Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Stuttgart neural network simulator" wg kryterium: Temat


Wyświetlanie 1-1 z 1
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
    Wyświetlanie 1-1 z 1

    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