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 "sieci neuronowe rozmyte" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-13 z 13
    Tytuł:
    Computational intelligence methods in the problem of modelling technical wear of buildings in mining areas
    Metody inteligencji obliczeniowej w problemie modelowania stopnia zużycia technicznego budynków na terenach górniczych
    Autorzy:
    Rusek, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/385956.pdf
    Data publikacji:
    2012
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    technical wear
    neural networks
    support vector machine (SVM)
    fuzzy systems
    szkody górnicze
    zużycie techniczne
    sieci neuronowe
    systemy rozmyte
    Opis:
    In the work presented approach with a view to building the model of degree of technical wear of buildings in the mining areas, as well as an indication that the contribution of the consumption on technical factors interact mining and civil construction origin. Set out criteria for the selection and research methodology effects are synthetically summarised existing work in this field. Justified choice of the ϵ-SVR method confronting its advantages to the characteristics of typical neural network.
    W artykule zaprezentowano podejście mające na celu budowę modelu przebiegu stopnia zużycia technicznego budynków na terenach górniczych, jak również analizowano, w jakim stopniu na zużycie techniczne oddziałują czynniki górnicze oraz ogólnobudowlane. Przedstawiono kryteria doboru metodyki badań oraz podsumowano efekty dotychczasowych prac w tej dziedzinie. Uzasadniono wybór metody &vepsilon;-SVR, konfrontując jej zalety z własnościami typowych, jednokierunkowych sieci neuronowych. Opisano sposób optymalnego doboru parametrów charakteryzujących złożoność modelu ϵ-SVR oraz wskazano możliwość zastosowania tak utworzonego modelu w systemach ekspertowych.
    Źródło:
    Geomatics and Environmental Engineering; 2012, 6, 3; 83-91
    1898-1135
    Pojawia się w:
    Geomatics and Environmental Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Decision support for hardware and software, complex for precision farming tasks: student project
    Autorzy:
    Ganchenko, V. V
    Powiązania:
    https://bibliotekanauki.pl/articles/397759.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Łódzka. Wydział Mikroelektroniki i Informatyki
    Tematy:
    image processing
    agricultural field
    fuzzy clustering
    neural network
    recognition
    przetwarzanie obrazów
    pole uprawne
    grupowanie rozmyte
    sieci neuronowe
    rozpoznawanie obrazów
    Opis:
    In the article algorithms for decision support for hardware and software complex are described. The complex is used for few precision farming tasks: data mining, data processing, decision making and control of fertilizers applying. The complex is designed to reduce costs and environmental burden on potato. The complex is based on processing aerial images photographs of potato fields.
    Źródło:
    International Journal of Microelectronics and Computer Science; 2014, 5, 1; 5-13
    2080-8755
    2353-9607
    Pojawia się w:
    International Journal of Microelectronics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnostyka torów pomiarowych i urządzenia wykonawczego w układzie regulacji turbiny kondensacyjnej
    Diagnostic of measuring tracks and executive device in control system for condensing turbine
    Autorzy:
    Pawlak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/155014.pdf
    Data publikacji:
    2006
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    układ regulacji
    modelowanie rozmyte
    sieci neuronowe
    diagnostyka
    tory pomiarowe
    elementy wykonawcze
    fault diagnosis
    power control
    power generation
    turbines
    fuzzy modeling
    fault tolerant systems
    Opis:
    Przedstawiono układ regulacji turbiny kondensacyjnej odporny na uszkodzenia torów pomiarowych. Opisano działania układu regulacji turbiny kondensacyjnej pracującej w układzie blokowym. Zaprezentowano charakterystykę sygnałów wchodzących do regulatora i metody wykrywania uszkodzeń dla danego toru pomiarowego. Opisano zasadę działania i system diagnostyki dla urządzenia wykonawczego
    In this paper described fault tolerant system of regulation of condensing turbine on damages of measuring - tracks. One presented characterization of signals entering to controler and methods of detecting of damages measuring - track and executive device.
    Źródło:
    Pomiary Automatyka Kontrola; 2006, R. 52, nr 11, 11; 48-50
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hybrid neuro-fuzzy classifier based on NEFCLASS model
    Hybrydowy neuronowo-rozmyty klasyfikator oparty na modelu NEFCLASS
    Autorzy:
    Gliwa, B.
    Byrski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/305407.pdf
    Data publikacji:
    2011
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    klasyfikatory neuronowo-rozmyte
    NEFCLASS
    sieci neuronowe
    systemy rozmyte
    neuro-fuzzy classifier
    neural networks
    fuzzy systems
    Opis:
    The paper presents hybrid neuro-fuzzy classifier, based on NEFCLASS model, which was modified. The presented classifier was compared to popular classifiers - neural networks and k-nearest neighbours. Efficiency of modifications in classifier was compared with methods used in original model NEFCLASS (learning methods). Accuracy of classifier was tested using 3 datasets from UCI Machine Learning Repository: iris, wine and breast cancer wis-consin. Moreover, influence of ensemble classification methods on classification accuracy was presented.
    Artykuł przedstawia zasadę działania oraz wyniki badań eksperymentalnych klasyfikatora opartego na hybrydzie sieci neuronowej z logiką rozmytą, bazujący na modelu NEFCLASS. Prezentacja struktury i działania klasyfikatora została zilustrowana wynikami eksperymentów porównawczych przeprowadzonych dla popularnych klasyfikatorów, takich jak perceptron wielowarstwowy k najbliższych sąsiadów. Skuteczność wprowadzonych modyfikacji do klasyfikatora została porównana z metodami używanymi w oryginalnym modelu NEFCLASS (metody uczenia). Jako dane benchmarkowe posłużyły wybrane bazy danych z UCI Machine Learning Repository (iris, wine, breast cancer wisconsin). Zaprezentowano również wpływ użycia metod klasyfikacji zbiorczej na efektywność klasyfikacji.
    Źródło:
    Computer Science; 2011, 12; 115-135
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Metody adaptacji systemów wiedzy opartej na zbiorach rozmytych
    Methods of adaptation of knowledge systems based on fuzzy sets
    Autorzy:
    Małolepsza, Olga
    Powiązania:
    https://bibliotekanauki.pl/articles/41205866.pdf
    Data publikacji:
    2023
    Wydawca:
    Uniwersytet Kazimierza Wielkiego w Bydgoszczy
    Tematy:
    zbiory rozmyte
    metody adaptacji
    funkcja przynależności
    sztuczna inteligencja
    systemy rozmyte
    rozmyte sieci neuronowe
    fuzzy sets
    adaptation method
    membership function
    artificial intelligence
    fuzzy systems
    fuzzy neural networks
    Opis:
    Metody adaptacji systemów wiedzy opartej na zbiorach rozmytych są bardzo ważnym tematem, ponieważ udoskonalają i optymalizują wydajność systemów rozmytych poprzez właściwą metodę adaptacji. Metoda adaptacji zależy od konkretnego zastosowania, wymagań systemowych, dostępnych danych i dziedziny problemu. W artykule przedstawiono zagadnienia związane ze zbiorami rozmytymi oraz podano przykłady. Ponadto zaprezentowano metody adaptacji systemów wiedzy opartej na zbiorach rozmytych takie jak algorytmy genetyczne, programowanie ewolucyjne, algorytmy uczące się, uczenie przez wzmacnianie oraz adaptację online
    Adaptation methods for knowledge systems based on fuzzy sets are a very important topic because they improve and optimize the performance of fuzzy systems through a proper adaptation method. The adaptation method depends on the specific application, system requirements, available data and the problem domain. In this paper, the issues related to fuzzy sets are presented and examples are given. In addition, methods for adaptation of fuzzy set-based knowledge systems such as genetic algorithms, evolutionary programming, learning algorithms, reinforcement learning and online adaptation are presented.
    Źródło:
    Studia i Materiały Informatyki Stosowanej; 2023, 15, 1; 11-20
    1689-6300
    Pojawia się w:
    Studia i Materiały Informatyki Stosowanej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    O doborze reguł sterowania dla regulatora rozmytego
    About collecting of control for a fuzzy logic controller
    Autorzy:
    Wiktorowicz, K.
    Zajdel, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/156306.pdf
    Data publikacji:
    2005
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sterowanie rozmyte
    sieci neuronowe
    uczenie ze wzmocnieniem
    fuzzy control
    neural networks
    reinforcement learning
    stability
    quality
    Opis:
    W pracy scharakteryzowano problem doboru reguł sterowania dla regulatora rozmytego. Omówiono metody pozyskiwania reguł za pomocą sieci neuronowej uczonej metodą z nauczycielem i ze wzmocnieniem. Przedstawiono zagadnienie badania stabilności i jakości zaprojektowanego układu. Omawiane problemy zilustrowano przykładowymi wynikami badań.
    In the paper the problem of collecting of control rules a fuzzy logic controller is characterised. Two methods of generating of rules using neural network are described: supervised learning and reinforcement learning. the problem of stability and quality analysis is presented. The considerations are illustrated by examples.
    Źródło:
    Pomiary Automatyka Kontrola; 2005, R. 51, nr 1, 1; 44-46
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie cząstkowych modeli parametrycznych w zadaniu detekcji uszkodzeń sieci gazowej
    Comparison of particular parametric models for faults detection in gas pipeline
    Autorzy:
    Syfert, M.
    Jankowska, A.
    Łabęda-Grudziak, Z.
    Tabor, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/155924.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    detekcja uszkodzeń
    modele cząstkowe
    modele parametryczne
    addytywne modele regresyjne
    sztuczne sieci neuronowe
    systemy rozmyte
    faults detection
    particular models
    parametric models
    additive regression models
    artificial neural networks
    fuzzy systems
    Opis:
    Zreferowano badania detekcji uszkodzeń gazociągu z użyciem cząstkowych modeli parametrycznych. Stosując trzy metody modelowania: addytywne modele regresyjne (najnowszą z badanych technik), sztuczne sieci neuronowe oraz układy rozmyte typu TSK opracowano aproksymacje ciśnień w węzłach sieci. Modele testowano w zadaniu detekcji wycieku oraz uszkodzenia czujnika pomiarowego. Wszystkie modele zapewniały dużą dokładność aproksymacji ciśnienia w poprawnych stanach pracy, wykazując także bardzo skuteczną detekcję uszkodzeń czujników pomiarowych ciśnień, natomiast w sytuacji symulowanych wycieków ich przydatność w detekcji była znacznie mniejsza.
    The results of faults detection [1, 2, 3, 4, 5] in a gas system network (Fig. 1) with use of parametric partial models [6, 7, 8] are presented in the paper. This is a new approach to the task with use of exploratory data analysis [10, 11, 17] and partial models. Three techniques were used to build models of pressure in network nodes: additive regression (ADD - new method of modelling [10, 11, 12, 13, 14, 15]), artificial neural networks (ANN) [16, 17, 18] and TSK fuzzy logic modelling [8, 16, 17]. The measured pressures in adjacent nodes as well cumulative flows in the main line (from global analytical model [9]) of gasoline were the inputs of the models. For the analysed stations (in parts A and B marked in Fig. 1) a set of test failures in the form of leaks and damage of pressure sensors is given in Tab. 1.Using trial and error method, by evaluating the effectiveness of fault detection, there were obtained structures of models of different complexity for individual modelling techniques: ADD - presented by equations (1) and (2), ANN- (3) and (4), TSK- (5) and (6). The model order is not greater than 2. The exemplary results of leak detection with use of particular models are shown in Figs. 3, 5, 7 and of sensor fault detection in Figs. 4, 6, 8. In the conclusions there is summarised the relative accuracy of models (in Table 2), the relative normalized values of the studied residues of leaks - Tab.3 and the pressure sensor failures - Tab. 4. All models provided highly precise pressure approximation in non-fault states, but TSK and ADD models turned out to be the more accurate. Additionally, all of them were effective in case of pressure sensor fault detection, however, in case of simulated leakages their usefulness was much lower.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 1, 1; 3-8
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie systemów rozmytych i sztucznych sieci neuronowych
    Comparison of fuzzy logic systems and artifical neural networks
    Autorzy:
    Charlak, M.
    Jakubowski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/395144.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sieci neuronowe
    systemy rozmyte i sztuczne
    Opis:
    W pracy opisano podstawowe pojęcia dotyczące podstawowego modelu matematycznego systemów neurorozmytych potraktowanych jako tzw. „czarna skrzynka” oraz różnych jego wersji. W skrócie przedstawiono wybrane kierunki badań dotyczących fuzji obu technologii. Praca zawiera elementarny opis nowej klasy systemów tzw. inteligencji obliczeniowej.
    In this article we short describe fundamental mathematical model of neuro-fuzzy system treat as ‘black box’ known in cybernetic and various version of this fundamental model. Short we characterize some direction in the research about fusion two technology: fuzzy systems and artificial neural systems. In our article we short describe elementary notion: new technology: computational intelligence.
    Źródło:
    Postępy Nauki i Techniki; 2010, 4; 54-64
    2080-4075
    Pojawia się w:
    Postępy Nauki i Techniki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Rozmyte sieci neuronowe jako modele diagnostyczne w układzie regulacji turbiny kondensacyjnej
    Fuzzy Neural Networks for instrument fault diagnosis of condensation turbine control
    Autorzy:
    Pawlak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/256925.pdf
    Data publikacji:
    2006
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    układ regulacji
    modelowanie rozmyte
    sieć neuronowa
    diagnostyka
    tor pomiarowy
    fuzzy neural network
    condensation turbine
    control
    diagnosis
    Opis:
    W artykule przedstawiono wykorzystanie modelowania w układzie regulacji turbiny kondensacyjnej do celów diagnostycznych. Diagnostyce podlegają tory pomiarowe doprowadzone do systemu sterowania. Opisano sposób budowy modeli cząstkowych wykorzystywanych do detekcji uszkodzeń, które wykorzystują technikę rozmytych sieci neuronowych.
    In the paper an application of fuzzy neural networks (FNN) for sensor fault diagnosis in condensation turbine control unit was given. The FNN are applied for fault detection processes. The FNN models of turbine power, live steam pressure and steam mass flow rate were created and verified. Satisfactory models performance indexes were obtained. The fault sensitivity of residuals was investigated and approved.
    Źródło:
    Problemy Eksploatacji; 2006, 3; 39-49
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sterowanie neuronowo–rozmyte mobilnym robotem kołowym
    A neuro-fuzzy control of a wheeled mobile robot
    Autorzy:
    Hendzel, M.
    Nawrocki, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/387142.pdf
    Data publikacji:
    2010
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    robot mobilny
    sterowanie
    sztuczne sieci neuronowe
    logika rozmyta
    mobile robot
    control
    neural networks
    fuzzy logic
    Opis:
    W niniejszej pracy do rozwiązania problemu sterowania ruchem mobilnego robota kołowego zastosowano inteligentny układ sterowania, rozumiany jako sterowanie hybrydowe łączące logikę rozmytą i sztuczne sieci neuronowe. Układ ten został zaprojektowany w taki sposób, aby na bieżąco modyfikować swoje właściwości przy zmieniających się warunkach pracy mobilnego robota. Badania symulacyjne zostały przeprowadzone dla przypadku kiedy wybrany punkt mobilnego robota przemieszcza się po trajektorii w kształcie pętli.
    This work analyses neuro-fuzzy algorithm adaptation conclusions and premise rule base, applied to approximation nonlinearity wheeled mobile robot. Computer simulation proposed solution was realized in emulator mobile robot.
    Źródło:
    Acta Mechanica et Automatica; 2010, 4, 2; 63-68
    1898-4088
    2300-5319
    Pojawia się w:
    Acta Mechanica et Automatica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Trendy i problemy w diagnostyce procesów
    Trends and problems in diagnostics
    Autorzy:
    Korbicz, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/328569.pdf
    Data publikacji:
    2004
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka procesów
    model-based structure
    układ z modelem
    obserwator o nieznanych wejściach
    sztuczne sieci neuronowe
    logika rozmyta
    sieci neuronowo-rozmyte
    algorytmy ewolucyjne
    process diagnosis
    unknown input observers
    artificial neural networks
    fuzzy logic
    neuro-fuzzy systems
    evolutionary algorithms
    Opis:
    W ostatnich latach w systemach detekcji i lokalizacji uszkodzeń dla układów dynamicznych stosuje się zintegrowane ilościowe i jakościowe modele informacji, a większość z nich oparta jest na modelach obliczeń inteligentnych. Celem niniejszej pracy jest prezentacja nowych metod i technik analitycznych oraz obliczeń inteligentnych w systemach diagnostyki procesów. Przyjmując strukturę układu diagnostyki z modelem omawia się możliwości stosowania modeli analitycznych, a przede wszystkim obserwatorów o nieznanych wejściach. Szerzej rozpatruje się alternatywne podejścia oparte na wykorzystaniu metod obliczeń inteligentnych, takich jak sztuczne sieci neuronowe, logika rozmyta, sieci neuronowo-rozmyte oraz algorytmy ewolucyjne do rozwiązywania zadań globalnej optymalizacji. Dla zilustrowania efektywności metod sztucznych sieci neuronowych typu GMDH w układach diagnostyki w końcowej części referatu rozpatruje się problem diagnostyki urządzenia wykonawczego w Cukrowni Lublin.
    Recents approaches to Fault Detection and Isolation (FDI) for dynamic systems use methods of integrating quantitative and qualitative model information, and most of these are based on soft computing methods. The purpose of this paper is to present new methods and applications in the field of analytical and soft computing techniques for fault diagnosis of processes. Taking into account the model-based structure of a diagnostics system, possible applications of analytical models, and first of all unknown input observers, are considered. Alternative soft computing methods such as artificial neural networks, fuzzy logic, neuro-fuzzy structures and evolutionary algorithms for global optimization problems are presented and discussed in greater detail. To illustrate the effectiveness of GMDH artificial neural networks in fault diagnosis, an industrial valve actuator system in a sugar factory (Cukrownia Lublin S.A., Poland) is tested.
    Źródło:
    Diagnostyka; 2004, 30, T. 1; 275-286
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using artificial immune and case-based reasoning methods in classification of treatment effectiveness
    Autorzy:
    Badura, D.
    Ferdynus, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/333874.pdf
    Data publikacji:
    2007
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    wnioskowanie bazujące na przykładach
    sztuczne systemy immunologiczne
    sieci neuronowe rozmyte
    case-based reasoning
    artificial immune system
    fuzzy neural nets
    Opis:
    The article concerns the analysis of classification of medical data by use of selected method of artificial intelligence: case-based reasoning. The subject of the research is the assessment of effective treatment, being one of the most important medical problems. The basis work of the assessment system should be one of the classification methods. The aim of the attempted research is to study which of the enumerated method will be able to group data containing incomplete information in the best way. The classified data are descended from the patients with nephroblastoma and patients with backbone pain. The final aim of the research is to work out the functioning method of the learning system, assisting the doctor with making a decision during working out on patient's treatment therapy, and making analyses of the treatment effectiveness. On the basis of the medical tests, the system will classify the data assigning them to the appropriate therapy groups. Moreover, in the system will be used artificial immunology as the method of generalizing or extrapolating of the gathering and considering so far cases.
    Źródło:
    Journal of Medical Informatics & Technologies; 2007, 11; 221-226
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metod fuzji danych w zarządzaniu zasobami radaru wielofunkcyjnego
    The Application of the Data Fusion Methods in the Multifunction Radar Resources Management
    Autorzy:
    Komorniczak, W.
    Kawalec, A.
    Pietrasiński, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/210695.pdf
    Data publikacji:
    2006
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    radar wielofunkcyjny
    fuzja danych
    sieci neuronowe
    systemy rozmyte
    multifunction radar
    data fusion
    neural networks
    fuzzy logic
    Opis:
    W referacie poruszono tematykę związaną z zarządzaniem zasobami radaru wielofunkcyjnego. Jako jeden z elementów tego procesu wyróżniono priorytetyzację (rangowanie) zadań realizowanych przez radar. Rangowanie jest wymuszone przez potencjalnie niedostateczne zasoby wymagane do realizacji wszystkich zadań radaru, stąd konieczność szeregowania obsługiwanych przezeń obiektów zgodnie z ich istotnością. W referacie scharakteryzowano dane źródłowe zasilające proces rangowania oraz przedstawiono algorytmy przetwarzania tych danych. Zaprezentowane algorytmy oparto na wybranych metodach fuzji danych. Przedstawiono przebieg i wyniki badań procesu rangowania oraz wyniki badań wpływu zastosowania rangowania na niektóre parametry zarządzania zasobami radaru wielofunkcyjnego.
    The paper deals with the problem of the multifunction radar resources management (RRM). The objectives of RRM are: optimal (from the radar performance point of view) resources allocation and the device operation control. As a result of RRM, it is expected a matrix containing information for the execution systems: " what, when, and how to do. The main constraints to deal with in the radar work are: time and energy limitations. If it is enough resource to execute all the tasks, the tasks execution is feasible. But in real situation one should not expect such a comfort. Typically neither time nor energy is enough and the questions arises what to do in these circumstances. It is obvious that only selected tasks can be executed, the RRM should answer which of them and in what order. To answer these questions, the structure of the RRM was proposed. First of all it is necessary to rank the tasks in order of their priorities, then to select the most important of them and schedule their execution. RRM is decomposed into two sub-problems, e.g.: ranking and task scheduling. The ranking belongs to the identification problems class, while the scheduling can be treated as an optimization task. The paper presents the data fusion approach to the task ranking. There are numerous examples of utilization of the data fusion tools in order to solve the identification problems. The conclusions from these examples can be following: the neural networks which have the ability to learn from the presented examples have also disadvantage of impossibility of extraction of the gathered knowledge. The internal processes of reasoning are neither well described nor studied, so they are not a good tool for military application, which the multifunction radar is. Fuzzy logic systems (based on the fuzzy sets theory and fuzzy logic) have the advantage of good and clear knowledge representation and ability to relatively easy implementation of the expert knowledge. The good side of the fuzzy systems is their possibility of maintaining and fusion of the imperfect knowledge. The disadvantage is the lack of ability to learn whole the knowledge from the examples. Some hybrid solutions are necessary. Four solutions are presented in the paper: neural, fuzzy, fuzzy — neural and probabilistic — fuzzy. In order to implement data fusion tools, the base test platform was designed and implemented. In fact, the test platform is a complex process of multifunction radar resources management, as well as it deals with the task scheduling problem. In order to evaluate the algorithms presented in the paper, some factors of radar work performance were defined. Presented ranking algorithms have capability of learning with use of the registered data learning set. Algorithms with their knowledge bases were tested and compared. The conclusion is following: the use of ranking process gives approximately two times better performance in task removal/delay aspect. On the other hand, the quality of algorithm (its accuracy) has lower influence on the final result. It means that for the use in radar application the algorithm with the best convergence during learning process and stability should be recommended. It is also important that the algorithm should have clear knowledge representation. These requirements meet two of the presented algorithms: neural - fuzzy and probabilistic - fuzzy. The first one was used against the positional data, the second one gave the best results for identification data. It is important, that overall performance of the presented RRM and ranking algorithms was tested with the use of real registered data, what makes it very interesting from the application point of view.
    Źródło:
    Biuletyn Wojskowej Akademii Technicznej; 2006, 55, 1; 55-75
    1234-5865
    Pojawia się w:
    Biuletyn Wojskowej Akademii Technicznej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-13 z 13

      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