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 "Kurek, Jarosław" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Issledovanie ispolʹzovaniâ fuzii peremennyh v processe primeneniâ metoda opornyh vektorov v diagnostic
    Autorzy:
    Jegorowa, Albina
    Górski, Jarosław
    Kurek, Jarosław
    Powiązania:
    https://bibliotekanauki.pl/articles/2200172.pdf
    Data publikacji:
    2020
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    diagnostics
    tool wear
    support vector machine
    chipboard
    drill
    Opis:
    Исследование использования фузии переменных в процессе применения метода опорных векторов в диагностике сверл во время обработки древесностружечной плиты. Целью работы было определение возможности слияния т.е. фузии переменных, определенных для диагностики режущего инструмента используемого во время сверления древесностружечной ламинированной плиты, в основе которого лежит метод опорных векторов. В результате применения данного метода удалось редуцировать набор переменных на 92,75 % к первоначальному, что позволило улучшить показатель точности классификации во время мониторинга за состоянием режущего инструмента, сократить время на тренировку системы и улучшить показатели генерализации. Проведенные исследования показали, что данный метод работает и значительно улучшает качество классификации неинвазивного метода диагностики сверл. Точность классификации составила 85,10%. Система не допускает ошибок между крайними классами. Количество ошибок между соседними классами незначительно.
    Badanie wykorzystania fuzji cech diagnostycznych stosowanych podczas diagnostyki stopnia zużycia wierteł w trakcie obróbki płyt wiórowych laminowanych, z wykorzystaniem algorytmu maszyny wektorów wspierających. Celem pracy było określenie możliwości zastosowania fuzji zmiennych zdefiniowanych do diagnostyki narzędzia skrawającego stosowanego w trakcie wiercenia płyt wiórowych laminowanych, w oparciu o algorytm maszyny wektorów wspierających (SVM). W wyniku zastosowania tej metody możliwe było zmniejszenie zbioru zmiennych o 92,75%, do zbioru pierwotnego, co pozwoliło na poprawę dokładności klasyfikacji podczas monitorowania stanu narzędzi skrawających, skrócenie czasu uczenia oraz poprawę generalizacji. Badania wykazały, że metoda ta jest skuteczna, znacząco poprawiająca jakość klasyfikacji nieinwazyjnej diagnostyki wierteł. Dokładność klasyfikacji wyniosła 85,10%, a ponadto system nie dopuszcza do błędów pomiędzy klasami ekstremalnymi. Liczba błędów pomiędzy sąsiednimi klasami jest nieistotna.
    Źródło:
    Annals of Warsaw University of Life Sciences - SGGW. Forestry and Wood Technology; 2020, 110; 97--102
    1898-5912
    Pojawia się w:
    Annals of Warsaw University of Life Sciences - SGGW. Forestry and Wood Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnostika rieżuszczego instrumienta s ispolzowanijem ałgoritma Treebagger wo wriemia swierlenija driewiesnost
    Autorzy:
    Jegorowa, Albina
    Górski, Jarosław
    Kurek, Jarosław
    Iurev, Maksim
    Powiązania:
    https://bibliotekanauki.pl/articles/2200176.pdf
    Data publikacji:
    2020
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    diagnostics
    tool wear
    non-invasive method
    chipboard
    drill
    Opis:
    Диагностика режущего инструмента с использованием алгоритма Treebagger во время сверления древесностружечной плиты. Целью работы была оценка возможности использования алгоритма Treebagger так называемого ансамбля деревьев, для оценки состояния износа режущей кромки инструмента используемого в деревообработке в режиме реального времени и без участия человека. Оценка точности классификации при использовании данного алгоритма. В результате использования данного метода удалось получить точность классификации на уровне 80 %. Что важно, использованный классификатор Treebagger не путает между собой крайние классы, „зеленый” и „красный”. Это позволяет сделать вывод, что при соответствующем усовершенствовании алгоритма можно получить более высокую точность классификации и возможно использовать его для создания системы неинвазивной оценки состояния режущего инструмента.
    Diagnostyka narzędzi skrawających z wykorzystaniem algorytmu Treebagger podczas wiercenia w płycie wiórowej. Celem pracy była ocena możliwości wykorzystania algorytmu Treebagger, tzw. zespołu drzew decyzyjnych, do oceny stanu zużycia ostrzy narzędzi wykorzystywanych w obróbce drewna oraz materiałów drewnopochodnych w czasie rzeczywistym i bez udziału operatora, a także ocena dokładności klasyfikacji przy zastosowaniu danego algorytmu. W wyniku zastosowania tej metody udało się uzyskać dokładność klasyfikacji na poziomie 80%. Co ważne, zastosowany klasyfikator Treebagger nie myli skrajnych klas: „zielonej” i „czerwonej”. Pozwala to stwierdzić, że wraz z odpowiednim ulepszeniem algorytmu można uzyskać wyższą dokładność klasyfikacji, jak i na jego podstawie stworzyć system do nieinwazyjnej oceny stanu narzędzi skrawających.
    Źródło:
    Annals of Warsaw University of Life Sciences - SGGW. Forestry and Wood Technology; 2020, 110; 126--130
    1898-5912
    Pojawia się w:
    Annals of Warsaw University of Life Sciences - SGGW. Forestry and Wood Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Advancing Chipboard Milling Process Monitoring through Spectrogram-Based Time Series Analysis with Convolutional Neural Network using Pretrained Networks
    Autorzy:
    Kurek, Jarosław
    Szymanowski, Karol
    Chmielewski, Leszek
    Orłowski, Arkadiusz
    Powiązania:
    https://bibliotekanauki.pl/articles/27323142.pdf
    Data publikacji:
    2023
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Instytut Informatyki Technicznej
    Tematy:
    convolutional neural networks
    CNN
    vgg16
    vgg19
    resnet34
    tool state monitoring
    chipboard milling
    Opis:
    This paper presents a novel approach to enhance chipboard milling process monitoring in the furniture manufacturing sector using Convolutional Neural Networks (CNNs) with pretrained architectures like VGG16, VGG19, and RESNET34. The study leverages spectrogram representations of time-series data obtained during the milling process, providing a unique perspective on tool condition monitoring. The efficiency of the CNN models in accurately classifying tool conditions into distinct states (‘Green’, ‘Yellow’, and ‘Red’) based on wear levels is thoroughly evaluated. Experimental results demonstrate that VGG16 and VGG19 achieve high accuracy, however with longer training times, while RESNET34 offers faster training at the cost of reduced precision. This research not only highlights the potential of pretrained CNNs in industrial applications but also opens new avenues for predictive maintenance and quality control in manufacturing, underscoring the broader applicability of AI in industrial automation and monitoring systems.
    Źródło:
    Machine Graphics & Vision; 2023, 32, 2; 89--108
    1230-0535
    2720-250X
    Pojawia się w:
    Machine Graphics & Vision
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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