes; 2016, 5, 4; 85-89
2084-5715
Pojawia się w:
ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial neural networks in tribology - prediction and classification models
Autorzy:
Gocman, K.
Kałdoński, T.
Powiązania:
https://bibliotekanauki.pl/articles/244086.pdf
Data publikacji:
2009
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
tribology
boundary friction
ubricity
modelling of tribological processes
artificial neural networks
Opis:
The influence of load and rotational speed on wear and moment of friction is presented in this paper. The tests were carried out under both constant and increasing load and at wide range of rotational speed. During the tests moment offriction, oil temperature and weather conditions were registered. On the basis of obtained results neural models for prediction of wear, moment of friction and friction classifiers were created. The different kinds of artificial neural networks and different training algorithms were applied in order to obtain the best generalisation and quality of created models. All researches showed that artificial neural networks are useful as prediction and classification models. Because of too small teaching data models were limited only to two inputs - load and rotational speed and one output — wear, moment offriction or state. The best models achieved very good precision — testing error lower than 5%. It was also proved, that various types of networks have different usefulness for different applications. MLP networks turned out to be the best wear models, GRNN networks gave the best results as models of moment offriction and RBF networks were proved to be the best classifiers. To obtain model which will give better characterization of processes proceeded in tribological pairs, much more experiments to increase teaching data have to be conducted.
Źródło:
Journal of KONES; 2009, 16, 1; 137-144
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling of the dynamics of a gyroscope using artificial neural networks
Zastosowanie sztucznych sieci neuronowych do modelowania dynamiki giroskopu
Autorzy:
Łacny, Ł.
Powiązania:
https://bibliotekanauki.pl/articles/281929.pdf
Data publikacji:
2012
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
artificial neural networks
dynamical systems
emulation
gyroscopes
Opis:
It this paper, a neural network was utilized in order to create an emulator, which could mimic the behaviour and nonlinear dynamics of a gyroscope with two axes of freedom, subjected to both low- and high-frequency excitation. For this purpose, several known learning methods, such as the gradient and Levenberg-Margquardt method, were used. Three different models of neural networks were considered and compared for their effectiveness: NNFIR, NNARX and the recurrent network NNARMAX.
W niniejszej pracy przedstawiono, w jaki sposób przy użyciu sztucznej sieci neuronowej możliwe jest stworzenie emulatora, który naśladuje zachowanie i nieliniową dynamikę giroskopu o dwóch osiach swobodnych, poddanego wymuszeniom zarówno o niskiej, jak i wysokiej częstotliwości. W celu nauczenia sieci neuronowej, wykorzystano szereg dostępnych algorytmów uczących (m.in. gradientowy, Levenberga-Margquadta). Przetestowano oraz porównano trzy różniące się od siebie modele sieci neuronowych: NNFIR, NNARX oraz sieć rekurencyjną NNARMAX.
Źródło:
Journal of Theoretical and Applied Mechanics; 2012, 50, 1; 85-97
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Time-varying time-delay estimation for nonlinear systems using neural networks
Autorzy:
Tan, Y.
Powiązania:
https://bibliotekanauki.pl/articles/907277.pdf
Data publikacji:
2004
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
modelowanie procesu
opóźnienie czasowe
układ nieliniowy
sieć neuronowa
modelling
time delay
nonlinear systems
neural networks
estimation
Opis:
Nonlinear dynamic processes with time-varying time delays can often be encountered in industry. Time-delay estimation for nonlinear dynamic systems with time-varying time delays is an important issue for system identification. In order to estimate the dynamics of a process, a dynamic neural network with an external recurrent structure is applied in the modeling procedure. In the case where a delay is time varying, a useful way is to develop on-line time-delay estimation mechanisms to track the time-delay variation. In this paper, two schemes called direct and indirect time-delay estimators are proposed. The indirect time-delay estimator considers the procedure of time-delay estimation as a nonlinear programming problem. On the other hand, the direct time-delay estimation scheme applies a neural network to construct a time-delay estimator to track the time-varying time-delay. Finally, a numerical example is considered for testing the proposed methods.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2004, 14, 1; 63-68
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling cross-sectional tabular data using convolutional neural networks: Prediction of corporate bankruptcy in Poland
Autorzy:
Dzik-Walczak, Aneta
Odziemczyk, Maciej
Powiązania:
https://bibliotekanauki.pl/articles/1965119.pdf
Data publikacji:
2021-11-27
Wydawca:
Uniwersytet Warszawski. Wydział Nauk Ekonomicznych
Tematy:
convolutional neural networks
machine learning
simulation
bankruptcy prediction
financial indicators
Opis:
The paper deals with the topic of modelling the probability of bankruptcy of Polish enterprises using convolutional neural networks. Convolutional networks take images as input, so it was thus necessary to apply the method of converting the observation vector to a matrix. Benchmarks for convolutional networks were logit models, random forests, XGBoost, and dense neural networks. Hyperparameters and model architecture were selected based on a random search and analysis of learning curves and experiments in folded, stratified cross-validation. In addition, the sensitivity of the results to data preprocessing was investigated. It was found that convolutional neural networks can be used to analyze cross-sectional tabular data, especially for the problem of modelling the probability of corporate bankruptcy. In order to achieve good results with models based on parameters updated by a gradient (neural networks and logit), it is necessary to use appropriate preprocessing techniques. Models based on decision trees have been shown to be insensitive to the data transformations used.
Źródło:
Central European Economic Journal; 2021, 8, 55; 352-377
2543-6821
Pojawia się w:
Central European Economic Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Mathematical modelling of thermal processes by the use of regression and neural models
Autorzy:
Rusinowski, H.
Plis, M.
Powiązania:
https://bibliotekanauki.pl/articles/240114.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
mathematical model
empirical functions
neural modeling
regression modeling
model matematyczny
funkcje empiryczne
modelowanie neuronowe
Opis:
The paper presents a description of used methods and exemplary mathematical models which are classified into theoretical-empirical models of thermal processes. Such models encompass equations resulting from the laws of physics and additional empirical functions describing processes for which analytical models are complex and difficult to develop. The principle of developing, advantages and disadvantages of presented models as well as quality prediction assessment were presented. Mathematical models of a steam boiler, a steam turbine as well as a heat recovery steam generator were described. Exemplary calculation results were presented and compared with measurements.
Źródło:
Archives of Thermodynamics; 2018, 39, 3; 111-127
1231-0956
2083-6023
Pojawia się w:
Archives of Thermodynamics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimization of a thin-walled element geometry using a system integrating neural networks and finite element method
Autorzy:
Golewski, P.
Gajewski, J.
Sadowski, T.
Powiązania:
https://bibliotekanauki.pl/articles/351314.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
artificial neural networks
numerical modelling
thin-walled element
Opis:
Artificial neural networks [ANNs] are an effective method for predicting and classifying variables. This article presents the application of an integrated system based on artificial neural networks and calculations by the finite element method [FEM] for the optimization of geometry of a thin-walled element of an air structure. To ensure optimal structure, the structure’s geometry was modified by creating side holes and ribs, also with holes. The main criterion of optimization was to reduce the structure’s weight at the lowest possible deformation of the tested object. The numerical tests concerned a fragment of an elevator used in the “Bryza” aircraft. The tests were conducted for networks with radial basis functions [RBF] and multilayer perceptrons [MLP]. The calculations described in the paper are an attempt at testing the FEM - ANN system with respect to design optimization.
Źródło:
Archives of Metallurgy and Materials; 2017, 62, 1; 435-442
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dedicated neural network design for friction compensation in robot drives
Projektowanie struktury sieci neuronowej dla celów eliminacji tarcia w napędach robotów
Autorzy:
Korendo, Z.
Uhl, T.
Powiązania:
https://bibliotekanauki.pl/articles/281390.pdf
Data publikacji:
2002
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
friction modelling
mechatronics
neural networks for control
Opis:
In the paper we demonstrate a neural network-based controller design and prototyping following the mechatronic approach. A unified treatment of all system components (mechanical, eletrical and computational) is made possible thanks to the integrated software-hardware platform. The neural network in the presented approach is used to privide a linearising feedback loop for friction compensation in a robot drive. The efficiency of the experimental friction identification is improved thanks to dedicated network architecture. The proposed solution is implemented in DSP hardware and the simulation results are verified through laboratory experiments.
W pracy przedstawiono oparty na sieciach neuronowych układ sterowania napędem robota. Przedstawiono proces projektowania i prototypowania oparty na podejściu mechatronicznym. Sieć neuronowa w proponowanym rozwiązaniu spełnia rolę lineryzującej pętli sprzężenia zwrotnego. Jej podstawowym zadaniem jest kompensacja wpływu tarcia w napędzie robota. Zaproponowano specjalizowaną architekturę sieci neuronowej dostosowaną do modelowania tarcia. Uczenie sieci odbywa się na podstawie danych eksperymentalnych. Zaproponowaną sieć neuronową zaimplementowano z zastosowaniem techniki szybkiego prototypowania z wykorzystaniem procesorów sygnałowych. Wyniki symulacji porównano z wynikami eksperymentu na rzeczywistym obiekcie. Przedstawione podejście, jak wykazały uzyskane rezultaty, daje dobre wyniki w zakresie linearyzacji układów sterowania robotami z uwzględnieniem tarcia.
Źródło:
Journal of Theoretical and Applied Mechanics; 2002, 40, 3; 595-610
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rainfall-river discharge modelling for flood forecasting using Artificial Neural Network (ANN)
Autorzy:
Obasi, Arinze A.
Ogbu, Kingsley N.
Orakwe, Chukwuemeka L.
Ahaneku, Isiguzo E.
Powiązania:
https://bibliotekanauki.pl/articles/292776.pdf
Data publikacji:
2020
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
artificial neural network (ANN)
rainfall
flood forecasting
river discharge
Opis:
This study is aimed at evaluating the applicability of Artificial Neural Network (ANN) model technique for river discharge forecasting. Feed-forward multilayer perceptron neural network trained with back-propagation algorithm was employed for model development. Hydro-meteorological data for the Imo River watershed, that was collected from the Anambra-Imo River Basin Development Authority, Owerri – Imo State, South-East, Nigeria, was used to train, validate and test the model. Coefficients of determination results are 0.91, 0.91 and 0.93 for training, validation and testing periods respectively. River discharge forecasts were fitted against actual discharge data for one to five lead days. Model results gave R2 values of 0.95, 0.95, 0.92, 0.96 and 0.94 for first, second, third, fourth, and fifth lead days of forecasts, respectively. It was generally observed that the R2 values decreased with increase in lead days for the model. Generally, this technique proved to be effective in river discharge modelling for flood forecasting for shorter lead-day times, especially in areas with limited data sets.
Źródło:
Journal of Water and Land Development; 2020, 44; 98-105
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Forecasting the Energy Consumption of an Industrial Enterprise Based on the Neural Network Model
Autorzy:
Kalinchyk, Vasyl
Meita, Olexandr
Pobigaylo, Vitalii
Kalinchyk, Vitalii
Filyanin, Danylo
Powiązania:
https://bibliotekanauki.pl/articles/2069887.pdf
Data publikacji:
2021
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
electrical load
daily schedule
modelling
neural network
multilayer perceptron
MLP
Opis:
This research paper investigates the application of neural network models for forecasting in energy. The results of forecasting the weekly energy consumption of the enterprise according to the model of a multilayer perceptron at different values of neurons and training algorithms are given. The estimation and comparative analysis of models depending on model parameters is made.
Źródło:
Rocznik Ochrona Środowiska; 2021, 23; 484--492
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural networks as a friction classifiers
Sieci neuronowe jako klasyfikatory tarcia
Autorzy:
Gocman, K.
Kałdoński, T.
Powiązania:
https://bibliotekanauki.pl/articles/257827.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
tarcie graniczne
zatarcie
modelowanie procesów tarcia
sztuczna sieć neuronowa
boundary friction
seizure
modelling of friction processes
artificial neural network
Opis:
Preliminary results of the influence of load and rotational speed on the moment of friction and wear of a tribological pair are presented in the paper. Tests were carried out at rotational speeds of about 100-2000 rpm and loads of about 500-6000 N. During the tests, the moment of friction, oil temperature and weather conditions were registered. After the tests, the conditions of the wear of tribological pairs were measured. The analysis of results was developed, and a friction classifier was built using artificial neural networks (ANN). The different training algorithms were applied to obtain the best quality models.
W artykule przedstawiono wstępne wyniki badań wpływu obciążenia i prędkości obrotowej na wartość momentu tarcia i zużycie pary ciernej. Badania przeprowadzono w szerokim zakresie obciążeń (500-6000 N) i prędkości obrotowych (100-2000 obr./min). W czasie pomiarów rejestrowano wartość momentu tarcia, temperaturę środka smarnego oraz warunki otoczenia. Po zakończeniu testów wyznaczono zużycie elementów pary ciernej. Po przeprowadzonej analizie wyników, na bazie sztucznych sieci neuronowych zbudowano klasyfikator tarcia. W czasie budowy modeli zastosowano różne algorytmy uczące, tak aby uzyskać jak najlepszą jakość klasyfikatorów.
Źródło:
Problemy Eksploatacji; 2007, 4; 111-118
1232-9312
Pojawia się w:
Problemy Eksploatacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Experimental investigation and modelling of Friction Stir Processing of cast aluminium alloy AlSi9Mg
Autorzy:
Węglowski, M. S.
Dymek, S.
Hamilton, C. B.
Powiązania:
https://bibliotekanauki.pl/articles/200339.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
friction stir processing
aluminum alloys
numerical modelling
neural networks
microstructure
Opis:
Friction Stir Processing (FSP) is a novel solid state processing technique which can be used for microstructural modification of surface layers in metallic materials. This paper analyzes the effects of FSP process parameters on spindle torque acting on the tool and on the tool temperature. It has been shown that an increase in the rotational speed brings about a decrease in the torque and an increase of temperature. For temperature estimation in the stir zone a numerical model was applied, while for predicting a relationship between the spindle torque acting on the tool, rotational and travelling speeds and the down force, the artificial neural networks approach was employed. Light and electron (scanning and transmission) microscopy investigation showed that the FSP process reduces porosity and produces a more uniform distribution of second-phase particles.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2013, 61, 4; 893-904
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural Network Model for Control of Operating Modes of Crushing and Grinding Complex
Autorzy:
Kalinchyk, Vasyl
Meita, Olexandr
Pobigaylo, Vitalii
Borychenko, Olena
Kalinchyk, Vitalii
Powiązania:
https://bibliotekanauki.pl/articles/2174915.pdf
Data publikacji:
2022
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
classification
modelling
neural network
radial basis function network
RBF
multilayer perceptron
MLP
Opis:
This article investigates the application of neural network models to create automated control systems for industrial processes. We reviewed and analysed works on dispatch control and evaluation of equipment operating modes and the use of artificial neural networks to solve problems of this type. It is shown that the main requirements for identification models are the accuracy of estimation and ease of algorithm implementation. It is shown that artificial neural networks meet the requirements for accuracy of classification problems, ease of execution and speed. We considered the structures of neural networks that can be used to recognise the modes of operation of technological equipment. Application of the model and structure of networks with radial basis functions and multilayer perceptrons for identifying the mode of operation of equipment under given conditions is substantiated. The input conditions for constructing neural network models of two types with a given three-layer structure are offered. The results of training neural models on the model of a multilayer perceptron and a network with radial basis functions are presented. The estimation and comparative analysis of models depending on model parameters are made. It is shown that networks with radial basis functions offer greater accuracy in solving identification problems. The structural scheme of the automated process control system with mode identification based on artificial neural networks is offered.
Źródło:
Rocznik Ochrona Środowiska; 2022, 24; 26--40
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling of back propagation neural network to predict the thermal performance of porous bed solar air heater
Autorzy:
Ghritlahre, Harish Kumar
Prasad, Radha Krishna
Powiązania:
https://bibliotekanauki.pl/articles/240570.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
solar air heater
porous bed
thermal performance
artificial neural network
Levenberg-Marquardt algorithm
Opis:
The objective of present work is to predict the thermal performance of wire screen porous bed solar air heater using artificial neural network (ANN) technique. This paper also describes the experimental study of porous bed solar air heaters (SAH). Analysis has been performed for two types of porous bed solar air heaters: unidirectional flow and cross flow. The actual experimental data for thermal efficiency of these solar air heaters have been used for developing ANN model and trained with Levenberg-Marquardt (LM) learning algorithm. For an optimal topology the number of neurons in hidden layer is found thirteen (LM-13).The actual experimental values of thermal efficiency of porous bed solar air heaters have been compared with the ANN predicted values. The value of coefficient of determination of proposed network is found as 0.9994 and 0.9964 for unidirectional flow and cross flow types of collector respectively at LM-13. For unidirectional flow SAH, the values of root mean square error, mean absolute error and mean relative percentage error are found to be 0.16359, 0.104235 and 0.24676 respectively, whereas, for cross flow SAH, these values are 0.27693, 0.03428, and 0.36213 respectively. It is concluded that the ANN can be used as an appropriate method for the prediction of thermal performance of porous bed solar air heaters.
Źródło:
Archives of Thermodynamics; 2019, 40, 4; 103-128
1231-0956
2083-6023
Pojawia się w:
Archives of Thermodynamics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Cmac and Its Extensions for Efficient System Modelling
Autorzy:
Szabo, T.
Horvath, G.
Powiązania:
https://bibliotekanauki.pl/articles/908287.pdf
Data publikacji:
1999
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
sieć neuronowa
implementacja sprzętowa
budowle hydrotechniczne
CMAC
neural networks
hardware implementation
Opis:
This paper deals with the family of CMAC neural networks. The most important properties of this family are the extremely fast learning capability and a special architecture that makes effective digital hardware implementation possible. The paper gives an overview of the classical binary CMAC, shows the limitations of its modelling capability, gives a critical survey of its different extensions and suggests two further modifications. The aim of these modifications is to improve the modelling capability while maintaining the possibility of an effective realization. The basic element of the first suggested hardware structure is a new matrix-vector multiplier which is based on a canonical signed digit (CSD) number representation and a distributed arithmetic. In the other version, a hierarchical network structure and a special sequential training method are proposed which can constitute a trade-off between the approximation error and generalization. The proposed versions (among them a dynamic extension of the originally static CMAC) are suitable for embedded applications where the low cost and relatively high speed operation are the most important requirements.
Źródło:
International Journal of Applied Mathematics and Computer Science; 1999, 9, 3; 571-598
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of Mechanical Properties of Woven Fabrics by ANN
Autorzy:
Elkateb, Sherien N.
Powiązania:
https://bibliotekanauki.pl/articles/2171977.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
ANN
artificial neural network
mechanical properties
prediction performance
modelling
woven fabric
Opis:
This study aims to obtain an accurate prediction model of mechanical properties of woven fabric to achieve customer satisfaction. Samples of plain woven fabric were produced from different yarn counts and blend ratios of cotton and polyester of weft yarn at different weft densities. Mechanical properties such as tensile strength, bending stiffness and elongation% in both the warp and weft directions were tested. The prediction model was based on Artificial Neural Networks (ANNs). For each model, thirty-nine samples were used for training and fifteen for testing prediction performance. Findings indicated that the ANN achieved a perfect performance in predicting all properties.
Źródło:
Fibres & Textiles in Eastern Europe; 2022, 4 (151); 54--59
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie transportu węglowodorów ropopochodnych metodą filtra gruntowego oraz sieci neuronowych.
Modelling the transport of petroleum hydrocarbons by soil filter and neural networks method
Autorzy:
Żelezik, M
Gawdzik, J
Powiązania:
https://bibliotekanauki.pl/articles/357076.pdf
Data publikacji:
2014
Wydawca:
Politechnika Śląska
Tematy:
hydrocarbons
soil filter
neural network
ropopochodne
filtr gruntowy
sieć neuronowa
Opis:
The paper deals with the model of hydrocarbons migration in the soil. To assess the risk of ground water contamination by hydrocarbons migrating in the soil-filter model had been applied. Incorporation of RBF neural network into mass transport enables the description of isooctane and cetane transport deep into soil profile. The model SNN RBF had been used to determine the behaviour of contaminant through soil.
W pracy zawarto koncepcję modelu migracji węglowodorów w glebie. Do oceny ryzyka skażenia wód gruntowych węglowodorów migrujących zastosowano filtr gruntowy. Do opisu transportu masowego izooktanu i cetanu wykorzystano sieci neuronowe RBF. Model SSN RBF jest pomocny przy ocenie zachowania zanieczyszczeń w gruncie.
Źródło:
Archiwum Gospodarki Odpadami i Ochrony Środowiska; 2014, 16, 4; 85-92
1733-4381
Pojawia się w:
Archiwum Gospodarki Odpadami i Ochrony Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling of vibrations of machines models by use of the bond graphs
Modelowanie drgań modeli maszyn metodą hybrydowych grafów wiązań
Autorzy:
Nowak, A.
Czapla, K.
Kaczmarek, K.
Powiązania:
https://bibliotekanauki.pl/articles/280724.pdf
Data publikacji:
2003
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
modelling
bond graphs
hybrid bond graphs method
neural network
Opis:
In the paper the problem of the modelling of machine systems by making use of the hybrid bond graphs method in a matrix representation and in terms of differential equations has been formulated. The presented method of the dynamic analysis of mechatronical machines models on the basis of the hybrid network graphs constitutes a very efficient algorithm. Such a method consists in the modelling of the given mechatronical model in terms of the hybrid bond graphs with a neural net and the Mason signal flow as subgraphs. Using the impedance method frequency characteristics and natural frequencies for the vibrating model of a machine are analysed on an example of a railway vehicle. In the paper, the sensitivity model and its dynamic characteristics are formulated and examined with the help of the hybrid bond graphs method.
W pracy sformułowano zagadnienie modelowania modeli dynamicznych układów maszyn z zastosowaniem metody hybrydowych grafów wiązań w reprezentacji macierzowej i w postaci układu równań różniczkowych ruchu. Opracowana metoda hybrydowych grafów wiązań stanowi efektywny sposób analizy układów mechatronicznych maszyn. Metoda polega na sformułowaniu globalnego grafu wiązań z uwzględnieniem grafu przepływu sygnałów Masona lub sieci neuronowej jako podgrafów. Stosując metodę impedancji wyznaczono charakterystyki amplitudowo-częstotliwościowe oraz częstości własne na przykładzie modelu dynamicznego pojazdu szynowego. W pracy opracowano także modele wrażliwości ruchu maszyn i ich charakterystyk dynamicznych przy zastosowaniu metody hybrydowych grafów wiązań.
Źródło:
Journal of Theoretical and Applied Mechanics; 2003, 41, 4; 903-918
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie procesów przetwórczych z użyciem sztucznych sieci neuronowych
Modelling of food-processing with the use of artificial neural networks
Autorzy:
Langman, J.
Pedryc, N.
Powiązania:
https://bibliotekanauki.pl/articles/290507.pdf
Data publikacji:
2010
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna sieć neuronowa
wypiek chleba
jakość pieczywa
artificial neural network
bread baking process
bread quality
Opis:
Na jakość produktów w największym stopniu wpływa surowiec zastosowany w procesie. Przygotowanie surowców oraz sam proces przetwórczy można traktować jako procesy powtarzalne, jednakże surowiec jako materiał biologiczny cechuje się dużym zróżnicowaniem występującym w obrębie tej samej odmiany. Podjęto więc prace mające na celu powiązanie cech jakościowych surowca z gotowym produktem. Do realizacji modelowania procesu wypieku zastosowano SSN. W pracy przedstawiono optymalną architekturę sztucznej sieci neuronowej do realizacji postawionego celu.
Raw product used in the process has most significant impact on the quality of product. Preparation of raw products and processing itself may be treated as repeatable processes, however raw product consisting of biological material is characterised by high diversification occurring within the same variety. Therefore, measures have been taken in order to link qualitative properties of raw product with finished product. The ANN have been employed to carry out baking process modelling. The work presents an optimal artificial neural network architecture allowing to achieve a defined goal.
Źródło:
Inżynieria Rolnicza; 2010, R. 14, nr 7, 7; 105-111
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A neural-fuzzy approach for fault diagnosis of hybrid dynamical systems: demonstration on three-tank system
Autorzy:
Achbi, Mohammed Said
Kechida, Sihem
Mhamdi, Lotfi
Dhouibi, Hedi
Powiązania:
https://bibliotekanauki.pl/articles/1837950.pdf
Data publikacji:
2021
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
hybrid dynamic systems
modelling
residual generation
evaluation
monitoring
fault diagnosis
neural - fuzzy approach
Opis:
This work is part of the diagnostic field of hybrid dynamic systems (HDS) whose objective is to ensure proper operation of industrial facilities. The study is initially oriented to the modelling approach dedicated to hybrid dynamical systems (HDS). The objective is to look for an adequate model encompassing both aspects (continuous and event). Then, fault diagnosis technique is synthesised using artificial intelligence (AI) techniques. The idea is to introduce a hybrid version combining neural networks and fuzzy logic for residual generation and evaluation. The proposed approach is then validated on three tank system. The modelling and diagnosis approaches are developed using MATLAB/Simulink environment.
Źródło:
Acta Mechanica et Automatica; 2021, 15, 1; 1-8
1898-4088
2300-5319
Pojawia się w:
Acta Mechanica et Automatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling of mass transfer kinetic in osmotic dehydration of kiwifruit
Autorzy:
Jabrayili, S.
Farzaneh, V.
Zare, Z.
Bakhshabadi, H.
Babazadeh, Z.
Mokhtarian, M.
Carvalho, I.S.
Powiązania:
https://bibliotekanauki.pl/articles/24375.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Instytut Agrofizyki PAN
Tematy:
modelling
mass transfer
kinetics
osmotic dehydration
kiwi fruit
artificial neural network
Źródło:
International Agrophysics; 2016, 30, 2
0236-8722
Pojawia się w:
International Agrophysics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
SOFT COMPUTING FOR MODELLING THE VALUE OF SOCIAL CAPITAL AT RED HAT
Autorzy:
Siderska, Julia
Powiązania:
https://bibliotekanauki.pl/articles/453495.pdf
Data publikacji:
2014
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
Tematy:
artificial neural network
social capital
soft computing
open source software
Opis:
The main objective of this paper is to predict the value of social capital at Red Hat Corporation, using a developed neural network model. Training data were collected and calculated based on balance sheets published for the years 2005 - 2012. Five variables were proposed as an input of the neural network. The output variable presented the value of social capital, calculated by fundamental equation [Walukiewicz 2006]. The artificial neural network had been trained in Statistica Automated Neural Network.
Źródło:
Metody Ilościowe w Badaniach Ekonomicznych; 2014, 15, 2; 223-231
2082-792X
Pojawia się w:
Metody Ilościowe w Badaniach Ekonomicznych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Heuristic modeling of objects and processes using dynamic neural networks
Heurystyczne modelowanie obiektów i procesów przy pomocy dynamicznych sieci neuronowych
Autorzy:
Przystałka, P.
Powiązania:
https://bibliotekanauki.pl/articles/327816.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
sztuczna sieć neuronowa
lokalnie rekurencyjna sieć neuronowa
systemy dynamiczne
metoda quasi-Newtonowska
modelowanie heurystyczne
artificial neural network
locally recurrent neural network
dynamic systems
quasi-Newton methods
heuristic modelling
Opis:
The methodology of heuristic modeling is one of the subjects included in the activities developed by the Department of Fundamentals of Machinery Design [4, 6]. Among all the approaches of heuristic modeling some of the most common are artificial neural networks. There are many papers and books devoted to applications of neural networks for modeling dynamic systems [1, 2, 4, 5, 6, 7]. In this paper, known approach basing on dynamic neuron model is presented (dynamic neuron with IIR filter in the activation block [2]) but some developments are introduced. Locally recurrent networks which are composed of dynamic neural units described in [2, 5, 7] are able to model behavior of complex dynamic systems. Nevertheless, they have one major disadvantage, that is, neural networks composed of these neurons are not able to represent stochastic behaviors of some objects [4,6]. By introducing the ARMAX (or ARX) system into dynamic neuron model author has received dynamic neuron unit that never behaves in the same way (it brings an artificial neuron closer and closer to the biological model). In this paper the author presents formal description of dynamic neuron unit with ARMAX system in the feedback block. There are also described a general structure of dynamic neural network composed of these neurons, two known training methods and some commonly used quality measures. At the end of the paper three examples of applications are given.
Metodologia heurystycznego modelowania obiektów i procesów jest jednym z kierunków badań rozwijanym prze Katedrę Podstaw Konstrukcji Maszyn [4, 6]. Spośród wielu metod modelowania heurystycznego duże znaczenie odgrywają metody bazujące na sztucznych sieciach neuronowych. Można wyróżnić wiele ciekawych prac badawczych prowadzonych w kierunku modelowania systemów dynamicznych z zastosowaniem tego typu narzędzia [1, 2, 4, 5, 6, 7]. W artykule zaprezentowano znane podejście bazujące na dynamicznych neuronach (dynamiczny neuron z filtrem IIR w bloku aktywacyjnym [2]) z pewnymi modyfikacjami. Lokalnie rekurencyjne sieci neuronowe złożone z dynamicznych neuronów opisane w [2, 5, 7] nadają się do modelowania zachowania złożonych systemów dynamicznych. Jednakże, posiadają one jedną główną wadę tzn. nie są zdolne do reprezentowania zachowania losowego niektórych obiektów [4, 6]. Poprzez wprowadzenie systemu typu ARMAX (ARX) do modeli dynamicznych neuronów autor otrzymał dynamiczny model neuronu, który nigdy nie zachowują się w ten sam sposób (przybliża to model sztucznego neuronu do jego biologicznego wzoru). W artykule autor prezentuje formalny opis dynamicznego neuronu z systemem typu ARMAX w bloku sprzężenie zwrotnego. Opisuje również ogólną strukturę dynamicznej sieci neuronowej złożonej z tych neuronów, dwa znane algorytmy trenujące oraz powszechnie stosowane miary jakości. Przykładowe zastosowania opisywanych sieci zaprezentowane są w końcowym fragmencie opracowania.
Źródło:
Diagnostyka; 2006, 2(38); 31-36
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Studies on the ANN implementation in the macro BIM cost analyzes
O możliwościach zastosowania SSN w analizach kosztowych "macro BIM"
Autorzy:
Juszczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/887471.pdf
Data publikacji:
2017
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
artificial neural network
implementation
BIM technology zob.building information modelling
cost analysis
building information modelling
Opis:
Studies on the ANN implementation in the macro BIM cost analyzes. The paper presents an approach which combines the concept of macro-level BIM-based cost analyzes analyzes and application of artificial intelligence tools – namely artificial neural networks. Discussion and foundations of the proposed approach are introduced in the paper to clarify the problem’s core. An exemplary case study reports the results of initial studies on the application of neural networks for the purposes of BIM-based cost analysis of a buildings’ fl oor structural frame. The results obtained justify the proposal of application of neural networks as a supportive mathematical tool in the problem presented in the paper.
O możliwościach zastosowania SSN w analizach kosztowych „macro BIM”. Artykuł przedstawia podejście, w którym połączono koncepcję analiz kosztowych macro BIM z zastosowaniem narzędzi sztucznej inteligencji – sztucznych sieci neuronowych. W artykule zaprezentowano dyskusję i podstawowe założenia proponowanego podejścia stanowiące wyjaśnienie istoty problemu. Studium przypadku przedstawia wyniki wstępnych badań dotyczących różnego zastosowania sieci neuronowych w analizach kosztów z zastosowaniem BIM na przykładzie oszacowań kosztów konstrukcji nośnej kondygnacji budynku. Uzyskane wyniki uzasadniają propozycję wykorzystania sieci neuronowych jako narzędzia matematycznego rozwiązywania problemu przedstawionego w artykule.
Źródło:
Scientific Review Engineering and Environmental Sciences; 2017, 26, 2[76]
1732-9353
Pojawia się w:
Scientific Review Engineering and Environmental Sciences
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:
Evolutionary algorithm inspired by the methods of quantum computer sciences for the improvement of a neural model of the electric power exchange
Autorzy:
Tchórzewski, J.
Ruciński, D.
Powiązania:
https://bibliotekanauki.pl/articles/94729.pdf
Data publikacji:
2017
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
Artificial Neural Network
Matlab language
modelling
quantum computation
Polish Power Exchange
day ahead market
Opis:
The work contains results of research on the possibility to improve the neural model of the Electric Power Exchange (polish: Towarowa Giełda Energii Elektrycznej – TGEE) in MATLAB and Simulink environment using evolutionary algorithm inspired by quantum computer science. The developed artificial neural network was trained using data for the Day Ahead Market, assuming the joint volume of supplied and sold electrical energy [MWh] as the input quantities in each hour of the 24-hour day, and average prices [PLN/MWh] as output quantities. The obtained model of the exchange system was improved using the evolutionary algorithm, and further improvement in the accuracy of the model by supplementing the evolutionary algorithm using quantum solutions, related to the initial population, crossover and mutation operators, selection, etc. were proposed.
Źródło:
Information Systems in Management; 2017, 6, 4; 343-355
2084-5537
2544-1728
Pojawia się w:
Information Systems in Management
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of Artificial Neural Networks to Predict the Air Permeability of Woven Fabrics
Zastosowanie sztucznych sieci neuronowych do przewidywania przepuszczalność powietrza tkanin
Autorzy:
Matusiak, M.
Powiązania:
https://bibliotekanauki.pl/articles/233122.pdf
Data publikacji:
2015
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
woven fabrics
air permeability
artificial neural networks
modelling
tkaniny
przepuszczalność powietrza
sztuczne sieci neuronowe
modelowanie
przepływ powietrza
Opis:
Air permeability is one of the most important utility properties of textile materials as it influences air flow through textile material. Air permeability plays a significant role in textiles for clothing due to their influence on physiological comfort. Air permeability is also very important in technical textiles, especially for filtration, automotive airbags, parachutes, etc. The air permeability of textile materials depends on their porosity. There are a lot of structural properties of textile materials influencing air permeability and there are also statistically significant interactions between the main factors influencing the air permeability of fabrics. It justifies the application of artificial neural networks (ANNs) to predict the air permeability of textile materials on the basis of their structural parameters. Within the framework of the work presented ANNs were applied to predict the air permeability of cotton woven fabrics.
Przepuszczalność powietrza jest jedną z ważniejszych właściwości użytkowych materiałach włókienniczych. Wpływa ona na przepływ powietrza przez materiał włókienniczy. Przepuszczalność powietrza odgrywa istotną rolę w materiałach włókienniczych przeznaczonych na odzież z uwagi na ich wpływ na odczuwanie komfortu fizjologicznego. Przepuszczalność powietrza jest także bardzo ważna w przypadku tekstyliów technicznych, w szczególności przeznaczonych na filtry, spadochrony,poduszki powietrzne itp. Przepuszczalność powietrza materiałów włókienniczych zależy od ich porowatości. Istnieje wiele właściwości strukturalnychmateriałów włókienniczych wpływających na przepuszczalność powietrza. Występują również statystycznie istotne interakcje pomiędzy głównymi czynnikami wpływającymi na przepuszczalność powietrza tkanin. To uzasadnia zastosowanie sztucznych sieci neuronowych do przewidywania przepuszczalności powietrza materiałów włókienniczych na podstawie ich parametrów strukturalnych. W ramach niniejszej pracy sztuczne sieci neuronowe zostały zastosowane do przewidywania przepuszczalności powietrza tkanin bawełnianych.
Źródło:
Fibres & Textiles in Eastern Europe; 2015, 1 (109); 41-48
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
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:
The ANN approximation of the CH4 combustion model : the heat release
Autorzy:
Kowalski, J.
Powiązania:
https://bibliotekanauki.pl/articles/246946.pdf
Data publikacji:
2010
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
modelling
internal combustion engines
approximation
artificial neural network
combustion process
heat release
Opis:
The calculation of the heat release from the combustion process of the CH4 is presented of the paper. Correct calculation results of the heat released from combustion is important for design, modelling and testing phenomena in combustion chambers of internal combustion engines. The paper presents results of calculations for the kinetic mechanism of methane combustion GriMech 3 for different thermodynamic parameters and composition of the combusted mixture. The calculations were performed for all possible configurations of the variable temperaturę range from 1100K to 3600K, the variable pressure in the range of 2MPa to 5MPa, variable humidity of charged air from 10 to 30 grams of water per l kg of air and variable mole fractions of charge air. Results of the kinetic calculation of combustion process are qualitatively consistent with the data available in literature. The next stage of research was approximation of obtained results with the trained artificial neural network. Input data needed to approximate the energy of the combustion process consisted of 52 mole fractions of chemical species and temperature and pressure process. Approximation results have meant square error not exceeded 0.04% for the test data and 0.02% for the validation data. The maximum error for a single result was 1.9% compared to data obtained with chemical kinetic calculations.
Źródło:
Journal of KONES; 2010, 17, 2; 225-232
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimization of structure of neural models using distributed computing environment
Optymalizacja struktury modeli neuronowych z zastosowaniem rozproszonego środowiska obliczeniowego
Autorzy:
Tomanek, A.
Przystałka, P.
Adamczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/327638.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
rozproszone obliczenia
klastery typu ad-hoc
sztuczna sieć neuronowa
modelowanie heurystyczne
optymalizacja struktury sieci neuronowej
distributed computing
ad-hoc computing clusters
artificial neural network
heuristic modelling
optimizing neural network architecture
Opis:
The main aim of this paper was to identify the optimal structures of considered neural models using the distributed computing environment. In this paper distributed optimizing of feed-forward neural network architectures for given problems is presented. The computing environment is composed of a few important packages and modules and has been created by the authors in order to aid developing some soft computing methods [4], where a lot of calculations are needed. At the beginning the authors decided to adapt a simple systematic-search algorithm that searches through every possible combination of network structures. Since this class of algorithms requires large amount of computation the distributed computing system was employed.
Głównym celem przeprowadzonych badań było zidentyfikowania optymalnej struktury rozpatrywanych modeli neuronowych z zastosowaniem środowiska do obliczeń rozproszonych. W artykule zaprezentowano zastosowanie systemu do rozproszonej optymalizacji struktury sztucznej sieci neuronowej typu perceptron wielowarstwowy dla zadanego problemu. Prezentowane środowisko obliczeniowe jest złożone z kilku pakietów oraz modułów i zostało utworzone przez autorów w celu wspomagania rozwoju metodologii modelowania heurystycznego [4], gdzie niezbędnych jest wiele obliczeń. W początkowym stadium rozwoju oprogramowania autorzy zastosowali prosty algorytm przeszukiwania systematycznego każdej możliwej kombinacji struktury sieci. Ponieważ tego typu algorytmy z reguły wymagają dużych mocy obliczeniowych, postanowiono wykorzystać system omawiany w niniejszym artykule.
Źródło:
Diagnostyka; 2006, 4(40); 15-18
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie zmian parametrów ścieków oczyszczonych z wykorzystaniem sztucznych sieci neuronowych
Modelling Changes in the Parameters of Treated Sewage Using Artificial Neural Networks
Autorzy:
Skoczko, I.
Struk-Sokołowska, J.
Ofman, P.
Powiązania:
https://bibliotekanauki.pl/articles/1813853.pdf
Data publikacji:
2017
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
oczyszczanie ścieków
ścieki mleczarskie
sztuczne sieci neuronowe
wastewater treatment
dairy wastewater
artificial neural networks
Opis:
Celem pracy było opracowanie modelu sztucznej sieci neuronowej aproksymującej zmiany w stężeniach i wartościach podstawowych parametrów jakościowych ścieków oczyszczonych. Badania prowadzone były w latach 2014 i 2015 w oczyszczalni ścieków w Bystrym koło Giżycka. Obiekt ten oczyszcza zmieszane ścieki komunalne i mleczarskie. W modelu jako zmienne wejściowe wybrano siedem parametrów chemicznych ścieków surowych i ilość ścieków dopływającą do oczyszczalni. Wskaźniki chemiczne uwzględniały wartości biologicznego i chemicznego zapotrzebowania na tlen, stężenia azotu i fosforu ogólnego, ilość zawiesin ogólnych, odczyn oraz temperaturę ścieków. W prezentowanym modelu największy wpływ na aproksymację zmiennych wyjściowych miały stężenia azotu i fosforu ogólnego. Opracowany algorytm najlepiej oddał charakter zmian zawiesin ogólnych w ściekach oczyszczonych.
Aim of this study was to develop a model of artificial neural network for changes approximation in concentration and values of basic quality parameters of treated wastewater. Studies were carried out in years 2014 and 2015 in Bystre wastewater treatment plant, located near Giżycko. To Bystre sewage treatment plant inflows mixed domestic and dairy wastewater. In model as input variables were taken seven chemical parameters of raw wastewater and the amount of sewage inflowing to facility. Chosen chemical indicators were describing values of biological and chemical oxygen demand, concentrations of total nitrogen and phosphorus, amount of total suspended solids, pH and temperature of raw wastewater. In presented model the greatest impact on variables approximation had concentrations of total nitrogen and phosphorus. Developed model at it best reflected changes in total suspended solid in treated wastewater.
Źródło:
Rocznik Ochrona Środowiska; 2017, Tom 19; 633-650
1506-218X
Pojawia się w:
Rocznik Ochrona 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:
Modelling and Analysis of the Synergistic Alloying Elements Effect on Hardenability of Steel
Autorzy:
Sitek, Wojciech
Trzaska, Jacek
Gemechu, W. F.
Powiązania:
https://bibliotekanauki.pl/articles/2203932.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
hardenability
artificial neural networks
multiple regression
steel alloy
modelling and simulation
hartowność
sztuczne sieci neuronowe
regresja wielokrotna
stal
modelowanie i symulacja
Opis:
The paper presents a methodology of modeling relationships between chemical composition and hardenability of structural alloy steels using computational intelligence methods, that are artificial neural network and multiple regression models. Particularly, the researchers used unidirectional multilayer teaching method based on the error backpropagation algorithm and a quasi-newton methods. Based on previously known methodologies, it was found that there is no universal method of modeling hardenability, and it was also noted that there are errors related to the calculation of the curve. The study was performed on large set of experimental data containing required information on about the chemical compositions and corresponding Jominy hardenability curves for over 400 data steel heats with variety of chemical compositions. It is demonstrated that the full practical usefulness of the developed models in the selection of materials for particular applications with intended performance in the area of application.
Źródło:
Archives of Foundry Engineering; 2022, 22, 4; 102--108
1897-3310
2299-2944
Pojawia się w:
Archives of Foundry Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Inversion of Remote Sensing Data Using Multiple Ratios of Spectral Radiation Intensities and Neural Networks
Autorzy:
Cięszczyk, S.
Powiązania:
https://bibliotekanauki.pl/articles/1032310.pdf
Data publikacji:
2017-06
Wydawca:
Polska Akademia Nauk. Instytut Fizyki PAN
Tematy:
remote sensing
infrared spectrometers
infrared spectra
computer modelling and simulation
Opis:
The article presents a method for determining the content and temperature on the basis of spectra from remote measurements. The technique uses measurements of a high resolution radiation spectrum that allows the visibility of the individual rotational lines of gases such as CO₂, used here in the range of 2470-2495 cm¯¹. At the same time a new algorithm is applied of pre-processing the spectrum, involving the use of multiple ratios of intensity at several wavenumbers as input to an inverse model based on neural networks. Due to it, the dimensionality of the input can significantly be reduced. Additionally, the data interpreted do not have to be measured in units of spectral radiance. Thus only the calibration of the sensitivity of the spectrometer at various wavelengths is required. The neural models were constructed on the basis of data from the simulation. The proposed method works with a uniform layer of radiating gas for determining the temperature and CO₂ content. For a non-uniform layer it is possible to determine the line-of-sight temperature profile and average gas content. The method can be extended to different spectral ranges and to other gases present in substantial quantities in the exhaust gases of various processes.
Źródło:
Acta Physica Polonica A; 2017, 131, 6; 1454-1459
0587-4246
1898-794X
Pojawia się w:
Acta Physica Polonica A
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Problems of modelling toxic compounds emitted by a marine internal combustion engine in unsteady states
Autorzy:
Rudnicki, J.
Zadrąg, R.
Powiązania:
https://bibliotekanauki.pl/articles/259322.pdf
Data publikacji:
2014
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
technical diagnostics
diesel engine
dynamic processes
neural network
Opis:
Contemporary engine tests are performed based on the theory of experiment. The available versions of programmes used for analysing experimental data make frequent use of the multiple regression model, which enables examining effects and interactions between input model parameters and a single output variable. The use of multi-equation models provides more freedom in analysing the measured results, as those models enable simultaneous analysis of effects and interactions between many output variables. They can also be used as a tool in preparing experimental material for other advanced diagnostic tools, such as the models making use of neural networks which, when properly prepared, enable also analysing measurement results recorded during dynamic processes. The article presents advantages of the use of the abovementioned analytical tools and a sample application of the neural model developed based on the results of examination carried out on the engine research rig.
Źródło:
Polish Maritime Research; 2014, 4; 57-65
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling of arrears in payments for dwelling using artificial neural networks
Modelowanie zaległości w opłatach za mieszkania przy użyciu sztucznych sieci neuronowych
Autorzy:
Jasiński, Tomasz
Bochenek, Anna
Powiązania:
https://bibliotekanauki.pl/articles/432109.pdf
Data publikacji:
2019
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
payment arrears
household debt
forecasts
municipalities
artificial neural networks
zaległości płatnicze
zadłużenie gospodarstw domowych
prognozy
gminy
sztuczne sieci neuronowe
Opis:
The study presents the construction process of a model that forecasts arrears in dwelling payments in individual municipalities in Poland depending on the values of economic data from previous years. This enables to estimate arrears that will arise in the investigated municipalities in the year of analysis. The model constructed on the basis of artificial neural networks, which is a tool from the area of artificial intelligence, was used to carry out forecasts. More than one hundred thousand networks with multilayer perceptron (MLP) and radial basis function (RBF) architectures were tested. The MAPE for prediction of the number of indebted dwellings in municipalities with at least 50 indebted premises was 6.08%. The correctness of forecasts in the area of the direction of changes of household debt in municipalities between 2014 and 2015 was 76.84%.
Opracowanie przedstawia proces budowy modelu prognozującego zaległości w opłatach mieszkaniowych w poszczególnych gminach w Polsce w zależności od wartości danych ekonomicznych z lat poprzednich. Umożliwia to oszacowanie zaległości, jakie będą kształtować się w badanej gminie w roku dokonywania analizy. Do przeprowadzenia prognoz został użyty model zbudowany na bazie sztucznych sieci neuronowych będących narzędziem z obszaru sztucznej inteligencji. Testom zostało poddanych ponad sto tysięcy sieci o architekturze perceptronu wielowarstwowego (MLP) oraz o radialnych funkcjach bazowych (RBF). MAPE dla prognozy liczby zadłużonych nieruchomości (z zaległościami w opłatach mieszkaniowych) w poszczególnych gminach wyniósł 6,08% (badaniu poddano gminy, w których zadłużenie występowało w minimum 50 nieruchomościach). Poprawność prognoz kierunku zmian zadłużenia gospodarstw domowych w gminach w latach 2014-2015 wyniosła 76,84%.
Źródło:
Informatyka Ekonomiczna; 2019, 2 (52); 58-68
1507-3858
Pojawia się w:
Informatyka Ekonomiczna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling population density using artificial neural networks from open data
Modelowanie gęstości ludności z wykorzystaniem sztucznych sieci neuronowych na podstawie otwartych danych
Autorzy:
Nadolny, Adam
Powiązania:
https://bibliotekanauki.pl/articles/2146817.pdf
Data publikacji:
2021
Wydawca:
Polskie Towarzystwo Informacji Przestrzennej
Tematy:
population density
artificial neural network
detection model
information extraction
image
gęstość zaludnienia
sztuczna sieć neuronowa
model detekcyjny
ekstrakcja informacji
obraz
Opis:
This paper introduces the concept of creating a model for population density prediction and presents the work done so far. The unit of reference in the study is more the population density of a location rather than tracking human movements and habits. Heterogeneous open data, which can be obtained from the World Wide Web, was adopted for the analysis. Commercial telephony data or social networking applications were intentionally omitted. Both for data collection and later for modeling the potential of artificial neural networks was used. The potential of detection models such as YOLO or ResNet was explored. It was decided to focus on a method of acquiring additional data using information extraction from images and extracting information from web pages. The BDOT database and statistical data from the Central Statistical Office (polish: GUS) were adopted for the base model. It was shown that the use of street surveillance cameras in combination with deep learning methods gives an exam.
W niniejszej pracy przedstawiono koncepcję stworzenia modelu do predykcji gęstości ludności oraz przedstawiono wykonane dotychczas prace. Jednostką odniesienia w badaniach jest bardziej gęstość ludności w danym miejscu niż śledzenie ruchów i nawyków człowieka. Do analizy przyjęto heterogeniczne otwarte dane, które można pozyskać z sieci WWW. Celowo pominięto komercyjne dane telefonii czy aplikacji społecznościowych. Zarówno do gromadzenia danych jak i później do modelowania wykorzystano potencjał sztucznych sieci neuronowych. Zbadano potencjał modeli detekcyjnych takich jak YOLO czy ResNet. Postanowiono skupić się na metodzie pozyskiwania dodatkowych danych z wykorzystaniem ekstrakcji informacji z obrazu oraz pozyskiwania informacji ze stron WWW. Do modelu bazowego przyjęto bazę danych BDOT oraz dane statystyczne z GUS. Wykazano, że wykorzystanie kamer monitoringu ulic w połączeniu z metodami głębokiego uczenia daje egzamin.
Źródło:
Roczniki Geomatyki; 2021, 19, 2(93); 31--43
1731-5522
2449-8963
Pojawia się w:
Roczniki Geomatyki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Self-adaptive whale optimization for the design and modelling of boiler plant
Autorzy:
Savargave, S. B.
Deshpande, A. M.
Powiązania:
https://bibliotekanauki.pl/articles/1839098.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
boiler
whale optimization
neural model
temperature outlet
feed water flow
Opis:
Recently, boiler plants are have been the subject of intensive investigations in the context of energy-saving technologies and management for power saving and reduction of emissions. Modern boiler design offers several benefits with this respect. In the past, improper design of boilers has been the cause of explosions which led to the loss of life and property. Modern designs attempt to avoid such mishaps. This paper presents a novel Self-Adaptive Whale Optimization Algorithm (SAWOA) for improving the learning characteristic of the neural network, the major intention being to model the characteristics of the boiler plant and so to effectively predict the boiler behaviour. The performance analysis of the introduced model has been carried out using the three test cases with consideration of several parameters. In the experimental analysis, the introduced technique is compared with the existing ones, based on such approaches as Neural Model (NM), Firefly (FF-NM), Adaptive Firefly NM (AFF-NM), and Whale Optimization Algorithm-NM (WOANM). In this comparison, the error, i.e. the difference between the actual and the predicted value, was used, and the results revealed that the error is lower for the introduced technique under different experimental scenarios. The experimental results demonstrate that the performance level of SAWOA is by 18% better than those of NM, FF-NM, and AFF-NM, and by 3.74% better than that of WOA-NM. This confirms the quality of performance of the proposed approach regarding boiler plants.
Źródło:
Control and Cybernetics; 2018, 47, 4; 329-356
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuro-fuzzy modelling based on a deterministic annealing approach
Autorzy:
Czabański, R.
Powiązania:
https://bibliotekanauki.pl/articles/908442.pdf
Data publikacji:
2005
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
system rozmyty
sieć neuronowa
ekstrakcja reguł
fuzzy systems
neural networks
neuro-fuzzy systems
rules extraction
deterministic annealing
prediction
Opis:
This paper introduces a new learning algorithm for artificial neural networks, based on a fuzzy inference system ANBLIR. It is a computationally effective neuro-fuzzy system with parametrized fuzzy sets in the consequent parts of fuzzy if-then rules, which uses a conjunctive as well as a logical interpretation of those rules. In the original approach, the estimation of unknown system parameters was made by means of a combination of both gradient and least-squares methods. The novelty of the learning algorithm consists in the application of a deterministic annealing optimization method. It leads to an improvement in the neuro-fuzzy modelling performance. To show the validity of the introduced method, two examples of application concerning chaotic time series prediction and system identification problems are provided.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2005, 15, 4; 561-576
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie ruchu pojazdu typu ROV w płaszczyźnie pionowej z wykorzystaniem sieci neuronowych
Modelling of the movement of rov vehicle in vertical plane using neural networks
Autorzy:
Matejski, M.
Dramski, M.
Powiązania:
https://bibliotekanauki.pl/articles/366412.pdf
Data publikacji:
2008
Wydawca:
Polskie Towarzystwo Medycyny i Techniki Hiperbarycznej
Tematy:
modelowanie ruchu bezzałogowych pojazdów podwodnych
sieci neuronowe
modeling of the move of unmanned underwater vehicles
neural networks
Opis:
Modelowanie ruchu bezzałogowych pojazdów podwodnych może być efektywnie realizowane z użyciem sieci neuronowych zdolnych do zilustrowania tego procesu. W tym artykule przedstawiono sposób budowania sieci neuronowych oraz proces ich nauczania. Wszystkie eksperymenty przeprowadzono na WTM/PS na pojeździe podwodnym typu ROV - KRAB.
Modeling of the move of unmanned underwater vehicles can effectively be realized with use of neural networks capable to illustrate the modeled process. In this paper a method of a construction of neural networks and a learning process is presented. All experiments were carried out at the Faculty of Maritime Technologies of Szczecin University of Technology on the underwater vehicle ROV type - KRAB.
Źródło:
Polish Hyperbaric Research; 2008, 1(22); 7-14
1734-7009
2084-0535
Pojawia się w:
Polish Hyperbaric Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An adaptive control system of roadheader with intelligent modelling of mechanical features of mined rock
Autorzy:
Jasiulek, D.
Stankiewicz, K.
Świder, J.
Powiązania:
https://bibliotekanauki.pl/articles/242129.pdf
Data publikacji:
2011
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
roadheader
artificial neural networks
rocks properties
control system
Opis:
An idea of use of artificial intelligence technology for determination of selected parameters of roadheader operation, by a direct implementation of artificial neural network in control system of machine, was presented in the paper. The roadheaders operates in hard coal mines underground in extremely difficult environmental conditions. Technological process of driving of roadheader depends on many factors such as technical parameters of machine, mechanical and physical properties of rocks and operator's skills. It is difficult to develop a conventional system that could help in control operation of actuators of the machine, and increase the utilization of machine technical potential and improve rate of roadway development advance, due to mining-and-geological conditions (including mechanical and physical features of rocks), which are variable during mining. Proposed system for control of roadheader, as an adaptive system equipped with artificial neural network, will react to changes in operational space of machine. Improved machine performance will be possible due to use of artificial intelligence technology, which aids analysis of conditions of machine operation such as type of mined rock, size of excavation or web depth, makes possible inference process of introducing adequate changes of actuators control values.
Źródło:
Journal of KONES; 2011, 18, 2; 197-203
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A patient walk-data-record modelling using a spline interpolation method
Autorzy:
Chandzlik, S.
Piecha, J.
Powiązania:
https://bibliotekanauki.pl/articles/332939.pdf
Data publikacji:
2002
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
szkolenia sieci neuronowych
automatyzacja diagnostyki medycznej
neural network training
conclusion-making systems
medical diagnostics automation
Opis:
The paper describes an analytical method of data record description that allows converting samples of discrete data record into continuous function. This operation allows re-sampling the data record with a sampling rate that is adequate to step duration. The record length is limited to an efficient size for training the Conclusion-Making Unit (CMU). Various options available in the PSW equipment [6], [7] give the user many aims in putting diagnosis anyhow, due to simplification of the CMU training process several methods for data records modifications are considered.
Źródło:
Journal of Medical Informatics & Technologies; 2002, 3; MI153-159
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling of moment of friction under increasing load using artificial neural networks
Modelowanie przebiegu momentu tarcia pod narastającym obciążeniem z wykorzystaniem sztucznych sieci neuronowych
Autorzy:
Gocman, K.
Kałdoński, T.
Powiązania:
https://bibliotekanauki.pl/articles/243205.pdf
Data publikacji:
2007
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
tribologia
tarcie graniczne
smarność
modelowanie procesów tribologicznych
sztuczne sieci neuronowe
tribology
boundary friction
lubricity
modeling of tribological processes
artificial neural networks
Opis:
Searching models of tribological quantities taking into account every processes proceeded in friction pairs is one of the most important problem in present tribology. Existing models of wear and friction are unfortunately imperfect -they do not reflect every occurrences proceeded in tribological pairs, especially in case of boundary friction. Complicated and nonlinear nature of friction processes force researching of non-analytical models. In view of their properties, the artificial neural networks (ANN) could become very useful instruments. The results preliminary tests on influence of load and rotational speed on moment offriction are presented in this paper. Tests were carried out under increasing load and at the range of rotational speed 500 - 1500 rpm. The analysis of results was elaborated and run of moment offriction on base of artificial neural network was modeled. The different kinds of ANN and different training algorithms were applied to obtain the best quality of built models. In particular the schema of the friction, the moment of the friction in a load function for selected rotational speeds, the structure of the GRNN network, composition experimental data and results of the modelling are illustrated in the paper.
Modelowanie wielkości tribologicznych, uwzględniające wszystkie procesy zachodzące w węźle tarcia jest jednym z najważniejszych zadań współczesnej tribologii. Istniejące modele zużycia i tarcia są niestety niedoskonałe - nie odzwierciedlają one wszystkich zjawisk zachodzących w węźle tarcia, zwłaszcza w wypadku występowania tarcia granicznego. Złożony i nieliniowy charakter procesów zachodzących w węźle tarcia wymusza poszukiwanie modeli innych niż analityczne. Ze względu na swoje właściwości, bardzo użytecznym narzędziem mogą stać się sztuczne sieci neuronowe (SSN). W artykule przedstawiono wstępne wyniki badań wpływu obciążenia i prędkości obrotowej na przebieg momentu tarcia. Badania przeprowadzone zostały przy obciążeniu narastającym płynnie w czasie testu, w zakresie prędkości obrotowych od 500 do 1500 obr/min. Po przeprowadzonej analizie wyników badań, na bazie sztucznych sieci neuronowych zbudowany został model przebiegu momentu tarcia. W czasie modelowania wykorzystano różne rodzaje sieci neuronowych oraz zastosowano różne algorytmy uczące, aby uzyskać jak najlepszą jakość budowanego modelu. W szczególności schemat węzła tarcia, moment tarcia w funkcji obciążenia dla wybranych prędkości obrotowych, struktura sieci GRNN, zestawienie danych eksperymentalnych i wyników modelowania są zilustrowane w artykule.
Źródło:
Journal of KONES; 2007, 14, 2; 171-177
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
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:
Development of a neural statistical model for the prediction of relative humidity levels in the region of Rabat-Kenitra, North West Morocco
Autorzy:
El Azhari, Kaoutar
Abdallaoui, Badreddine
Dehbi, Ali
Abdalloui, Abdelaziz
Zineddine, Hamid
Powiązania:
https://bibliotekanauki.pl/articles/2174362.pdf
Data publikacji:
2022
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
artificial neural network
ANN
learning algorithm
multi-layer perceptron
MLP
modelling
Rabat-Kenitra
relative humidity
Opis:
This article accounts for the development of a powerful artificial neural network (ANN) model, designed for the prediction of relative humidity levels, using other meteorological parameters such as the maximum temperature, minimum temperature, precipitation, wind speed, and intensity of solar radiation in the Rabat-Kenitra region (a coastal area where relative humidity is a real concern). The model was applied to a database containing a daily history of five meteorological parameters collected by nine stations covering this region from 1979 to mid-2014. It has been demonstrated that the best performing three-layer (input, hidden, and output) ANN mathematical model for the prediction of relative humidity in this region is the multi-layer perceptron (MLP) model. This neural model using the Levenberg-Marquard algorithm, with an architecture of [5-11-1] and the transfer functions Tansig in the hidden layer and Purelin in the output layer, was able to estimate relative humidity values that were very close to those observed. This was affirmed by a low mean squared error (MSE) and a high correlation coefficient (R), compared to the statistical indicators relating to the other models developed as part of this study.
Źródło:
Journal of Water and Land Development; 2022, 54; 13--20
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling the data record of a patient walk by langrange-polynomial method
Autorzy:
Chandzlik, S.
Piecha, J.
Powiązania:
https://bibliotekanauki.pl/articles/332944.pdf
Data publikacji:
2002
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
szkolenia sieci neuronowych
automatyzacja diagnostyki medycznej
neural network training
conclusion-making systems
medical diagnostics automation
Opis:
Various options available in PSW footprint and walking characteristics measuring equipment [6], [7], give the user many aims in putting diagnosis. A Conclusion-Making Unit (CMU) that has been described in this paper supports the diagnosis automation procedures. Due to simplifying the CMU training process some affords in a field of the input record length reduction have been undertaken. The paper describes an analytical method of the data record description that allows converting discrete data samples into continuous function. This way a redigitalisation of the record can be done, where sampling period is matched with the walk length. This normalization allows reducing the data record length used for fast training of the CMU.
Źródło:
Journal of Medical Informatics & Technologies; 2002, 3; MI143-152
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Systemic Evolutionary Algorithm inspired by methods of Quantum computer sciences for the improvement of the accuracy of neural models in electrical engineering and electrical power engineering
Autorzy:
Tchórzewski, J.
Powiązania:
https://bibliotekanauki.pl/articles/97692.pdf
Data publikacji:
2016
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
Evolutionary Algorithms
Quantum computer science
Quantum mixed number
Systems modelling
Robot PR–02
Artificial Neural Networks
MATLAB and Simulink environment
Electric Power Exchange
Opis:
The work contains selected results of research on the application of quantum computer science to a systemic evolutionary algorithm for the purpose of improving accuracy of neural models in electrical engineering and electrical power engineering. Artificial neural networks are used in neural modeling, which networks are designed and taught models of systems using available numerical data. Parameters of neural networks, and especially, elements of weight matrices, biases as well as parameters of activation functions may be improved using evolutionary algorithms. It seems that applying solutions offered by quantum computer science to systemic evolutionary algorithm, and especially, as regards creation of quantum initial population, quantum crossover and mutation operators as well as selection, considerably improves the accuracy of modelling, which was verified in MATLAB and Simulink environment using selected examples such as RP–02 robot’s arm movement, the development of the Polish Electrical Power Exchange (polish: TGEE) system, etc.
Źródło:
Computer Applications in Electrical Engineering; 2016, 14; 280-296
1508-4248
Pojawia się w:
Computer Applications in Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial Neural Network to the Control of the Parameters of the Heat Treatment Process of Casting
Autorzy:
Wróbel, J.
Kulawik, A.
Bokota, A.
Powiązania:
https://bibliotekanauki.pl/articles/382692.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
heat treatment
moving heat source
artificial neural network
numerical modelling
control system
heating process
obróbka cieplna
źródło ciepła ruchome
sztuczna sieć neuronowa
modelowanie numeryczne
system sterowania
proces nagrzewania
Opis:
In the paper the use of the artificial neural network to the control of the work of heat treating equipment for the long axisymmetric steel elements with variable diameters is presented. It is assumed that the velocity of the heat source is modified in the process and is in real time updated according to the current diameter. The measurement of the diameter is performed at a constant distance from the heat source (Δz = 0). The main task of the model is control the assumed values of temperature at constant parameters of the heat source such as radius and power. Therefore the parameter of the process controlled by the artificial neural network is the velocity of the heat source. The input data of the network are the values of temperature and the radius of the heated element. The learning, testing and validation sets were determined by using the equation of steady heat transfer process with a convective term. To verify the possibilities of the presented algorithm, based on the solve of the unsteady heat conduction with finite element method, a numerical simulation is performed. The calculations confirm the effectiveness of use of the presented solution, in order to obtain for example the constant depth of the heat affected zone for the geometrically variable hardened axisymmetric objects.
Źródło:
Archives of Foundry Engineering; 2015, 15, 1; 119-124
1897-3310
2299-2944
Pojawia się w:
Archives of Foundry Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Using neural networks with data quantization for time series analysis in LHC superconducting magnets
Autorzy:
Wielgosz, Maciej
Skoczeń, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/330546.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
Large Hadron Collider
LSTM architecture
signal modelling
Wielki Zderzacz Hadronów
architektura LSTM
modelowanie sygnału
Opis:
The aim of this paper is to present a model based on the recurrent neural network (RNN) architecture, the long short-term memory (LSTM) in particular, for modeling the work parameters of Large Hadron Collider (LHC) superconducting magnets. High-resolution data available in the post mortem database were used to train a set of models and compare their performance for various hyper-parameters such as input data quantization and the number of cells. A novel approach to signal level quantization allowed reducing the size of the model, simplifying the tuning of the magnet monitoring system and making the process scalable. The paper shows that an RNN such as the LSTM or a gated recurrent unit (GRU) can be used for modeling high-resolution signals with the accuracy of over 0.95 and a small number of parameters, ranging from 800 to 1200. This makes the solution suitable for hardware implementation, which is essential in the case of monitoring the performance critical and high-speed signal of LHC superconducting magnets.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2019, 29, 3; 503-515
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A Life Factor Approach to the Yield Prediction: a Comparison with a Technological Approach in Reliability and Accuracy
Autorzy:
Lykhovyd, Pavlo
Powiązania:
https://bibliotekanauki.pl/articles/124852.pdf
Data publikacji:
2019
Wydawca:
Polskie Towarzystwo Inżynierii Ekologicznej
Tematy:
artificial neural network
life factor
multiple linear regression
technological factor
yield modelling
Opis:
There are a number of various approaches to the development of yield predictive models in agriculture. One of the most popular ones is based on the yield modeling from the parameters of crop cultivation technology. However, there is another view on the yield prediction models, which is based on the use of life factors as yielding parameters. Our study is devoted to the comparison of a conventional technological approach to the yield prediction with a less prevalent approach of life factor based yield modeling. The testing of two approaches was performed by using the yielding data of sweet corn cultivated in the field trials under the drip-irrigated conditions of the Southern Ukraine, under the different technological treatments, viz. plowing depth, nutrition, and crop density. We developed two multiple linear regression models to compare their efficiency in the yielding predictions. One of the models used cultivation technology parameters as the inputs while the other used life factors as the inputs. Life factors were expressed in numeric values by using the following converter: total water consumption of the crop was used as the factor of water, the total sum of positive temperatures was used as the factor of heat, and the total sum of the main nutrients (NPK) available in the soil was used as the factor of nutrition. The results of the study proved an equal accuracy and reliability of the studied models of sweet corn yields, which is obvious from the values of RSQ. RSQ of the both studied regression models was 0.897. However, additional check of the modeling approaches applied in the feed-forward artificial neural network showed that the life factor based model with the RSQ value of 0.953 provided better yield predictions than the technologically based model with the RSQ value of 0.913. Therefore, we concluded that the life factor approach should be preferred to the technological approach in the development of yield predictive models for agriculture.
Źródło:
Journal of Ecological Engineering; 2019, 20, 6; 177-183
2299-8993
Pojawia się w:
Journal of Ecological Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Self-organizing feature maps and selected conventional numerical methods for assessment of environmental quality
Autorzy:
Kosiba, P
Powiązania:
https://bibliotekanauki.pl/articles/56451.pdf
Data publikacji:
2009
Wydawca:
Polskie Towarzystwo Botaniczne
Tematy:
neural network
bioindication
modelling
degradation
numerical method
environment quality
Self-Organising Feature Map
natural ecosystem
environment pollution
Opis:
The investigations concerned sites of Acer platanoides L. infected or not by Rhytisma aceriniu (Pers.) Fr. The aim of the study was to check the occurrence of R. acerinium, and whether it reflects the environmental status. Furthermore, an analysis was carried out to find out whether the applied SOFM offers additional advantages to solve problems in relation to conventional methods. Concentrations of selected elements in soils and leaves, and leaf and "tar-spot" morphometric traits were also measured. A significant differentiation was found between sites in relation to the analyzed traits. It appeared, that sites showing lower concentrations of chemical elements and proper developmental habitat conditions massive infections take place. The study showed that R. acerinium is a good biological indicator for assessment of environmental status. The applied, conventional statistical methods, SOFM and image techniques showed similar, but not identical results for assessment of environmental quality using R. acerinium. SOFM appeared to be more useful for ordination of results and ought to be taken into account as a proper tool of estimation of various plants and their biotopes.
Źródło:
Acta Societatis Botanicorum Poloniae; 2009, 78, 4; 335-343
0001-6977
2083-9480
Pojawia się w:
Acta Societatis Botanicorum Poloniae
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Development of cost estimation models based on ANN ensembles and the SVM method
Autorzy:
Juszczyk, Michał
Powiązania:
https://bibliotekanauki.pl/articles/396649.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
construction cost estimation
cost modelling
ensemble of neural networks
support vector machine
koszty budowy
modelowanie kosztów
zespół sieci neuronowych
Opis:
Cost estimation, as one of the key processes in construction projects, provides the basis for a number of project-related decisions. This paper presents some results of studies on the application of artificial intelligence and machine learning in cost estimation. The research developed three original models based either on ensembles of neural networks or on support vector machines for the cost prediction of the floor structural frames of buildings. According to the criteria of general metrics (RMSE, MAPE), the three models demonstrate similar predictive performance. MAPE values computed for the training and testing of the three developed models range between 5% and 6%. The accuracy of cost predictions given by the three developed models is acceptable for the cost estimates of the floor structural frames of buildings in the early design stage of the construction project. Analysis of error distribution revealed a degree of superiority for the model based on support vector machines.
Źródło:
Civil and Environmental Engineering Reports; 2020, 30, 3; 48-67
2080-5187
2450-8594
Pojawia się w:
Civil and Environmental Engineering Reports
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predictive modelling of turbofan engine components condition using machine and deep learning methods
Autorzy:
Matuszczak, Michał
Żbikowski, Mateusz
Teodorczyk, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/1841686.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
reliability
prognostics
deep learning
machine learning
gas turbine
turbofan engine
neural network
condition-based maintenance
Opis:
The article proposes an approach based on deep and machine learning models to predict a component failure as an enhancement of condition based maintenance scheme of a turbofan engine and reviews currently used prognostics approaches in the aviation industry. Component degradation scale representing its life consumption is proposed and such collected condition data are combined with engines sensors and environmental data. With use of data manipulation techniques, a framework for models training is created and models' hyperparameters obtained through Bayesian optimization. Models predict the continuous variable representing condition based on the input. Best performed model is identified by detemining its score on the holdout set. Deep learning models achieved 0.71 MSE score (ensemble meta-model of neural networks) and outperformed significantly machine learning models with their best score at 1.75. The deep learning models shown their feasibility to predict the component condition within less than 1 unit of the error in the rank scale.
Źródło:
Eksploatacja i Niezawodność; 2021, 23, 2; 359-370
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Free running ship model tests of interaction between a moored ship and a passing ship
Autorzy:
Raszeja, Magdalena
Hejmlich, Andrzej
Nowicki, Jacek
Jaworski, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/24202583.pdf
Data publikacji:
2022
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
interaction forces
safe mooring
fuzzy model
neural network
numerical modelling
bypassing ship
Opis:
For many reasons, ship model interaction tests are performed in experimental towing tanks. This paper presents research on the hydrodynamic forces acting on a ship tied up at the solid berth, which is produced by other ships passing by using free-running ship models with much larger dimensions than those used in towing tanks. A passing ship model was controlled by a human operator – an experienced master. This enabled a study of the influence of the interaction impact on the course of the maneuver. The research was carried out at the Ship Handling Research and Training Centre in Iława. The ship model was moored alongside and equipped with multi-directional force sensors linking the ship model with a solid berth. Forces were measured as a function of the passing ship speed, side distance between both ships, ship sizes, and depth-to-draft ratio (H/T). Forces were measured in two planes: the longitudinal (surge) and the transversal (sway). A numerical database was processed and ordered according to the variables. The fuzzy model was created within a “Matlab” computing environment using a Sugeno-type self-learning neuron network model. The proposed Sugeno model was evaluated with other methods presented by Flory (2002), Seelig (2001), and PASS-MOOR by Wang (1975). The ultimate goal of this study was to simplify the method of predictive calculations for adjusting speed and distance when passing by the moored ship, which ensures compliance with safe port mooring requirements.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2022, 72 (144); 50--56
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multi-scale modelling of brick masonry using a numerical homogenisation technique and an artificial neural network
Wielo-skalowe modelowanie muru z cegieł przy użyciu metody homogenizacji i sztucznych sieci neuronowych
Autorzy:
Urbański, Aleksander
Ligęza, Szymon
Drabczyk, Marcin
Powiązania:
https://bibliotekanauki.pl/articles/2174064.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Opis:
A new method of creating constitutive model of masonry is reported in this work. The model is not an explicit orthotropic elastic-plastic one, but with an artificial neural network (ANN) giving an implicit constitutive function. It relates the new state of generalised stresses Σn+1 with the old state Σn and with an increment of generalised strains ΔE (plane-stress conditions are assumed). The first step is to run a strain- controlled homogenisation, repeatedly, on a three-dimensional finite element model of a periodic cell, with elastic-plastic models (Drucker-Prager) of the components; thus a set of paths is created in (Σ, ΔE) space. From these paths, a set of patterns is formed to train the ANN. A description of how to prepare these data and a discussion on ANN training issues are presented. Finally, the procedure based on trained ANN is put into a finite-element code as a constitutive function. This enables the analysis of arbitrarily large masonry systems. The approach is verified by comparing the results of the developed model basing on ANN with a direct (single-scale) one, which showed acceptable accuracy.
W pracy przedstawiono sposób tworzenia makro-modelu konstytutywnego muru ceglanego. Przyjmuje się założenia płaskiego stanu naprężenia. Tworzony model nie jest modelem ortotropowym sprężysto-plastycznym, ale jest zbudowany jako sztuczna sieć neuronowa (SSN) dająca niejawną funkcję konstytutywną. Wiąże ona nowy stan naprężeń uogólnionych (sił membranowych) Σn+1 ze poprzednim stanem Σn oraz przyrostem odkształceń uogólnionych ΔE. Forma tak utworzonego makro-modelu konstytutywnego jest zgodna z analiza przyrostową problemu statyki w przypadku nieliniowości materiałowych. Składniki muru (cegła i zaprawa) są opisane modelami sprężysto-plastycznymi Druckera-Pragera. Parametry materiałowe składników muru oraz geometria komórki powtarzalnej stanowią dane wejściowe, służące budowie makro-modelu muru.
Źródło:
Archives of Civil Engineering; 2022, 68, 4; 179--197
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-100 z 120

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