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 "SSN" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 17
Tytuł:
Modelowanie skurczu suszarniczego wybranych warzyw korzeniowych za pomocą sieci neuronowych
Modeling drying shrinkage for selected root vegetables using neural networks
Autorzy:
Łapczyńska-Kordon, B.
Francik, S.
Frączek, J.
Ślipek, Z.
Powiązania:
https://bibliotekanauki.pl/articles/289368.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
skurcz
model SSN
burak ćwikłowy
shrinkage
SSN model
red beet
Opis:
W pracy przedstawiano próbę zastosowania modelu sformułowanego z pomocą sztucznych sieci neuronowych do opisu zmian skurczu suszarniczego próbek buraka ćwikłowego, podczas konwekcyjnego suszenia, w zależności od zawartości wody, temperatury materiału i wielkości powierzchni. Na podstawie analizy różnych architektur sieci, wybrano do opisu trójwarstwową sieć z trzema wejściami (trzy neurony w pierwszej warstwie ukrytej, jeden neuron w drugiej warstwie ukrytej i jeden neuron na wyjściu - jedna zmienna wyjściowa) ze względu na najmniejsze mierniki błędów. Stwierdzono, że model ma cechy uniwersalności, gdyż pozwala na jednoczesną analizę zmian skurczu w zależności od trzech wielkości: zawartości wody, temperatury i powierzchni przekroju poprzecznego próbki.
The paper presents an attempt to use a model created with the use of artificial neural networks for description of changes of drying shrinkage of red beet samples, during convection drying, as a function of water content, temperature of material and surface size. Based on the analysis of different network architectures, for description a tri-layer network with three inputs (three neurons in the first hidden layer, one neuron in the second hidden layer and one neuron at the output - one output variable) was selected due to the lowest error standards. The model turned out to show universal character, since it enabled simultaneous analysis of changes of shrinkage as a function of three parameters: water content, temperature and cross-section area of the sample.
Źródło:
Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 303-311
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model SSN do wyznaczania siły niszczącej skorupę orzecha włoskiego
SSN model for determination of the force destroying the walnut cover
Autorzy:
Hebda, T.
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/287574.pdf
Data publikacji:
2010
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
orzech włoski
SSN
model
walnut
Opis:
Materiał badawczy stanowiły cztery odmiany orzecha włoskiego (Juglans regia L.): Silesia, Targo, Albi i Tryumf. Do tworzenia modelu sztucznych sieci neuronowych (SSN) niezbędna była znajomość rzeczywistej wartości siły niszczącej skorupę orzecha (endokarp). Badania wykonano na maszynie wytrzymałościowej Insight 2 firmy MTS. Jako model służący do wyznaczania siły potrzebnej do rozkruszenia okrywy orzecha włoskiego zastosowano jednokierunkowe wielowarstwowe sieci neuronowe. Opracowano kilka różnych sieci neuronowych, które poddano następnie weryfikacji w celu wybrania modelu najdokładniej opisującego zależność siły niszczącej skorupę orzecha włoskiego od jego cech morfologicznych.
Tests were performed with the use of the following varieties: Silesia, Targo, Albi and Tryumf. For the creation of the SSN model (network learning process), the knowledge of the actual value of the force destroying the walnut cover was necessary. Tests were performed on the testing machine Insight 2 of MTS company. Unidirectional multi-layer neural networks were used as a model aimed at determining the force necessary to crush the walnut cover. Several different neural networks were elaborated and then verified for the purpose of selecting a model that would describe most accurately the dependence of the destructive force on the morphological characteristics of the walnut.
Źródło:
Inżynieria Rolnicza; 2010, R. 14, nr 5, 5; 37-45
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza twardości selera w czasie suszenia
Analysis of celery hardness during drying process
Autorzy:
Łapczyńska-Kordon, B.
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/289364.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
twardość
sztuczna sieć neuronowa
model SSN
seler
hardness
SSN model
artificial neural network
celery
Opis:
W pracy przedstawiono próbę zastosowania modelu sformułowanego na bazie sztucznych sieci neuronowych do opisu zmian twardości selera w czasie konwekcyjnego suszenia w warunkach wymuszonego przepływu powietrza. Model opracowano na podstawie badań. Próbki selera w kształcie cylindrów o wymiarach 10x10 mm poddano suszeniu konwekcyjnemu w temperaturach: 60 i 70°C. Podczas suszenia w równych odstępach czasowych określano twardość materiału metodą Vickersa za pomocą mikrotwardościomierza PMT-3. Do opisu zmian twardości w zależności od zawartości wody, temperatury suszenia i rodzaju obróbki przed suszeniem zastosowano model opracowany za pomocą sztucznych sieci neuronowych SSN. Do budowy modelu zastosowano wielowarstwową jednokierunkową sztuczną sieć neuronową, wykorzystując do uczenia zmodyfikowany algorytm wstecznej propagacji błędu. Analizowano sieci o różnej architekturze w celu zoptymalizowania działania modelu sieciowego. Stwierdzono, że sieć o 3 neuronach w warstwie 1, 3 neuronach w warstwie 2 i 1 neuronie w warstwie wyjściowej jest optymalna. Błąd względny globalny pomiędzy wartościami otrzymanymi z doświadczeń i z obliczeń wyniósł 28,7%.
The paper presents an attempt of using a model created based on artificial neural networks for description of changes in celery hardness during convection drying under forced air circulation conditions. The model was developed based on the tests. Celery samples in a form of cylinders in size of 10x10 mm were put to convection drying at temperatures: 60 and 70°C. During the drying process material hardness was determined at equal time intervals based on the Vickers method using microhardness tester PMT-3. For description of hardness changes as a function of water content, drying temperature and type of treatment before drying a model developed based on artificial neural networks SSN was used. For creating the model a multilayer unidirectional neural network was employed, using a modified algorithm of backward error propagation for learning process. Networks with different architecture were analyzed in order to optimize actions of the network model. The analysis showed that the optimal network was the one with 3 neurons in layer 1, 3 neurons in layer 2 and 1 neuron in output layer. The global relative error between the values obtained from the experiments and from calculations was 28,7%.
Źródło:
Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 295-302
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Nowa metoda wyznaczenia pola powierzchni skóry przedramienia i dłoni wykorzystująca sztuczną sieć neuronową
New method of forearm and palm skin area estimation using neural networks
Autorzy:
Redlarski, G.
Krawczuk, M.
Rzyman, G.
Tojza, P. M.
Siebert, J.
Powiązania:
https://bibliotekanauki.pl/articles/267667.pdf
Data publikacji:
2017
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
wyznaczenie pola powierzchni skóry
SSN
skin surface estimation
artificial neural network
Opis:
W artykule przedstawiono rozbieżności pomiędzy wartościami pola powierzchni skóry obliczonymi za pomocą znanych metod a ich rzeczywistymi wartościami. Wykorzystując skaner 3D o wysokiej dokładności, zmierzono pole powierzchni skóry przedramienia i dłoni. Zaobserwowano, że błędy obliczeń są w wysokim stopniu skorelowane z wartościami BMI badanych osób. W grupie osób o BMI poniżej 20 stwierdzono maksymalny błąd względny wynoszący -8,5%, natomiast w grupie osób o BMI powyżej 25 odnotowano błędy kilkakrotnie wyższe, w skrajnym przypadku sięgające 27%. W celu redukcji błędów zaproponowano podejście alternatywne, bazujące na wykorzystaniu sztucznej sieci neuronowej.
The article introduces a comparative analysis of existing methods for calculation of forearm and palm skin surfaces with high quality 3D models. Moreover, it was possible to systematize the errors resulting from these calculations and their division due to the BMI of a person. For people with BMI below 20, a maximum error of 8.5% was found, while for people with BMI above 25 the error was close to -27%. On this basis, inaccuracies in the process of the forearm and palm skin estimation of an abnormal body were found. What is more, an artificial neural network to determine this surface was proposed. The proposed neural network was developed for 15 neurons in the hidden layer and 1 neuron in the output layer. The Levenberg-Marquardt with backpropagation learning method was used. The maximal error for the neural network during the forearm and palm skin estimation was 3,04%.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2017, 55; 53-56
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza wpływu planu eksperymentu na jakość modelu właściwości przeciwzużyciowych
The impact analysis of the experimental plan on the model of anti-wear properties
Autorzy:
Trzos, M.
Ruta, R.
Powiązania:
https://bibliotekanauki.pl/articles/188943.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
kompozycje smarowe
dodatki smarne
zużycie
modelowanie
SSN
lubricant compositions
lubricating additives
wear
modeling
Opis:
W artykule przedstawiono wyniki analiz odwzorowania granicznego obciążenia zużycia opracowanego na podstawie danych eksperymentalnych. Badaniom poddano elementy współpracujące tarciowo w styku smarowanym olejem mineralnym modyfikowanym dodatkami przeciwzatarciowymi i przeciwzużyciowymi. Przeprowadzono dwie tury badań na podstawie różnych planów eksperymentu: planu dla mieszanin z ograniczeniami oraz centralnego planu kompozycyjnego. Uzyskane wyniki eksperymentów zostały wykorzystane do budowy modeli opisujących wpływ zawartości dodatków w badanym środku smarowym na jego własności przeciwzużyciowe oceniane za pomocą granicznego obciążenia zużycia. Na podstawie wyników weryfikacji opracowanych modeli przeanalizowano przydatność przyjętych planów eksperymentu do opisu analizowanego wskaźnika tribologicznego oraz porównano jakość odwzorowań opracowanych z wykorzystaniem danych uzyskanych na podstawie różnych planów eksperymentu. Porównano również jakość modeli regresyjnych oraz jakość modeli opracowanych z wykorzystaniem sztucznych sieci neuronowych.
The article presented the results of analysis of models of the wear limiting load capacity that were developed based on the experimental data. The elements of friction contacts lubricated with mineral oil with additives were investigated. Two rounds of investigation were conducted based on different experimental plans, which were a plan for mixtures with limitations, and the central compositional plan. The experimental results were used to develop the models of the relationships of the wear limiting load capacity and the content of the antiwear and antiseizure additives in the lubricant. Based on the results of verification experiments, the usefulness of the experimental plans for modelling of the tribological properties was analysed and evaluated. A comparison of the quality of the regression models and the models developed with the use artificial neural networks was also presented.
Źródło:
Tribologia; 2014, 6; 165-178
0208-7774
Pojawia się w:
Tribologia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Konwersja graficznych danych empirycznych do postaci zbiorów uczących w procesie neuronowej identyfikacji szkodników jabłoni
Empirical graphics data conversion to learning sets in apple-tree pests neural identification process
Autorzy:
Majewski, A.
Powiązania:
https://bibliotekanauki.pl/articles/336457.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
szkodnik
identyfikacja neuronowa
sztuczna sieć neuronowa
SSN
pest
neural identification process
artificial neural network
ANN
Opis:
Szkodliwość oddziaływania owadów na rośliny uprawne polega przede wszystkim na ich żerowaniu. Fakt ten powoduje daleko posunięte zmiany w morfologii i fizjologii roślin, co w efekcie końcowym prowadzi do ich zamierania. Żeby prawidłowo oznaczyć szkodnika, trzeba mieć możliwość identyfikacji cech kluczowych. Cechy te umiejscowione są na rozmaitych częściach ciała. Wymaga to jednak sporej wiedzy i dobrego rozeznania w grupach. Dotychczasowe metody identyfikacji owadów opierają się na rozpoznawaniu za pomocą kluczy. Klucze używane przez badaczy są ściśle dopasowane do danego osobnika. W zależności od rodzaju czy gatunku szkodnik może być opisany za pomocą setek a nawet tysięcy kluczy, co świadczy o trudności i czasochłonności w ich oznaczaniu. Sztuczne sieci neuronowe ze względów technicznych są uproszczonym symulatorem pracy ludzkiego mózgu posiadając jego cechy. Potrafią się uczyć, są mało wrażliwe na niekompletną informację wejściową przetwarzają wprowadzone sygnały i podają na wyjściu wyniki w czasie rzeczywistym [2]. Wskazane właściwości oraz analizy podczas badań pozwalają przypuszczać, że SNN mogą wykonać zadanie identyfikacji podobnie jak człowiek. Dzięki takiemu zautomatyzowaniu procesu identyfikacji udałoby się wyeliminować współczynnik obiektywizmu.
The mischievous of insects is mostly about their preying on the cultivated plants. In order to identify a pest correctly, one has to have the ability to identify its key characteristics. These are placed all over the insects corpse. A pest can be described by hundreds or even thousands of 'keys' - depending on the kind or species - what proves how difficult and time-consuming the identification is. ANN (Artificial Neural Networks) can learn, are less sensible to incomplete incoming information, they are processing entered signals and give results in actual time. The above properties and the analysis during the research allow to make a conclusion that ANN may do the identification task similarly to a human being. Thanks to such identification process automation it could be possible to eliminate the objectivism factor.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2007, 52, 1; 37-40
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of the wavelet and neural technologies for processing of signals obtained during railway tracks diagnostics by the magnetic flux leakage method
Zastosowanie fali elementarnej i neuronowych technologii do przetwarzania sygnałów, otrzymanych w czasie diagnostyki torów kolejowych, za pomocą metody strumienia rozproszenia magnetycznego
Autorzy:
Nichoga, V.
Vashchyshyn, L.
Powiązania:
https://bibliotekanauki.pl/articles/209973.pdf
Data publikacji:
2017
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
defect
transverse crack
CWT
ANN
defekt
wada
poprzeczna szczelina
ciągła transformacia falkowa
CTF
sztuczna sieć neuronowa
SSN
Opis:
In this article, the approach for detecting a transverse crack in the rail head via ANN with CWT and application created on its basis are presented. The ways of further development of the ANN for improving its work accuracy and the possibility of identification of other types of defects are also presented.
W artykule rozpatrzono sposób ujawnienia poprzecznego pęknięcia w głowicy szyny kolejowej metodą ciągłej transformacji falkowej (CTF) oraz metodą sztucznej sieci neuronowej (SSN). Przedstawiono program stosowany do analizy sygnałów defektoskopijnych. Zaproponowano sposoby dalszego rozwoju SSN w celu poprawy dokładności jego pracy i możliwości zidentyfikowania innych rodzajów wad.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2017, 66, 4; 195-201
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Type of modulation identification using Wavelet Transform and Neural Network
Autorzy:
Walenczykowska, M.
Kawalec, A.
Powiązania:
https://bibliotekanauki.pl/articles/201661.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
modulation identification
artificial neural networks
continuous wavelet transform (CWT)
identyfikacja modulacji
sztuczne sieci neuronowe (SSN)
transformacja falkowa (CWT)
Opis:
Automatic recognition of the signal modulation type turned out to be useful in many areas, including electronic warfare or surveillance. The wavelet transform is an effective way to extract signal features for identification purposes. In this paper there are M-ary ASK, M-ary PSK, M-ary FSK, M-ary QAM, OOK and MSK signals analysed. The mean value, variance and central moments up to five of continuous wavelet transform (CWT) are used as signal features. The principal component analysis (PCA) is applied to reduce a number of features. A multi-layer neural network trained with backpropagation learning algorithm is considered as a classifier. There are two research variants: interclass and intraclass recognition with a wide range of signal-to-noise ratio (SNR).
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2016, 64, 1; 257-261
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena wpływu zmiennych wejściowych i struktury modelu sztucznej sieci neuronowej na prognozowanie dopływu ścieków komunalnych do oczyszczalni
Impact assessment of input variables and ANN model structure on forecasting wastewater inflow into sewage treatment plants
Autorzy:
Bartkiewicz, L.
Szelag, B.
Studziński, J.
Powiązania:
https://bibliotekanauki.pl/articles/237035.pdf
Data publikacji:
2016
Wydawca:
Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
Tematy:
oczyszczalnia ścieków
dopływ ścieków
modelowanie
prognozowanie
SSN
współczynnik korelacji
sewage treatment plant
wastewater inflow
modeling
forecasting
ANN
correlation coefficient
Opis:
Ze względu na stochastyczny charakter zjawiska dopływu ścieków do oczyszczalni, występują duże nierównomierności zarówno ilości, jak i jakości ścieków, co ma znaczący wpływ na funkcjonowanie obiektów technologicznych oczyszczalni. Z tego względu celowe jest prognozowanie wartości dopływu ścieków, co pozwala na przygotowanie obiektu na występowanie zdarzeń anormalnych, mogących doprowadzić do zaburzeń w działaniu urządzeń oczyszczalni. W artykule przedstawiono wyniki modelowania wartości dopływu ścieków z zastosowaniem sztucznych sieci neuronowych. W przeprowadzonych analizach wykorzystano wyniki trzyletnich pomiarów wysokości opadów atmosferycznych oraz dopływu ścieków komunalnych do miejskich oczyszczalni w Rzeszowie i Kielcach. Do oceny wpływu zmiennych objaśniających na jakość modelu zastosowano metodę regresji logistycznej. Uwzględniono takie zmienne, jak wysokość opadów atmosferycznych oraz dobowy dopływ ścieków do oczyszczalni, które były odpowiednio opóźnione w stosunku do wartości prognozowanej. Zbadano także wpływ parametrów struktury rozpatrywanego modelu na dokładność prognozy tworzonych modeli matematycznych.
Due to a stochastic nature of sewage inflow into a treatment plant the inflow amount and its quality are highly variable which has a significant impact on the plant technological objects operation. Hence, sewage inflow forecasting would be desirable as it allows for mitigating the impact of abnormal events that might lead to major plant installation disruption. This paper presents the results of a raw sewage inflow modeling using Artificial Neural Networks (ANNs). Results of the three-year measurements of precipitation rates and sewage treatment plant inflow in Rzeszow and Kielce were used in the analyses. To assess the impact of exogenous variables on the model quality the logistic regression method was applied. The variables considered were the precipitation rate and daily sewage inflow, which were appropriately delayed in relation to the forecasted inflow values. Impact of the model structure parameters on accuracy of the mathematical model forecasts was also investigated.
Źródło:
Ochrona Środowiska; 2016, 38, 2; 29-36
1230-6169
Pojawia się w:
Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predykcja szeregów czasowych algorytmem uwzględniającym przesuwne okno czasowe i podział jednostkowy szeregów
Time Series Prediction Algorithm Containing Time Window and Divition Unit Series
Autorzy:
Hadaś-Dyduch, Monika
Powiązania:
https://bibliotekanauki.pl/articles/589443.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Algorytmy
Analiza falkowa
Prognozowanie
Szeregi czasowe
Sztuczne sieci neuronowe (SSN)
Algorithms
Artificial neural networks (ANN)
Forecasting
Time-series
Wavelet analysis
Opis:
Celem artykułu jest przedstawienie autorskiego algorytmu do predykcji szeregów czasowych. Algorytm oparto na sztucznych sieciach neuronowych oraz analizie wielorozdzielczej. Jednakże główną cechą algorytmu, dającą dobrą jakość prognozy, jest podział wszystkich uwzględnionych w analizie szeregów na kilkuelementowe podszeregi oraz uzależnienie predykcji danego szeregu od innych szeregów ekonomicznych. Aplikację algorytmu przeprowadzono na szeregu prezentującym WIG. Prognozę WIG uzależniono od notowań indeksów Dow Jones, DAX, Nikkei, Hang Seng, z uwzględnieniem przesuwnego okna czasowego. Wyznaczono, jako przykładową aplikację autorską, prognozę WIG na okres 10, 20 i 30 dni.
This article presents the author's algorithm for time series prediction. The algorithm based on artificial neural networks and multiresolution analysis. However, the main feature of the algorithm, giving a good quality of forecasts, it is all included in the division series analysis on several elements under-series and dependence prediction of a series of other economic ranks. The application of the algorithm was performed on a series of presenting WIG. The forecast WIG made dependent on trading the Dow Jones, DAX, Nikkei, Hang Seng taking into account the shift of the time window. They were, as a sample application copyright forecast WIG for a period of 10, 20 and 30 days.
Źródło:
Studia Ekonomiczne; 2015, 241; 40-50
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do wyznaczania przepuszczalności skał na podstawie danych otworowych z rejonu Dzików–Wola Obszańska w północno-wschodniej części zapadliska przedkarpackiego
Artificial Neural Networks applying for determining the absolute rock permeability on the basis of data from boreholes situated on the Dzików–Wola Obszańska area (northeastern part of the Carpathian Foredeep Basin)
Autorzy:
Jarzyna, J.
Prętka, J.
Powiązania:
https://bibliotekanauki.pl/articles/2063104.pdf
Data publikacji:
2010
Wydawca:
Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
Tematy:
przepuszczalność skał
sztuczne sieci neuronowe SSN
selekcja danych wejściowych
profilowania geofizyki otworowej
rock permeability
artificial neural networks
input data selection
well logging
Opis:
Zbadano zdolność sztucznych sieci neuronowych SNN do oceny przepuszczalności absolutnej skał. Do tego celu wykorzystano dane z pięciu otworów wiertniczych, zlokalizowanych w północno-wschodniej części zapadliska przedkarpackiego: Dzików 16, 17, 20 oraz Wola Obszańska 10 i 15. Modele neuronowe stworzono na podstawie wyników badań laboratoryjnych próbek skał pobranych w wymienionych otworach, profilowań geofizyki otworowej oraz wyników kompleksowej interpretacji tych profilowań. Otrzymano SSN, służącą do odtwarzania wartości przepuszczalności całkowitej, określonej w laboratorium. Następnie model neuronowy wdrożono do estymowania przepuszczalności w otworze wiertniczym DZ17, przenosząc tym samym rozpoznane wcześniej zależności na nowy zbiór danych. Sieci neuronowe mogą stanowić alternatywę dla klasycznych metod wyznaczania przepuszczalności skał.
The absolute rock permeability was determinated with the use of artificial neural networks (ANN). Authors checked up ANN ability to determine permeability on the data from five borehole locked in northeastern part of the Carpathian Foredeep: Dzików 16, 17, 20 and Wola Obszańska 10 and 15. Neural models were built on the basis of results from laboratory tests, well logs data and the results of the comprehensive interpretation. ANN provided good results in estimating laboratory permeability. The best neural network was applied on similar data set from DZ17 borehole to show that complicated links between input variable and absolute permeability can be used for prediction of permeability from another data. It is hard to find deft deterministic model for permeability estimation so neural model gained in training process is an alternative method.
Źródło:
Biuletyn Państwowego Instytutu Geologicznego; 2010, 439 (2); 399--402
0867-6143
Pojawia się w:
Biuletyn Państwowego Instytutu Geologicznego
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Innowacyjna metoda rozpoznawania wybranych cech jakościowych nasion z wykorzystaniem analizy obrazu i sztucznych sieci neuronowych (SSN)
Innovative method for identifying selected qualitative characteristics of seeds using image analysis and artificial neural networks (ANN)
Autorzy:
Szwedziak, K.
Powiązania:
https://bibliotekanauki.pl/articles/288227.pdf
Data publikacji:
2009
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
analiza obrazu
RGB
Leaf
sztuczna sieć neuronowa
SSN
cechy jakościowe
nasiona
ocena sensoryczna
magazynowanie
image analysis
artificial neural network
qualitative characteristics
seeds
sensory assessment
storage
Opis:
Badanie cech jakościowych ma coraz większe znaczenie ze względu na ustalenie ceny skupu oraz ze względu na dalsze przeznaczenie nasion. Po wejściu Polski do Unii Europejskiej surowce i produkty końcowe muszą sprostać wymogom stawianym przez pozostałe kraje członkowskie. Ważnym problemem współczesnego rolnictwa zrównoważonego jest produkcja nasion oraz produktów o odpowiednich parametrach jakościowych. Dotychczasowe badania dowodzą, że zarówno technologia zbioru, warunki transportu i suszenia a także przechowywanie wywierają wpływ na jakość nasion, warunkując ich przydatność dla przemysłu. Zadaniem przemysłu zbożowego jest, oprócz przetwórstwa, także odpowiednie zabezpieczenie w czasie magazynowania, aby zachować odpowiednie właściwości i walory smakowe nasion. W związku z tym istnieje konieczność ciągłej kontroli produktów jak również surowców magazynowanych. Przemysł rolno - spożywczy dysponuje jedynie metodami opartymi na ocenie sensorycznej, wykorzystującej narządy zmysłu. Metoda ta jest bardzo czasochłonna i pracochłonna. Poszukiwanie innowacyjnych metod pozwala na wdrożenie do przemysłu rolno - spożywczego technik opartych na komputerowej analizie obrazu i sztucznych sieci neuronowych. Założono zatem, że korzystając z komputerowej analizy obrazu oraz przygotowanej w tym celu aplikacji do przetwarzania i analizowania pozyskanych obrazów cyfrowych, wykorzystując model rozpoznawania barw RGB, pozwoli na szybkie uzyskiwanie wyników. Ma to znaczenie w czasie skupu zbóż do magazynów, w celu określenia wstępnej jakości przyjmowanych nasion pod względem zanieczyszczeń, co w konsekwencji prowadzi do ustalenia ceny skupowanego materiału. Drugim aspektem wykorzystania tej metody jest kontrola jakości przechowywanego ziarna w magazynach. Opracowanie takiej metody pozwoli na szybkie uzyskanie wyników z pominięciem czasochłonnych prac laboratoryjnych. Dodatkowym elementem pracy jest porównanie metody tradycyjnej z metodą komputerowej analizy obrazu. Do porównania wykorzystano sztuczne sieci neuronowe.
Examination of qualitative characteristics becomes more and more important for fixing purchase price and due to further use of seeds. Following Poland accession to the European Union, raw materials and final products must meet requirements set by other member states. An important issue in modern sustainable agriculture is the production of seeds and products possessing suitable qualitative parameters. Studies completed to date prove that harvesting technology, transport and drying conditions, and storage affect seeds quality, thus conditioning their usability for industry. Besides processing, grain industry is expected to provide adequate protection during storage so as to ensure suitable properties and taste quality of seeds. As a result of this, it is necessary to provide continuous control of products and stored materials. Agricultural and food industry has at its disposal methods based on sensory assessment only, using sense organs. This method is highly timeconsuming and labour absorbing. Search for innovative methods allows to introduce techniques based on computerised image analysis and artificial neural networks in agricultural and food industry. It has been assumed then that using computerised image analysis and specially prepared for this purpose application for processing and analysis of obtained digital images with help of the RGB colour identification model will allow to obtain results quickly. This is important when purchasing grain for stores in order to determine initial quality of accepted seeds as regards impurities, which consequently leads to determining purchased material price. Another aspect of using this method is quality control for grain kept in stores. Development of such method will allow to obtain results quickly, omitting time-consuming laboratory works. An additional element in this paper is comparing conventional method to computerised image analysis method. Artificial neural networks have been used for comparison.
Źródło:
Inżynieria Rolnicza; 2009, R. 13, nr 4, 4; 7-52
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie SSN do predykcji zużycia węglowych nakładek odbieraka prądu
Application of artificial neural networks for prediction of pantograph carbon strips wear
Autorzy:
Kuźnar, M.
Powiązania:
https://bibliotekanauki.pl/articles/404331.pdf
Data publikacji:
2017
Wydawca:
Polskie Towarzystwo Symulacji Komputerowej
Tematy:
odbierak prądu
pantograf
węglowa nakładka ślizgowa
diagnostyka
prognoza zużycia
sztuczne sieci neuronowe
SSN
current collector
pantograph
carbon sliding strip
diagnostics
wear prediction
artificial neural networks
ANN
Opis:
Odbieraki prądu w pojeździe trakcyjnym służą do poboru prądu z sieci trakcyjnej. Elementem mającym bezpośredni kontakt z przewodem jezdnym jest ślizgacz, a dokładniej węglowa nakładka stykowa, narażona zarówno na zużycie eksploatacyjne, jak i różnego rodzaju uszkodzenia związane z użytkowaniem. Jest elementem odbieraka najczęściej wymienianym. W celu ustalenia przyczyny uszkodzenia nakładki konieczna jest znajomość typu uszkodzenia. Przyczyna wymiany nakładki wnioskowana może być na podstawie charakterystyki zużycia węglowych nakładek stykowych. W celu predykcji zużycia węglowych nakładek stykowych zastosowano Sztuczną Sieć Neuronową typu Feed-Forward z propagacją wsteczną o 6 warstwach ukrytych po 10 neuronów w każdej warstwie. Błąd średniokwadratowy dla procesu uczenia sieci wyniósł 0,578, a wyniki dotyczące predykcji zużycia nakładki przedstawiono w artykule.
In the traction vehicles, current consumption from the overhead contact line is possible thanks to the current collectors (pantographs). An element that has a direct contact with the contact wire is a slide plate, and more specifically, a carbon contact strips. Affected by both operational wear and various types of damage related to operational maintenance, carbon strip is the element which most commonly need to be exchanged. To determine the cause of damage to the contact strip, it is necessary to know the type of damage. The reason for replacing the carbon contact strip may be claimed on the basis of the wear characteristics. In order to predict the wear of carbon strip, a Feed-Forward Artificial Neural Network with backward propagation of 6 hidden layers and 10 neurons in each layer was applied. The mean square error for the network learning process was 0.578, and the results for the pantograph contact strip wear were presented in the article.
Źródło:
Symulacja w Badaniach i Rozwoju; 2017, 8, 3-4; 97-103
2081-6154
Pojawia się w:
Symulacja w Badaniach i Rozwoju
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wybrane przykłady zastosowań sztucznych sieci neuronowych w geotechnice
Selected examples of the use of artificial neural networks in geotechnics
Autorzy:
Ochmański, M.
Bzówka, J.
Powiązania:
https://bibliotekanauki.pl/articles/402683.pdf
Data publikacji:
2013
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
sztuczne sieci neuronowe (SSN)
kalibracja modelu numerycznego
analiza wsteczna
tunel SCL
kolumny iniekcyjne
artificial neural network (ANN)
calibration of numerical model
retrograde analysis
SCL tunnel
injection columns
Opis:
Sztuczne sieci neuronowe (SSN) umożliwiają rozwiązywanie problemów bardzo trudnych lub wręcz niemożliwych wcześniej do rozwiązania. W referacie zostaną przedstawione przykłady zastosowania sztucznych sieci neuronowych do rozwiązań wybranych problemów geotechnicznych. Pierwszy przykład dotyczy wykorzystania sztucznych sieci neuronowych do analizy przemieszczeń dwóch bliźniaczych tuneli wykonanych w technologii SCL (Sprayed Concrete Linning). Konstrukcja poddana analizie jest częścią stacji Fővám, czwartej linii metra w Budapeszcie. Analizę przeprowadzono bazując na danych uzyskanych podczas budowy linii metra oraz monitoringu geotechnicznego. W celu analizy opracowano model numeryczny, który posłużył do przeprowadzenia w pierwszej kolejności analizy wrażliwości użytych parametrów modelu konstytutywnego oraz do analizy wstecznej tych parametrów. W przypadku obu analiz posłużono się sztucznymi sieciami neuronowymi, które pokazały łatwość ich zastosowania oraz wiarygodność uzyskanych wyników. W drugim przykładzie przedstawiono sposób przewidywania średnicy kolumn iniekcyjnych. Określenie kształtu kolumn iniekcyjnych, w tym głównie ich średnicy, jest bardzo trudne. Możliwość zastosowania sztucznych sieci neuronowych do określenia średnicy kolumn może w znaczący sposób zoptymalizować metody projektowania kolumn iniekcyjnych. W przykładzie posłużono się obszerną bazą danych zawierającą opis warunków gruntowo-wodnych podłoża, w którym wykonano kolumny iniekcyjne i pomierzone wartości średnic kolumn po ich odsłonięciu. Dane związane z kolumnami iniekcyjnymi zostały wykorzystane do utworzenia sztucznej sieci neuronowej, a następnie do określenia przewidywanych średnic kolumn iniekcyjnych. Uzyskane wyniki charakteryzują się bardzo dobrą zbieżnością z rzeczywistymi wymiarami kolumn. Wykorzystanie sztucznych sieci neuronowych stanowi alternatywę wobec tradycyjnych metod rozwiązywania problemów geotechnicznych.
Artificial Neural Networks (ANN) allow to solve difficult problems which sometimes are impossibleto solve using traditional methods. In the paper the examples of application of Artificial Neural Networks for solving selected problems in geotechnics are presented. First example deals with the use of ANN to analyze two similar tunnels built using SCL technology. The structure of interest is a part of Fővám square station of the 4th metro line in Budapest. Analysis was performed based on the data obtained from geotechnical monitoring and from construction stages. The numerical model was prepared for the purpose of sensitivity and back analyses of constitutive model parameters. In both cases the applications show the possibility and reliability of conducted results. Prediction method of jet grouting columns diameter was presented in the second example. Nowadays, definition of columns geometry and estimation of their diameters are difficult task. Possibility of ANN use for estimation of jet grouting columns diameter can optimize designing method. Wide database of field trial jet grouting columns, corresponding soil properties and their forming parameters with measured values of their diameters were used in the presented example. Data describing jet grouting columns were used for creating ANN and for estimating their diameters. The results are characterized by high correlation level between measured values of columns diameter and their predicted equivalents. The use of Artificial Neural Networks is an alternative method which can allow us to solve complex geotechnical problems. Selected examples confirm that the use of ANN is characterized by high reliability level.
Źródło:
Budownictwo i Inżynieria Środowiska; 2013, 4, 4; 287-294
2081-3279
Pojawia się w:
Budownictwo i Inżynieria Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 17

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