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 "Sztuczne Sieci Neuronowe" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-100 z 266
Tytuł:
Metoda sztywnych elementów skończonych w obliczaniu ugięć belek
RIGID FINITE ELEMENTS METHOD AT CALCULATING THE DEFLECTIONS OF BEAMS
Autorzy:
Kaczmarek, Mateusz
Powiązania:
https://bibliotekanauki.pl/chapters/40037507.pdf
Data publikacji:
2015
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
sztuczne sieci neuronowe
łuk
drgania własne
Opis:
W artykule przedstawiono wykorzystanie metody sztywnych elementów skończonych do obliczania ugięć belek, zarówno dla konstrukcji jednorodnych, jak i dla elementów o niejednorodnym rozkładzie sztywności – zarysowanych belek żelbetowych. W artykule przedstawiono także autorskie podejście do problemu obliczania ugięć zarysowanych belek żelbetowych, z wykorzystaniem parametru skalującego, pozwalającego na uwzględnienie w modelu obliczeniowym różnej głębokości rozwarcia rys. Wyniki obliczeń numerycznych, wykonanych przy użyciu autorskiego programu obliczeniowego, porównano z pomiarami z badań doświadczalnych.
This paper describes the use of rigid finite elements method to calculate the deflections of beams, both for homogeneus beams and elements with heterogeneous stiffness distribution - reinforced concrete beams with cracks. The paper presents also the author approach to the problem of calculating the deflections of reinforced concrete beams with cracks, using the scaling parameter that allows to take into account the varying depth of the crack. The results of numerical calculations made by using author’s calculation program, were compared with the experimental measurements.
Źródło:
Konferencja Studentów i Doktorantów Wydziałów Budownictwa KONstruktor2015; 46-53
9788374938815
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Implementacja sztucznych sieci neuronowych w środowisku LabVIEW
Artificial neural networks in LabVIEW
Autorzy:
Rafiński, L.
Powiązania:
https://bibliotekanauki.pl/articles/268930.pdf
Data publikacji:
2008
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
sztuczne sieci neuronowe
artificial neural networks
Opis:
Przedstawiono możliwości oraz strukturę zrealizowanego przez autora modułu do implementacji sztucznych sieci neuronowych w środowisku LabVIEW.
The article shows the structure and capabilities of a LabVIEW module for the artficial neural networks implementation designed by the author.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2008, 25; 141-143
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie algorytmu genetycznego do klasyfikacji przedsiębiorstw
Application of genetic algorithm to firm classification
Autorzy:
Witkowska, Dorota
Kamiński, Władysław
Powiązania:
https://bibliotekanauki.pl/articles/905371.pdf
Data publikacji:
2002
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
klasyfikacja
sztuczne sieci neuronowe
algorytm genetyczny
Opis:
In the paper we present the results of firm classification made by artificial neural networks that were trained applying genetic algorithm. There were from two to five groups distinguished that were characterized by: decisions about allowing the credit (two classes), creditworthiness of the enterprise (four classes) and the economic and financial situation of the firm (five classes). The quality of classification was evaluated by comparing to the credit officers’ opinions. The results of artificial neural network classification into two classes were compared to results obtained applying linear discrimination function.
W opracowaniu przedstawiono wyniki klasyfikacji przedsiębiorstw za pomocą jednokierunkowych sieci neuronowych trenowanych algorytmem genetycznym. Klasyfikacja obejmowała od dwóch do pięciu grup typologicznych i została przeprowadzona na podstawie danych pochodzących z wniosków kredytowych podmiotów gospodarczych ubiegających się o kredyt w jednym z banków regionalnych. W analizach porównawczych wykorzystano liniową analizę dyskryminacyjną.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2002, 156
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczne sieci neuronowe w zagadnieniu własnym łuków
ARTIFICIAL NEURAL NETWORKS IN THE ISSUE OF EIGENFREQUENCIES OF THE ARCHES
Autorzy:
Kaczmarek, Mateusz
Powiązania:
https://bibliotekanauki.pl/chapters/40036566.pdf
Data publikacji:
2015
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
sztuczne sieci neuronowe
łuk
drgania własne
Opis:
W artykule opisano tworzenie i wykorzystanie sieci neuronowej do predykcji częstości drgań własnych płaskich łuków stalowych. W celu uzyskania bazy wyników, pozwalającej na proces uczenia oraz testowania sieci neuronowej, wykonano wcześniej szereg obliczeń częstości drgań własnych z wykorzystaniem MES. Przeprowadzone analizy potwierdzają skuteczność stosowania SSN jako narzędzia do przewidywania częstości drgań własnych łuków. Model sieci neuronowej zaproponowany w pracy może być stosowany do analiz zagadnienia odwrotnego – identyfikacji geometrii łuków na podstawie wartości częstości drgań własnych układu.
This paper describes the creation and operation of a neural network for making predictions of eigenfrequencies of flat steel arches. In order toobtain adatabaseof results, that is necessary for training and testingthe neural network, a number of eigenfrequencies calculations were made using FEM. Studies confirm the effectiveness of the use of the ANN as a tool to predict eigenfrequencies of the arches. The neural network modelpresented in thispaper canbe used for analysis of the inverse problem – identification of shape parameters of the arches on the basis of eigenfrequencies.
Źródło:
Konferencja Studentów i Doktorantów Wydziałów Budownictwa KONstruktor2015; 54-61
9788374938815
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dekompozycja hierarchicznej struktury sztucznej sieci neuronowej i algorytm koordynacji
Decomposition of hierarchical structure of Artificial Neural Network and coordination algorithm
Autorzy:
Płaczek, S.
Powiązania:
https://bibliotekanauki.pl/articles/377202.pdf
Data publikacji:
2014
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
sztuczne sieci neuronowe
algorytm uczenia
dekompozycja
koordynacja
hierarchia
Opis:
W artykule zaproponowano przeprowadzenie dekompozycji struktury sieci na dwie warstwy. W warstwie I poziomu znajduje się N1 niepowiązanych podsieci. Natomiast w warstwie II poziomu (nadrzędnej) znajduje się podsieć warstwy ukrytej. Warstwy te powiązane są sygnałami V1, V2, które pozwalają na zastosowanie niezależnych algorytmów uczenia dla warstwy I oraz II. Prosty algorytm koordynacji umożliwia obliczenie wartości sygnałów między warstwowych, a tym samym osiągnięcie minimum globalnej funkcji celu.
The article presents decomposition of Artificial Network Structure into two layers. Layer one (lower one) consist of N1 independent sub layers. The second layer (upper one) is a hidden layer. Vectors V1 and V2 are introduced as coordinator between two layers. The coordinator uses different algorithms connecting vectors V1 and V2. In this way, the coordinator is able to coordinate two independent learning algorithms for each layer. The coordination algorithm was described and final learning results are presented. Presented results of an on - line learning algorithm were used for both, the first and the second layer. For the future study, an off-line learning algorithm will be used.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2014, 80; 223-230
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do redukcji stopnia iskrzenia w elektrycznych maszynach komutatorowych prądu stałego
Application of artificial neural networks to reduce the level of sparking in electric direct current commutator machines
Autorzy:
Zieliński, W.
Powiązania:
https://bibliotekanauki.pl/articles/1374088.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Napędów i Maszyn Elektrycznych Komel
Tematy:
sztuczne sieci neuronowe
iskrzenie
maszyna komutatorowa prądu stałego
Opis:
The paper presents a possible application of the capabilities of methods and techniques of ANN artificial intelligence for diagnostics of sparking processes in electric direct current commutator machines. Hitherto applied methods of diagnostics, usually based on the visual observation of sparking, depend on the expert's knowledge and experience. The expert interprets current data obtained from observation. The drawback of this approach lies in its dependence on the expert's knowledge and experience, which makes the data difficult to use for further processing. That is why, apart from improving methods, it is necessary to find a way to objectify the sparking processes in the detection and assessment of damage as well as reduction of the level of sparking of brushes.
Źródło:
Maszyny Elektryczne: zeszyty problemowe; 2008, 80; 185-187
0239-3646
2084-5618
Pojawia się w:
Maszyny Elektryczne: zeszyty problemowe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do rozpoznawania metali na podstawie wykresu statycznej próby rozciągania
Application of artificial neural networks for recognition of metals on the basis of static tensile test chart
Autorzy:
Ewald, Dawid
Powiązania:
https://bibliotekanauki.pl/articles/41204115.pdf
Data publikacji:
2010
Wydawca:
Uniwersytet Kazimierza Wielkiego w Bydgoszczy
Tematy:
sztuczne sieci neuronowe
FANN
Delphi
artificial neural networks
Opis:
W artykule przedstawia zagadnienie sztucznych sieci neuronowych oraz ich wykorzystania w klasyfikacji metali na podstawie wykresu statycznej próby rozciągania. W pracy opisano działanie sieci neuronowych oraz sposób ich wykorzystania..
In this article presents the issue of artificial neural networks and their use in the classification of metals on the basis of the static tensile test chart. This paper describes the operation of neural networks and how to use them.
Źródło:
Studia i Materiały Informatyki Stosowanej; 2010, 3; 21-30
1689-6300
Pojawia się w:
Studia i Materiały Informatyki Stosowanej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Identyfikacja uszkodzeń w napędzie z PMSM za pomocą sztucznych sieci neuronowych
Faults detection in the PMSM drive using artificial neural networks
Autorzy:
Urbański, K.
Majchrzak, D.
Powiązania:
https://bibliotekanauki.pl/articles/377273.pdf
Data publikacji:
2016
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
PMSM
sztuczne sieci neuronowe
detekcja uszkodzeń
napęd elektryczny
Opis:
W artykule przedstawiono wyniki badań symulacyjnych układu napędowego z PMSM z systemem detekcji przerwy w fazie. W jego skład wchodzi m.in. dokładny model przekształtnika, który będzie umożliwiał realizację różnych scenariuszy uszkodzeń oraz układ detekcji awarii, zrealizowany przy użyciu dwóch sztucznych sieci neuronowych. Jedna z tych sieci pełni funkcję modelu napędu, druga generuje sygnał diagnostyczny. Prezentowany system diagnostyczny jest szybki – czas reakcji na uszkodzenie jest rzędu milisekundy. Ponadto przedstawiono rodzaje uszkodzeń najczęściej występujących w napędach elektrycznych z silnikami synchronicznymi o magnesach trwałych, a także przedstawiono metody ich identyfikacji.
This paper presents simulation research results of PMSM drive with open phase fault detection system. It includes exact model of power converter, which realizes various damage scenarios and fault detection system, implemented using two artificial neural networks. One of them is neural model of drive, and another one generates diagnostic signals. Presented diagnostic system is fast – the detection time is about 1 ms. Moreover, the most common faults in permanent magnet synchronous motor drives and the methods for their identification are presented.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2016, 87; 365-375
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sieci neuronowych do estymacji zmiennych stanu napędu elektrycznego z silnikiem synchronicznym z magnesami trwałymi
Application of neural networks for state variables estimation of drive with permanent magnet synchronous motor
Autorzy:
Dróżdż, K.
Kamiński, M
Serkies, P. J.
Szabat, K.
Powiązania:
https://bibliotekanauki.pl/articles/1813781.pdf
Data publikacji:
2013
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
estymacja zmiennych stanu
napęd PMSM
sztuczne sieci neuronowe
Opis:
In this paper analysis of possibilities of neural network application for estimation of speed of permanent magnet synchronous motor is presented. In order to realize of this task Multi Layer Perceptron Neural Network are applied. Several design steps with particular emphasis on the selection of structure of neural network and organization of the input vector are described. Chosen results for prepared neural estimator are presented. High precision of speed estimation is obtained. Additionally changes of stator resistance are introduced during tests, even in such case reproduction of this state variable is very precise, tested model is robust. Calculations related to prepared model are realized in Matlab.
Źródło:
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały; 2013, 69, 33; 132--140
1733-0718
Pojawia się w:
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sztucznych sieci neuronowych do prognozowania wyników meczów piłkarskich
Using artificial neural networks to predict the results of football matches
Autorzy:
BARTMAN, Jacek
BAJDA, Konrad
Powiązania:
https://bibliotekanauki.pl/articles/456764.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Rzeszowski
Tematy:
Sztuczne Sieci Neuronowe
prognozowania
Artificial Neural Networks
prediction
Opis:
W pracy zaprezentowano koncepcję wykorzystania Sztucznych Sieci Neuronowych do prognozowania wyników meczów. Przedstawiono architekturę sieci oraz skuteczność realizowanych przez nią prognoz. Uzyskane wyniki zestawiono z wynikami otrzymanymi przy wykorzystaniu innych metod.
The paper presents the concept of using Artificial Neural Networks to predict the results of football matches. Autors presents the architecture of the network and the effectiveness of the implementation by the forecasts. The results were compared with results obtained using other methods
Źródło:
Edukacja-Technika-Informatyka; 2014, 5, 2; 425-431
2080-9069
Pojawia się w:
Edukacja-Technika-Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie modeli sieci neuronowych w ocenie i prognozowaniu jakości powietrza
Application of neural network models for assessment and forecasting of air quality
Autorzy:
Łozowicka-Stupnicka, T
Talarczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/269220.pdf
Data publikacji:
2005
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
powietrze
jakość powietrza
prognozowanie jakości powietrza
sieci neuronowe
sztuczne sieci neuronowe
Opis:
W artykule przedstawiono metodę oceny i prognozowania jakości powietrza opartą na modelu sztucznej sieci neuronowej. Metoda ta ze względu na dobre właściwości uogólniające i szybkie osiąganie wyników nadaje się do rozwiązywania zadań predykcyjnych, których przykładem jest prognozowanie sytuacji ostrzegawczych. Dla rozwiązania postawionego zadania zaproponowano czterowarstwową, jednokierunkową sieć neuronową. Sieć tego typu jest obiecującym narzędziem oceny i prognozowania powietrza, zwłaszcza w sytuacjach podwyższonych stężeń zanieczyszczeń wpływających niekorzystnie na zdrowie ludzi i otaczające środowisko.
The paper deals on the air pollution assessment and forecasting method based on artificial neural network. For solving the problem the four-layer, feed-forward neural network is proposed. The method has good properties of generalisation and high speed of operation. In this aspect artificial neural network can be regarded as good instrument for prediction of smog state. The chosen type of the network seems to be the promised tool for assessment and forecasting of states, which influence people health and the surrounded environment.
Źródło:
Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie; 2005, 10, 1; 121-134
1426-2908
Pojawia się w:
Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
System wspomagający rozpoznawanie znaków języka migowego oparty na sztucznej sieci neuronowej
Signs recognition system based on artificial neural network
Autorzy:
Lewandowski, P.
Półtorak, M.
Wagner, M.
Pochmara, J.
Rybarczyk, A.
Powiązania:
https://bibliotekanauki.pl/articles/376140.pdf
Data publikacji:
2017
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
Microsoft Kinect
sztuczne sieci neuronowe
theano
sieci konwolucyjne
detekcja obrazu
Opis:
W niniejszym artykule zaproponowano realizację systemu wspomagajacego rozpoznawanie statycznych znaków języka migowego. Na potrzeby rozwiązania skorzystano z sensora Microsoft Kinect XBOX 360, przygotowano oprogramowanie umożliwiające translację znaków dla osób nie znających tego języka, oparte na sztucznej inteligencji, przetworzono otrzymane informacje oraz utworzono zbiór danych pozwalający na ich poprawną klasyfikację. Istotnym faktem jest również wybranie najbardziej optymalnego rozwiązania, zarówno pod względem możliwości wydajnościowych przeciętnego komputera osobistego jak i efektywności działania systemu.
In following work there is suggested a solution to recognise certain static characters from sign language. To achieve the objective, there were used tools like Microsoft Kinect and convolutional neural networks. Main problems to overcome were to collect data from Kinect sensor and prepare software based on artificial intelligence, which could process gathered material. For learning purposes around four thousand images were collected. Dataset this large was required for neural networks to work and respond properly. What is also important is to select the most optimal solution for neural networks. The influence of dropout parameter on learning process was studied too.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2017, 91; 155-164
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Problemy związane z treningiem sztucznej sieci neuronowej wykorzystanej do modelowania charakterystyk zmęczeniowych
Problems in training process of artificial
Autorzy:
Nowicki, K.
Sempruch, J.
Powiązania:
https://bibliotekanauki.pl/articles/386643.pdf
Data publikacji:
2007
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
sztuczne sieci neuronowe
zmęczenie
trening sieci
artificial neural networks
fatigue
Opis:
Zrealizowane przez autorów projekty badawcze wskazały jednoznacznie na racjonalność wykorzystania środowiska sieci neuronowej do gromadzenia i przetwarzania danych o zmęczeniu. Istniejąca literatura, dotycząca w ogólności sieci neuronowych, w niewielkim stopniu dotyka ich praktycznej implementacji do problematyki zmęczeniowej. Wśród licznych problemów związanych z budową, przygotowaniem do pracy i praktycznym wykorzystaniem sieci neuronowych istnieje problem treningu sieci. Temu właśnie poświęcono prezentowane opracowanie. Autorzy przedstawiają ciąg decyzji, które przyjęli dla realizacji własnego eksperymentu numerycznego, przytaczając przykłady ilustrujące uzyskane w ślad tych decyzji rezultaty.
Prior projects realized by authors proved the rationality of using of the neural network environment to the accumulation and processing of the fatigue data. The existing literature in short supply touches practical implementation of neural network to the fatigue problems. Among others problems with the practical implementation and utilization of neural networks exists the problem of the neural network training. This one is main subject of the elaboration. In this paper authors present sequence of decisions accepted for the realization of the numeric experiment and quote illustrative examples of obtained results into the trace of these decisions.
Źródło:
Acta Mechanica et Automatica; 2007, 1, 1; 77-84
1898-4088
2300-5319
Pojawia się w:
Acta Mechanica et Automatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Koncepcja zastosowania sztucznych sieci neuronowych do lokalizacji elementów powodujących pogorszenie jakości energii elektrycznej w sieciach średniego napięcia
A concept of the application of artificial neural networks in the location of elements that distort the quality of energy in medium voltage distribution networks
Autorzy:
Kolasa, M.
Długosz, R
Powiązania:
https://bibliotekanauki.pl/articles/377466.pdf
Data publikacji:
2014
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
jakość energii elektrycznej
sztuczne sieci neuronowe
nowe algorytmy uczenia
Opis:
W artykule przedstawiono koncepcję wykorzystania sztucznych sieci neuronowych do rozwiązywania problemu lokalizacji źródeł zakłóceń powodujących pogorszenie jakości energii elektrycznej. W dziedzinie tej coraz częściej sięga się po rozwiązania oparte na sztucznej inteligencji, choć zazwyczaj stosowane algorytmy uczenia sieci neuronowych implementowane są jako programy komputerowe. Biorąc pod uwagę ogromną ilość danych, które muszą zostać przetworzone, rozwiązania takie nie są optymalne. Rozwiązaniem tego problemu może być zastosowanie równoległego przetwarzania danych, możliwego do uzyskania w sieciach neuronowych realizowanych jako specjalizowane układy scalone. Jest to celem naszych badań. W artykule przedstawiono jeden z etapów realizacji tego zadania - model sieci elektroenergetycznej, którego celem jest dostarczenie danych uczących dla projektowanej na poziomie tranzystorów sieci neuronowej. W realizowanej sieci neuronowej wykorzystano nowatorski algorytm oparty na filtracji błędu kwantyzacji, który pozwala znacząco skrócić fazę uczenia, przez co sieć jest w stanie szybko dostosować się do nowych danych.
The paper presents a concept of using artificial neural networks to solve the prob- lem of the location of sources that cause deterioration in the quality of the electrical power. In this field the solutions that base on artificial intelligence are gaining popularity in recent time. However, the learning algorithms that are used in this case are usually implemented as computer programs. Given the large amount of data that must be processed, such solutions are not optimal. The solution to this problem may be the usage of parallel data processing obtainable in neural networks implemented, for example, as specialized integrated circuits. This is the purpose of our research. This paper presents one of the important steps in this task - a model of the electrical power system, the aim of which is to provide training data for the neural network. In the realized neural network a novel algorithm has been used that is based on filtering of the quantization error. By using this algorithm the learning phase can be substantially shortened, so that the network is able to quickly adapt to new data.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2014, 79; 87-95
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
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:
Wybór najatrakcyjniejszych spółek na WGPW przy użyciu sztucznych siecii neuronowych
Autorzy:
Kołatka, Marek
Powiązania:
https://bibliotekanauki.pl/articles/518329.pdf
Data publikacji:
2011
Wydawca:
Uniwersytet Gdański. Wydział Ekonomiczny
Tematy:
sztuczna inteligencja
sztuczne sieci neuronowe
uczenie sieci neuronowych
wspomaganie decyzji inwestycyjnych
Opis:
W ostatnich latach można zauważyć, że coraz więcej inwestorów przy wyborze instrumentów finansowych, stosuje komputerowe systemy wspomagania decyzji. Bardzo często wykorzystuje się w tym celu sztuczne sieci neuronowe. W pracy przedstawione podstawowe teoretyczne aspekty związane z SSN. Oceniono też ich skuteczność w wyborze najatrakcyjniejszych spółek notowanych na GPW.
In recent years can be seen that more and more investors use computer decision support system when They are choosing financial instruments. Artificial neural networks (ANN) are often used for this purpose. The paper presents the basic theoretical aspects of the ANN. Evaluated also their effectiveness in selecting the most attractive companies listed on the Warsaw Stock Exchange.
Źródło:
Zeszyty Studenckie Wydziału Ekonomicznego „Nasze Studia”; 2011, 5; 147-155
1731-6707
Pojawia się w:
Zeszyty Studenckie Wydziału Ekonomicznego „Nasze Studia”
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Układ samonaprowadzania pocisku moździerzowego z wykorzystaniem układów rozpoznawania położenia przestrzennego opartych na sztucznych sieciach neuronowych
Application of synthetic neurone networks for identification of space position in the self-guidance system of a mortar missile
Autorzy:
Głębocki, R.
Vogt, R.
Powiązania:
https://bibliotekanauki.pl/articles/235501.pdf
Data publikacji:
2006
Wydawca:
Wojskowy Instytut Techniczny Uzbrojenia
Tematy:
naboje moździerzowe
sztuczne sieci neuronowe
mortar rounds
artificial neural networks
Opis:
W referacie przedstawiono niektóre problemy związane z systemem sterowania inteligentnych pocisków moździerzowych przy pomocy rakietowych silników korekcyjnych działających bezpośrednio na środek ciężkości pocisku.
Some issues of the smart ammunition control by correction rocket micro-motors acting directly into the missile’s mass centre are presented in the paper.
Źródło:
Problemy Techniki Uzbrojenia; 2006, R. 35, z. 97; 141-148
1230-3801
Pojawia się w:
Problemy Techniki Uzbrojenia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie techniki sztucznych sieci neuronowych (ANN) do prognozowania stężenia mineralnych form azotu w wodach górnej Narwi
The use of artificial neural networks (ann) to predict the concentration of mineral forms of nitrogen in waters of the upper Narew River
Autorzy:
Skorbiłowicz, M.
Powiązania:
https://bibliotekanauki.pl/articles/338708.pdf
Data publikacji:
2009
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
azot
rzeka
sztuczne sieci neuronowe
artificial neural networks
nitrogen
river
Opis:
Celem prezentowanych w pracy badań było skonstruowanie sztucznej sieci neuronowej do prognozowania stężenia nieorganicznych form azotu w wodach górnej Narwi w zależności od niektórych charakterystycznych cech zlewni. Badania wód Narwi prowadzono w latach 2001-2005, pobierając raz w miesiącu próbki z 10 zlokalizowanych na rzece stanowisk kontrolnych. W czasie 5 lat badańuzyskano 1800 wyników (3 formy azotu). W próbkach wody badano stężenie azotu amonowego, azotu azotanowego (III) i azotu azotanowego (V). Na potrzeby pracy skorzystano z automatycznego projektanta sieci neuronowych zawartego w pakiecie statystycznym Statistica 8.0. Do projektowania sieci wykorzystano algorytm ze wsteczną propagacją błędów. Na podstawie zgromadzonych danych wejściowych i wyjściowych przetestowano 1000 sieci i wybrano jedną w czasie procesu uczenia sieci na zadanej puli wyników liczbowych. Wartości współczynników korelacji r i porównanie stężenia zmierzonego i prognozowanego analizowanych parametrów upoważniają do stwierdzenia, że zaprojektowana sieć umożliwia ograniczoną prognozę wartości stężenia mineralnych form azotu na podstawie zaimplementowanych zmiennych wejściowych.
The aim of this work was to construct an artificial neural network to estimate the concentration of inorganic forms of nitrogen in waters of the upper Narew River depending on certain characteristics of the catchment. The study of the Narew River waters was carried out in the years 2001-2005 by collecting samples once a month from 10 sampling sites. In total 1800 results (3 forms of nitrogen) were obtained during 5 years of the study. Analysed forms of nitrogen included ammonium nitrogen, nitrate nitrogen (III) and nitrate nitrogen (V). The automatic neural network designer with the backward propagation of errors from the statistical package Statistica 8.0 was used in this paper. Based on obtained input and output data 1000 networks were tested and one was selected in the process of learning networks for a given pool of numerical results. Correlation coefficients r and a comparison of measured and predicted concentrations of the analyzed parameters allowed for the conclusion that the designed network enables limited prediction of the concentrations of mineral nitrogen based on implemented input variables.
Źródło:
Woda-Środowisko-Obszary Wiejskie; 2009, 9, 1; 129-140
1642-8145
Pojawia się w:
Woda-Środowisko-Obszary Wiejskie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A Neural Network Approach for Predicting Production Volume of Biofuels in Poland
Zastosowanie sieci neuronowych do prognozowania wielkości produkcji biopaliw w Polsce
Autorzy:
Siuda, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/2024082.pdf
Data publikacji:
2021
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
artificial neural networks
biofuels
prediction
sztuczne sieci neuronowe
biopaliwa
predykcja
Opis:
This article focuses on the creation of artificial neural networks (ANN) and their use in predicting the volume of biofuel production in Poland on the basis of historical data. Artificial neural networks are extremely useful in predicting events in which it is difficult to find determinism and cause-effect relationships. For this purpose 30 artificial neural networks of different topology were created. The analysed artificial neural networks had: one or two layers, from 4 to 8 neurons on the first layer and 4 or 6 neurons on the second layer. Moreover, the effect of delayed inputs and the effect of learning set size on prediction quality were analysed. The quality of each structure was evaluated based on the coefficient of determination, mean error, and mean square error. The stability of prediction was evaluated based on the sample standard deviation of RMSE and MAE. All the presented ANN structures were simulated five times and the best individual results included in the tables. The best results were obtained for an artificial neural network with two layers, four neurons in each layer and one delay. Overall, the second layer increased the stability of the prediction. Streszczenie: W artykule skupiono się na tworzeniu sztucznych sieci neuronowych i ich wykorzystaniu do prognozowania wielkości produkcji biopaliw w Polsce na podstawie danych historycznych. Sztuczne sieci neuronowe są niezwykle przydatne w prognozowaniu zdarzeń, w których trudno doszukać się determinizmu i związków przyczynowo-skutkowych. W tym celu stworzono 30 sztucznych sieci neuronowych o różnej topologii. Analizowane
W artykule skupiono się na tworzeniu sztucznych sieci neuronowych i ich wykorzystaniu do prognozowania wielkości produkcji biopaliw w Polsce na podstawie danych historycznych. Sztuczne sieci neuronowe są niezwykle przydatne w prognozowaniu zdarzeń, w których trudno doszukać się determinizmu i związków przyczynowo-skutkowych. W tym celu stworzono 30 sztucznych sieci neuronowych o różnej topologii. Analizowane sztuczne sieci neuronowe miały: jedną lub dwie warstwy, od 4 do 8 neuronów w warstwie pierwszej oraz 4 lub 6 neuronów w warstwie drugiej. Ponadto przeanalizowano wpływ opóźnionych wejść oraz wpływ wielkości zbioru uczącego na jakość predykcji. Jakość każdej ze struktur oceniono na podstawie współczynnika determinacji, błędu średniego oraz błędu średniokwadratowego. Stabilność prognozowania była oceniana na podstawie odchylenia standardowego próby RMSE oraz MAE. Wszystkie przedstawione struktury ANN były symulowane pięciokrotnie, a najlepsze pojedyncze wyniki zamieszczono w tabelach. Najlepsze wyniki uzyskano dla sztucznej sieci neuronowej z dwiema warstwami, czterema neuronami w każdej warstwie i jednym opóźnieniem. Druga warstwa zwiększyła stabilność predykcji.
Źródło:
Ekonomia XXI Wieku; 2021, 24; 7-26
2353-8929
Pojawia się w:
Ekonomia XXI Wieku
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Discrete Fractional Order Artificial Neural Network
Autorzy:
Sierociuk, D.
Sarwas, G.
Dzieliński, A.
Powiązania:
https://bibliotekanauki.pl/articles/386578.pdf
Data publikacji:
2011
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
sztuczne sieci neuronowe
systemy nieliniowe
artificial neural networks
nonlinear systems
Opis:
In this paper the discrete time fractional order artificial neural network is presented. This structure is proposed for simulating the dynamics of non-linear fractional order systems. In the second part of this paper several numerical examples are shown. The final part of the paper presents the discussion on the use of fractional or integer discrete time neural network for modelling and simulating fractional order non-linear systems. The simulation results show the advantages of the proposed solution over the classical (integer) neural network approach to modelling of non-linear fractional order systems.
Źródło:
Acta Mechanica et Automatica; 2011, 5, 2; 128-132
1898-4088
2300-5319
Pojawia się w:
Acta Mechanica et Automatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie ceny ogórka szklarniowego za pomocą sieci neuronowych
Forecasting a hothouse cucumber price with the use of neuron networks
Autorzy:
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/288377.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczne sieci neuronowe
prognozowanie
cena
artificial neuron networks
forecasting
price
Opis:
W pracy opracowano modele wykorzystujące sztuczne sieci neuronowe do prognozowania cen ogórka szklarniowego, przy czterech horyzontach prognoz. Porównano dokładności prognoz uzyskanych za pomocą różnych typów sieci neuronowych (liniowych, wielowarstwowych perceptronów i sieci o radialnych funkcjach bazowych). Jako najlepsze modele wybrano sieci liniowe, gdyż pozwalały na uzyskanie najdokładniejszych prognoz.
Models using neuron networks to forecast hothouse cucumber prices have been developed in this research, with four forecast horisons. The accuracy of forecasts obtained with the use of various types of neuron networks (linear, multilayer perceptrons and radial base function networks) have been compared. The linear networks have been selected as the best models as they have generated the most accurate forecasts.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 14, 14; 91-97
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Algorytmy genetyczne jako narzędzie optymalizacyjne stosowane w sieciach neuronowych
Genetic algorithms as a optimization tool applied in neural networks
Autorzy:
Olszewski, T.
Boniecki, P.
Weres, J.
Powiązania:
https://bibliotekanauki.pl/articles/289865.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczne sieci neuronowe
algorytmy genetyczne
artificial neural networks
genetic algorithms
Opis:
Rewolucyjne wynalazki człowieka bardzo często powstają w wyniku obserwacji przyrody. Korzysta ona z rozwiązań najlepszych i optymalnych, tak więc wartych naśladowania. Niestety czasami jest to bardzo trudne. Przykładem może być mózg ludzki, którego funkcjonowania nadal nie rozumiemy do końca. Obserwując jego budowę stworzono Sztuczne Sieci Neuronowe, które są jego bardzo uproszczonym modelem mającym wykorzystywać jego najważniejsze cechy czyli zdolność uczenia i kojarzenia. Ewolucja naturalna jest swoistym procesem optymalizacyjnym mającym na celu najlepsze przystosowanie osobników do otaczającego świata, a co się z tym wiąże - przetrwania gatunku. Również mechanizmy ewolucyjne zostały wykorzystane przez człowieka. Jedną z metod odwzorowującą te mechanizmy są algorytmy genetyczne pozwalające na optymalne rozwiązanie różnych problemów. W artykule zostało przedstawione połączenie obu idei.
Revolutionary human inventions very often arise as a result of nature observation. Nature use the best and optimal solutions therefore deserves to copy. Unfortunately, sometimes it’s very hard. Human’s brain can be example, whose functions we don’t fully understand. As a result of observations of the build of human’s brain made artificial neural networks. They are its very simplified model, which use its main features: ability to learn and associate. Natural evolution is peculiar optimization process which purpose is the best adaptation of specimen to the surrounding world and it is in connection with survival of the species. Evolutionary mechanics were exploit by the human as well. Genetic algorithms are one of many methods which model evolutionary mechanics. They allow to find optimal solution for different problems. This article presents the combination both ideas.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 137-143
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Możliwości stosowania sztucznych sieci neuronowych przy doborze motywatorów dla kadry menedżerskiej
Using artificial neural network to choose motivators for managers
Autorzy:
Matwiejczuk, T.
Tomaszuk, A.
Powiązania:
https://bibliotekanauki.pl/articles/399048.pdf
Data publikacji:
2011
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
motywacja
kierownik
sztuczne sieci neuronowe
motivation
manager
artificial neural networks
Opis:
In the article the concept of motivating the management staff was mentioned. It was pointed that the appropriate choice of personal motivators is one of the most crucial elements in the motivating process. It was suggested to choose motivators by Artificial Neural Network. ANN can be widely used. It can find the sens and rules in difficult structures of data. The ways of using tools in the company were also presented.
Źródło:
Ekonomia i Zarządzanie; 2011, 3, 2; 130-137
2080-9646
Pojawia się w:
Ekonomia i Zarządzanie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural network and artificial immune algorithms for the classification of medical data series
Sieci neuronowe i sieci immunologiczne dla rozpoznawania przypadków medycznych
Autorzy:
Wajs, W.
Powiązania:
https://bibliotekanauki.pl/articles/282174.pdf
Data publikacji:
2012
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
sztuczne sieci neuronowe
sieci immunologiczne
SVM
BPD
artificial neural network
immunological network
Opis:
This paper describes the applicability of artificial immune algorithms. Medical data series classification technique by Artificial Immune Algorithm is used for Neural Network Algorithm input data definitions. Artificial Immune Algorithms is created and trained for the purpose of Arterial Blood Gas parameters classification: pH, PaCO2, PaO2, HCO3. The main goal of this paper is to develop a artificial neural network technique for Arterial Blood Gases short-term prediction. The main question that is considered is how to predict some dynamic parameters that describe blood gases nature. A model of a physical system has an error associated with its predictions due to the dependences of the physical system's output on uncontrollable and unobservable quantities. The use of artificial methods creates the possibilities of obtaining some parameter values on the proper level of probability. This would provide a direct feedback to the clinical staff about the progress of a patient, the success of individual treatments, and quality of care as well as predicting blood gas value.
Dla rozpoznawania przypadków chorobowych, które są opisane numerycznymi danymi wykorzystano metody sztucznej inteligencji. W pracy wykorzystano dwie metody: metodę sztucznych sieci neuronowych oraz metodę sztucznych sieci immunologicznych. Przedstawiono wyniki uzyskane tymi metodami w odniesieniu do przypadków dysplazji oskrzelowo płucnej dla dzieci, których waga była poniżej 1500 g.
Źródło:
Automatyka / Automatics; 2012, 16, 1; 89-96
1429-3447
2353-0952
Pojawia się w:
Automatyka / Automatics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The usage of neural networks to forecast for churn of telecommunications clients
Wykorzystanie sztucznych sieci neuronowych do prognozowania zjawiska churn wśród klientów usług telekomunikacyjnych
Autorzy:
Wojda, Przemysław
Powiązania:
https://bibliotekanauki.pl/articles/389805.pdf
Data publikacji:
2017
Wydawca:
Politechnika Bydgoska im. Jana i Jędrzeja Śniadeckich. Wydawnictwo PB
Tematy:
churn
artificial neural network
ANN
CLV
telecommunications
sztuczne sieci neuronowe
telekomunikacja
Opis:
This paper presents an attempt to use an artificial neural network to investigate the churn phenomenon among the customers of a telecommunications operator. An attempt was made to create a data model based on the customer lifetime value (CLV) rather than on activity alone. A multilayered artificial neural network was used for the experiments. The results yielded a 99% successful identification rate for customers in no danger of leaving, while only 57% of those identified as in danger of leaving actually did so and stopped using the company's services.
W pracy przedstawiono próbę wykorzystania sztucznej sieci neuronowej do badania zjawiska churn wśród klientów operatora telekomunikacyjnego. Podjęto próbę stworzenia modelu danych opartego o całkowitą wartość klienta (CLV), a nie tylko jego aktywność. Do przeprowadzenia eksperymentów wykorzystana została wielowarstwowa sztuczna sieć neuronowa. Uzyskano 99% skuteczność identyfikowania klientów nie zagrożonych odejściem, natomiast tylko 57% klientów wskazanych jako zagrożonych odejściem w rzeczywistości zaprzestało korzystania z usług firmy.
Źródło:
Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy; 2017, 20; 5-14
1899-0088
Pojawia się w:
Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A world according to artificial neural networks
Autorzy:
Schuster, A.
Powiązania:
https://bibliotekanauki.pl/articles/307811.pdf
Data publikacji:
2003
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
sztuczne sieci neuronowe
artificial neural networks
cognitive science
input space transformation
Opis:
This paper presents results from a preliminary study in the field of artificial neural networks (ANN). The overall aim of our work relates to the field of cognitive science. In this wider framework we try to investigate, reason about, and model cognitive processes in order to obtain a better understanding of the major processing device involved - the human brain. In terms of content this paper presents a novel ANN learning approach. Note that through-out the paper we assume supervised learning. In contrast to the classical ANN learning approach where an ANN algorithm alters an initial random weight assignment until a reasonable solution to a problem is obtained this approach does not alter the initial random weight assignment at all, but provides a solution to the problem by transforming the actual input data. The approach is applied to perceptrons and adalines and its quality is demonstrated on simple classification problems.
Źródło:
Journal of Telecommunications and Information Technology; 2003, 3; 102-107
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sieci neuronowe w rozpoznawaniu pisma odręcznego
Autorzy:
Michalik, Bernadetta
Miłosz, Marek
Powiązania:
https://bibliotekanauki.pl/articles/98054.pdf
Data publikacji:
2020
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
handwriting
artificial neural network
word recognition
sztuczne sieci neuronowe
rozpoznawanie słów
Opis:
Artificial neural networks consist of many simple elements capable of processing data. These are tools inspired by the construction of the human brain, used in machine learning. The aim of the research was to analyze the occuracy of the created neural network in the process of handwriting recognition. The article presents the results obtained during the learning and testing of a convolution network with a different number of hidden layers. Each time learning and testing the network was carried out using the same set of images (taken from the publicly available IAM database) depicting handwritten words in English.
Sztuczne sieci neuronowe składają się z wielu prostych elementów zdolnych do przetwarzania danych. To narzędzia inspirowane budową ludzkiego mózgu, stosowane w uczeniu maszynowym. Celem badań była analiza dokładności odpowiedzi stworzonej sieci neuronowej w procesie rozpoznawania pisma odręcznego. W artykule przedstawiono wy-niki uzyskane podczas nauki i testowania sieci konwolucyjnej o różnej liczbie warstw ukrytych. Każdorazowo uczenie i testowanie sieci realizowane było za pomocą tego samego zbioru obrazów (zaczerpniętych z ogólnodostępnej bazy IAM Handrwiting Database) przedstawiających słowa pisane odręcznie w języku angielskim.
Źródło:
Journal of Computer Sciences Institute; 2020, 15; 109-113
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sieci neuronowych w diagnostyce poprawności wykonania płytek drukowanych
Utilization of neural networks in process of diagnosis of correctness of assembling the printed circuit-boards
Autorzy:
Sikora, M.
Grochowski, M.
Powiązania:
https://bibliotekanauki.pl/articles/277213.pdf
Data publikacji:
2011
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
diagnostyka
przetwarzanie obrazów
sztuczne sieci neuronowe
diagnostics
image processing
neural networks
Opis:
Artykuł opisuje stanowisko badawcze do diagnostyki optycznej poprawności wykonania płytek drukowanych przesuwających się po taśmie produkcyjnej. Diagnostyka optyczna realizowana jest za pomocą kamery. Obraz z kamery przekazywany jest do komputera PC, gdzie trafia do zaprojektowanego systemu diagnostycznego, zaimplementowanego w środowisku MATLAB. Po wstępnym przetworzeniu obrazy kierowane są do właściwego systemu diagnostycznego wykorzystującego sztuczne sieci neuronowe, który podejmuje ostateczną decyzję o poprawności montażu elementów płytki drukowanej. Cała aplikacja zrealizowana jest w środowisku MATLAB. W artykule zamieszczono wybrane wyniki badań analizujących wpływ aspektów takich, jak rodzaj oświetlenia, sposób obróbki i kompresji obrazu, dobór architektury i parametrów sieci neuronowej na jakość osiąganych wyników.
The paper describes research test stand that is used for optical diagnostics of correctness of assembling of printed circuit-board that moves on a tape. Optical diagnostics is carried out by camera, the images are transferred to computer PC and then to designed diagnostic system implemented in Matlab. After processing of the images they are analyzed by neural networks and the decisions about the correctness of assembling the elements on printed circuit-board are made. The whole application is designed in Matlab environment. The paper presents selected results describing researches carried out in the field of: illumination, image processing techniques, structures and parameters of neural networks and their influence on efficiency of the described system.
Źródło:
Pomiary Automatyka Robotyka; 2011, 15, 2; 49-54
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Algorytm rozpoznawania obrazów materiałów biologicznych
Algorithm for identification of biological materials images
Autorzy:
Łapczyńska-Kordon, B.
Langman, J.
Pedryc, N.
Powiązania:
https://bibliotekanauki.pl/articles/291148.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczne sieci neuronowe
rozpoznawanie obrazów
artificial neural networks
classification of images
Opis:
Opracowując wyniki pomiarów zarejestrowanych w postaci graficznej często mamy do czynienia z koniecznością porównywania ze sobą dwóch lub więcej obrazów. Nie zawsze zachodzi potrzeba porównywania ze sobą całych obrazów, nieraz wystarczające jest określenie różnic lub podobieństw na podstawie analizy pewnych ich charakterystycznych fragmentów. W pracy przedstawiono algorytm rozpoznawania obrazów na podstawie analizy rozmieszczenia na nich pewnych charakterystycznych wcześniej zdefiniowanych elementów. Zaprezentowano zarówno porównywanie z wykorzystaniem współrzędnych biegunowych metodą analityczną jak też próbę wykorzystania sztucznych sieci neuronowych do klasyfikacji obrazów.
In handling graphic representations of measurement results, need often arises to compare two or more images. It is not always necessary to compare the entire images. Sometimes it suffices to describe differences or similarities based on the analysis of certain characteristic fragments. This body of work presents an algorithm for recognizing images based on certain pre-set characteristic elements. A process of comparing – through the analytical method – using polar coordinates, as well as an attempt to utilize artificial neural networks for the classification of images is also presented.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 7, 7; 145-150
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do rozpoznawania obrazów
Using artificial neural networks in image recognition
Autorzy:
Dobrosielski, Wojciech
Powiązania:
https://bibliotekanauki.pl/articles/41204124.pdf
Data publikacji:
2010
Wydawca:
Uniwersytet Kazimierza Wielkiego w Bydgoszczy
Tematy:
sztuczne sieci neuronowe
Adaline
obraz cyfrowy
artificial neural networks
digital image
Opis:
Praca zawiera informacje dotyczące sztucznej sieci neuronowej. Przedstawiony jest sposób działania wejść, wag, bloku sumarycznego, bloku aktywacji i wyjść, z których składa się sztuczny neuron. Omówiona jest struktura sieci z jakiego rodzaju funkcji aktywacji i ilości warstw się składa oraz metody procesu uczenia sieci neuronowej. Zaprezentowany model neuronu typu Adaline. Praca zwiera także informacje dotyczące obrazu cyfrowego, z czego się składa oraz modeli barw na drodze algebraicznej. W części badawczej zostało zaprezentowane w jaki sposób sieć zbudowana z neuronów typu Adaline rozpoznaje wzorce pisma grafiki rastrowej. Omówiony jest sposób przygotowania materiałów testujących oraz tworzenie zbioru uczącego i struktury sieci w zaprojektowanym programie. Przedstawiony jest proces uczenia sieci, jak również rodzaje przykładowych odpowiedzi jakich udziela sieć podczas testowania. Część badawcza zawiera eksperyment w którym ukazane są ważne czynniki jakie wpływają na poprawne działanie sieci.
The paper contains information on artificial neural network. Is shown how the inputs, weights, summary block, block the activation and output, which consists of an artificial neuron. In part of the research was presented on how the network is built with a Adaline neurons recognize patterns letters graphics.
Źródło:
Studia i Materiały Informatyki Stosowanej; 2010, 3; 45-56
1689-6300
Pojawia się w:
Studia i Materiały Informatyki Stosowanej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie algorytmów interpolacji i sztucznych sieci neuronowych do wyznaczania charakterystyki zawartości chromu w glebach
Application of interpolation algorithms and artificial neural networks for chromium contents in soils characterization
Autorzy:
Gruszczyński, S.
Urbański, K.
Powiązania:
https://bibliotekanauki.pl/articles/269225.pdf
Data publikacji:
2005
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
algorytmy interpolacji
sieci neuronowe
sztuczne sieci neuronowe
gleby
zanieczyszczenie gleb
chrom
zawartość chromu w glebach
Opis:
Przeanalizowano różne podejścia do ustalania trendu rozkładu poziomego chromu (Cr) w glebie w warunkach silnego zanieczyszczenia tym pierwiastkiem. Zastosowano algorytmy regresji wielomianowej (wielomiany I, II i III stopnia), algorytmy interpolacji (TIN, Kriging, RST) oraz sztuczne sieci neuronowe (MLP, CANFIS, RBF, GRNN, PNN, MDN). Wykorzystano dane pochodzące z badań terenowych przeprowadzonych w otoczeniu Zakładów Chemicznych "Alwernia". Różnice między poszczególnymi podejściami zaprezentowano w formie graficznej oraz niektórych statystyk rozkładu reszt. Badania rozkładu przestrzennego zanieczyszczenia gleb nasunęły wniosek, iż ważnym elementem staje się określenie precyzji informacji oraz granic błędu przez akceptację jakiegoś oszacowania zanieczyszczenia, natomiast na dalszy plan schodzi wykrycie lub uwypuklenie regularności związanej z mechanizmem zjawiska imisji. Wydaje się, że zmienność zawartości chromu w glebach, zauważalna nawet na bliskich dystansach, utrudnia akceptację metod interpolacji jako sposobu oceny rozkładu zanieczyszczeń. Z drugiej strony znaczące nieliniowości utrudniają akceptację modeli regresji. W tych warunkach możliwością wartą rozważenia jest modelowanie z użyciem sieci neuronowych, w tym także wykorzystanie rozwiązań hybrydowych (np. MDN), pozwalających na pogłębioną analizę zmienności koncentracji Cr w glebach.
Various ways of approach, to determine the horizontal distribution trend (tendency) of Chromium (Cr) in soil, where is high pollution by this element are analysed. Polynominal regression algorithms (I, II, III degree polynominals), interpolation algorithms (TIN, Kriging, RST), and also artificial neural networks (MLP, CANFIS, RBF, GRNN, PNN, MDN) are applied. Data from field experiments, carried out in the area of Chemical Plant in Alwernia were used. The differences between several ways of approach are presented in a graphical form, and also in some remainders distribution statistics. The soil pollution spatial distribution examinations lead to following conclusion, that in the first place is the information precision determination, and also the limit of error, through the pollution evaluation acceptance, whereas in the second place is the indication or standing out the regularity connected with the imission effect mechanism. It seems that the chromium concentration in soils variation, noticed even on short distances, makes it difficult the acceptance of interpolation method, as a method of contamination distribution evaluation. On the other hand the considerable nonlinearity makes difficult the acceptance of regression model. In these circumstances, the possibility which is worth consideration, is the modelling with the application of neuron networks, that is also hybrid solution application (for instance MDN), which gives the possibility of Cr concentration in soils variation deeper analysis.
Źródło:
Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie; 2005, 10, 1; 15-44
1426-2908
Pojawia się w:
Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Użycie sieci neuronowych do klasyfikacji obdszarów miejskich na zdjęciach satelitarnych
Applying neural networks to urban area classification in satellite images
Autorzy:
Iwaniak, A.
Krówczyńska, M.
Paluszyński, W.
Powiązania:
https://bibliotekanauki.pl/articles/341474.pdf
Data publikacji:
2002
Wydawca:
Uniwersytet Przyrodniczy we Wrocławiu
Tematy:
klasyfikacja zdjęć satelitarnych
sztuczne sieci neuronowe
satellite image classification
artificial neural networks
Opis:
Niniejsza praca przedstawia podejście do procesu klasyfikacji obrazów satelitarnych alternatywne wobec istniejących metod. Do identyfikacji terenów miejskich zobrazowanych na zdjęciach satelitarnych zastosowana została sztuczna sieć neuronowa. W pracy wykorzystano zobrazowania wykonane przez satelitę Landsat skanerem Thematic Mapper oraz mapę pokrycia terenu opracowaną w programie CORINE Land Cover. Oceny wyników dokonano metodą porównania punktowego z mapą topograficzną. Badania zostały przeprowadzone na terenach testowych: Aglomeracja Warszawska oraz Krakowska.
This work presents a new approach to satellite image classification process. An artificial neural network has been applied to identification of urban areas mapped in satellite images. The results presented here are based on images obtained from the Landsat satellite using the Thematic Mapper scanner and a land cover map produced under the CORINE Program. The evaluation of the results has been conducted using a point-topoint comparison with a topographic map. The test areas include the metropolitan areas of Warsaw and Cracow.
Źródło:
Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum; 2002, 1, 1-2; 5-13
1644-0668
Pojawia się w:
Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie algorytmów sztucznych sieci neuronowych do prognozowania zużycia energii elektrycznej
Application artificial neural networks for electricity prediction
Autorzy:
Włas, M.
Powiązania:
https://bibliotekanauki.pl/articles/266363.pdf
Data publikacji:
2016
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
prognozowanie zużycia energii
sztuczne sieci neuronowe
forecasting energy consumption
artificial neural network
Opis:
W artykule przestawiono algorytm przewidywania zużycia energii elektrycznej budynków mieszkalnych z wykorzystaniem informacji o produkcji i warunkach atmosferycznych. W artykule została zaproponowana własna metoda predykcji z wykorzystaniem wielowarstwowej jednokierunkowej sztucznej sieci neuronowej. W pracy zostały przedstawione podstawowe pojęcia z zakresu sieci neuronowych oraz testy działania programu prognozującego na podstawie rzeczywistych danych pomiarowych. Głównym zadaniem badawczym było sprawdzenie dokładności algorytmu predykcji do prognozowania zużycia energii elektrycznej. Ma to na celu uzyskanie programu, którego wyniki o charakterze ilościowym będą wykorzystywane do prognozowania potrzeb zakupowych na TGE (Towarowej Giełdzie Energii) przy udziale metody zakupu energii elektrycznej na Rynku Dnia Następnego.
This paper presents a flexible approach to forecasting of energy consumption in residential buildings, using time series analysis and neural networks. Our goal is to develop a one day-ahead forecasting model based on an artificial neural network using information about temperature of air. The article has been proposed neural network prediction method using a multilayered feed-forward artificial neural network with the backpropagation training algorithm. Experimental results have showed that the proposed neural network can faithfully reproduce the curve of daily energy consumption with a percentage error less than 3.74%.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2016, 51; 217-220
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie neuronalne rozwoju systemu elektroenergetycznego. Część 1. Obszary modelowania
Neuronal modeling of development power system. Part 1. The areas of modeling
Autorzy:
Tchórzewski, J.
Powiązania:
https://bibliotekanauki.pl/articles/377456.pdf
Data publikacji:
2015
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
sztuczne sieci neuronowe
rozwój systemów elektroenergetycznych
projektowanie rozwoju
algorytmy uczenia
inżynieria rozwoju
Opis:
W pracy zamieszczono wybrane wyniki badań dotyczące modelowania neuralnego rozwoju systemu elektroenergetycznego. Zwrócono uwagę, że w modelowaniu neuronalnym wykorzystującym sztuczne sieci neuronowe projektuje się, a nie programuje rozwój systemu. Pokazano, że wśród różnych rodzajów architektury sztucznych sieci neuronowych oraz różnych reguł uczenia brak jest takich, które wprost odpowiadałyby naturze rozwoju SEE. Zwrócono uwagę na właściwości sieci perceptronowych, ontogenicznych oraz samorozwijających się, które możliwe są do wykorzystania przy projektowaniu i uczeniu modelu rozwoju SEE.
The paper presents selected results of research on the modeling of neuronal development of the power system. It was noted that in neuronal modeling using artificial neural networks are designed, not programming system development. It is shown that among the various types of architecture of artificial neural networks and various learning rules, there is no such that directly correspond to the nature of the development of SEE. Attention was drawn to the network properties perceptron network, ontogeny network and self-evaluating network that are possible to be used in the design and development model SEE learning.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2015, 82; 31-37
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczne sieci neuronowe w modelowaniu procesów z ograniczonym zbiorem danych w inżynierii rolniczej
Neural networks in modeling agricultural engineering processes with limited date file
Autorzy:
Trajer, J.
Powiązania:
https://bibliotekanauki.pl/articles/286483.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczne sieci neuronowe
modelowanie
inżynieria rolnicza
artificial neural network
modeling
agricultural engineering
Opis:
Celem pracy jest przedstawienie metody neuronowego modelowania procesów z ograniczonym zbiorem danych. W przykładzie wykorzystano bazę danych zmian cen przechowywanej marchwi. Podano koncepcję budowy modelu neuronowego, który pomimo ograniczonego zbioru danych posiadać może zadowalające własności uogólniające, w sensie rozszerzenia zasięgu jego stosowalności poza zbiór uczący.
In this paper the analysis of the neural modeling of the agricultural engineering process was presented. The problems of effectiveness and quality neural networks in these processes was discussed.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 173-180
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sztucznych sieci neuronowych przez przedsiębiorstwa eksportujące oraz importujące
The usage of artificial neural networks by export and import enterprises
Autorzy:
Jasiński, T.
Powiązania:
https://bibliotekanauki.pl/articles/339733.pdf
Data publikacji:
2014
Wydawca:
Polskie Towarzystwo Zarządzania Produkcją
Tematy:
sztuczne sieci neuronowe
systemy transakcyjne
artificial neural networks
exchange rate
trading system
Opis:
The paper raises issues of the use of artificial intelligence in the enterprise. The focus was on the possibility of using artificial neural networks to accurately predict the behavior of the time series relevant to the economic activities based on the export and import. In particular, the paper describes the practical possibilities for time series forecasting such as foreign exchange rates. Researches focused on predicting of slope of linear regression, to determinate the direction of exchange rate changes. Artificial neural networks, tested during researches, included two types of models. First one was a simple neural network model, containing only a one network. Second one was a more complex model containing at least a few networks. These networks were used for predicting a part of output variable. To obtained mentioned parts during researches was used multiresolution analysis based on discrete wavelet trans- form. During researches a lot of versions of multiresolution analysis were tested. Finally, as the best one, was chosen the discrete wavelet transform based on the biorthogonal 6/8 wavelet. The paper describes also a type of model input variables, considering a frequency of their changes. It shows advantages and disadvantages of macroeconomic data and technical analysis. The article describes main and the most useful types of moving averages, such as simple moving average, exponential moving average, weighted moving average and VI- DYA (Variable Index Dynamic Average). The paper mentions other type of input variable, especially such indicators as RSI and MACD and their modifications. The final evaluation of the models was carried out based on a simple trading system. Thus was confirmed the useful- ness of the results in practical applications. During the analysis of the obtained results, was used the method of sliding window.
Źródło:
Zarządzanie Przedsiębiorstwem; 2014, 17, 1; 37-40
1643-4773
Pojawia się w:
Zarządzanie Przedsiębiorstwem
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Concept of tool condition diagnostic system for micromachining
Koncepcja systemu diagnostycznego stanu narzędzia dla mikroobrabiarki
Autorzy:
Broel-Plater, B.
Jaroszewski, K.
Powiązania:
https://bibliotekanauki.pl/articles/276563.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
mikrofrezowanie
system diagnostyczny
sztuczne sieci neuronowe
micromilling machine
diagnostic system
neural networks
Opis:
The paper deals with part of diagnostic system for micromilling machine. The short description of designed and set in motion micromachine for milling is presented. The machine supervisory control system, based on artificial intelligence diagnostic system is described. Conducted during design process, deliberations about types and structures of the neural nets and form and source of the signals are presented. The last part of the paper includes conclusions and final remarks.
Artykuł stanowi opis części systemu diagnostycznego mikrofrezarki. W artykule przedstawiono ponadto opis projektu maszyny oraz jej wykonany i uruchomiony egzemplarz. W artykule zaprezentowano bazujący na sztucznej inteligencji system diagnostyczny zaprojektowany specjalnie dla tej maszyny. Opisano struktury i typy przebadanych sieci neuronowych i wskazano najskuteczniej działające. W ostatniej części artykułu przedstawiono wnioski dotyczące działania zaprojektowanego i przetestowanego system diagnostycznego.
Źródło:
Pomiary Automatyka Robotyka; 2013, 17, 2; 224-229
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wielokryterialny dobór parametrów operatora mutacji w algorytmie ewolucyjnym uczenia sieci neuronowej
Multi benchmark choice of mutation parameters in evolutionary algorithm of neural network learning
Autorzy:
Płaczek, S.
Powiązania:
https://bibliotekanauki.pl/articles/377966.pdf
Data publikacji:
2017
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
algorytmy genetyczne
algorytmy ewolucyjne
sztuczne sieci neuronowe
algorytmy uczenia sieci
algorytmy selekcji, krzyżowania, mutacji
Opis:
Implementacja Algorytmów Ewolucyjnych (AE) do zadań uczenia Sztucznych Sieci Neuronowych (SSN) nie jest zadaniem łatwym. Zastosowanie algorytmów ewolucyjnych wyeliminowało ograniczenia algorytmów gradientowych lecz niestety napotykamy na szereg nowych problemów. W artykule analizuje się dwuwarstwową sieć neuronową , w której, w charakterze genotypu przyjmuje się dwa chromosomy połączone szeregowo. Tworzy się całą populację sieci neuronowych o indywidualnych własnościach chromosomów oblicza się wartości funkcji celu oraz realizuje się proces selekcji. W proponowanym rozwiązaniu eliminuje się algorytm krzyżowania i stosuje się tylko mutację. Operator mutacji, jego parametry mogą być identyczne dla dwóch chromosomów, różne i nieskorelowane lub różne i skorelowane. W artykule analizuje się różne charakterystyki algorytmu mutacji, zalety i wady.
The optimization of the learning algorithm in neural networks is not a trivial task. Considering the non–linear characteristics of the activation functions , the entire task is multidimensional and non–linear with a multimodal target function. Implementing evolutionary computing in the multimodal optimization tasks gives the developer new and effective tools for seeking the global minimum. A developer has to find optimal and simple transformation between the realization of a phenotype and a genotype. In the article, a two–layer neural network is analyzed. Two serially connected chromosomes represent the genotype. In the first step the population is created. In the main algorithm loop, a parent selection mechanism is used together with the fitness function. To evaluate the quality of evolutionary computing process different measured characteristics are used. The final results are depicted using charts and tables.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2017, 91; 175-186
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Efektywność sztucznych sieci neuronowych w rozpoznawaniu znaków pisma odręcznego
Effectiveness of artificial neural networks in recognising handwriting characters
Autorzy:
Miłosz, Marek
Gazda, Janusz
Powiązania:
https://bibliotekanauki.pl/articles/98468.pdf
Data publikacji:
2018
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
rozpoznawanie znaków
pismo odręczne
sztuczne sieci neuronowe
character recognition
handwriting
artificial neural networks
Opis:
Sztuczne sieci neuronowe są jednym z narzędzi współczesnych systemów odtwarzania z obrazów tekstów, w tym pisanych odręcznie. W artykule przedstawiono rezultaty eksperymentu obliczeniowego mającego na celu analizę jakości rozpoznawania cyfr pisanych odręcznie przez dwie sztuczne sieci neuronowe (SSN) o różnej architekturze i parametrach. Jako podstawowe kryterium jakości rozpoznawania znaków użyto wskaźnika poprawności. Poza tym analizie poddano liczbę neuronów i ich warstw oraz czas uczenia SSN. Do stworzenia SSN, oprogramowania algorytmów ich uczenia i testowania wykorzystano język Python i bibliotekę TensorFlow. Obydwie SSN uczono i testowano przy pomocy tych samych dużych zbiorów obrazów znaków pisanych odręcznie.
Artificial neural networks are one of the tools of modern text recognising systems from images, including handwritten ones. The article presents the results of a computational experiment aimed at analyzing the quality of recognition of handwritten digits by two artificial neural networks (ANNs) with different architecture and parameters. The correctness indicator was used as the basic criterion for the quality of character recognition. In addition, the number of neurons and their layers and the ANNs learning time were analyzed. The Python language and the TensorFlow library were used to create the ANNs, and software for their learning and testing. Both ANNs were learned and tested using the same big sets of images of handwritten characters.
Źródło:
Journal of Computer Sciences Institute; 2018, 7; 210-214
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fatigue Life Predictions of Metal Matrix Composites Using Artificial Neural Networks
Przewidywania trwałości zmęczeniowej kompozytów metalowych przy użyciu sztucznych sieci neuronowych
Autorzy:
Uygur, I.
Cicek, A.
Toklu, E.
Kara, R.
Saridemir, S.
Powiązania:
https://bibliotekanauki.pl/articles/355098.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
MMCs
fatigue life prediction
artificial neural networks
przewidywania trwałości zmęczeniowej
sztuczne sieci neuronowe
Opis:
In this study, fatigue life predictions for the various metal matrix composites, R ratios, notch geometries, and different temperatures have been performed by using artificial neural networks (ANN) approach. Input parameters of the model comprise various materials (M), such as particle size and volume fraction of reinforcement, stress concentration factor (Kt), R ratio (R), peak stress (S), temperatures (T), whereas, output of the ANN model consist of number of failure cycles. ANN controller was trained with Levenberg-Marquardt (LM) learning algorithm. The tested actual data and predicted data were simulated by a computer program developed on MATLAB platform. It is shown that the model provides intimate fatigue life estimations compared with actual tested data.
Zastosowano sztuczne sieci neuronowe (ANN) do przewidywania trwałości zmęczeniowej dla różnych kompozytów metalowych, parametrów R, geometrii karbu, i różnych temperatur. Parametry wejściowe modelu obejmowały: różne materiały (M), o różnym rozmiarze cząstek i objętosci frakcji zbrojącej, współczynnik koncentracji naprężeń (Kt), stosunek parametru R (R), naprężenie szczytowe (S), temperaturę (T), natomiast dane wyjściowe składały się z liczby cykli awarii (SSN). Kontroler ANN był trenowany z użyciem algorytmu uczenia Levenberga-Marquardta (LM). Badane dane rzeczywiste i dane przewidywane symulowane były przez program komputerowy opracowany na platformie MATLAB. Wykazano, że model zapewnia oszacowanie trwałości zmęczeniowej bliską rzeczywistym danym badanym.
Źródło:
Archives of Metallurgy and Materials; 2014, 59, 1; 97-103
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do kształtowania właściwości materiału polimerowego z przeznaczeniem dla transportu szynowego
Application of Artificial Neural Networks to Shape Properties of Polymers Destined For the Use in Railway Transport
Autorzy:
Garbarski, J.
Fabijański, M.
Powiązania:
https://bibliotekanauki.pl/articles/215471.pdf
Data publikacji:
2012
Wydawca:
Instytut Kolejnictwa
Tematy:
materiały polimerowe
sztuczne sieci neuronowe
transport kolejowy
Artificial neural networks
polymers
rail transport
Opis:
Sztuczne sieci neuronowe znajdują szerokie zastosowanie w różnych dziedzinach techniki. Moda na to potężne narzędzie informatyczne nie ominęła także transportu kolejowego, gdzie jest stosowane w diagnostyce, prognozowaniu, optymalizacji. Można je również z powodzeniem stosować do poszukiwania materiałów spełniających odpowiednie kryteria, łącząc ze sobą kilka cech materiałowych takich, jak na przykład właściwości mechaniczne i palne. Materiały polimerowe dostępne na rynku często nie spełniają wysokich wymagań pod względem właściwości palno-dymowych, zatem konieczne jest dodawanie do nich odpowiednich środków (uniepalniaczy), poprawiających tę cechę materiałową, ale znacznie pogarszających właściwości mechaniczne. Takim popularnym materiałem reprezentującym ogromną grupę tworzyw styrenowych o szerokich zastosowaniach w budowie taboru szynowego, jest polistyren wysokoudarowy. Uzyskanie wieloskładnikowej, trudnopalnej mieszaniny tworzywowej na bazie polistyrenu wysokoudarowego (HIPS) jest trudne i pracochłonne. W celu znalezienia potencjalnie najlepszego składu, byłoby konieczne przeprowadzenie wielu prób technologicznych. W związku z tym, do rozszerzenia obszaru poszukiwań składu mieszaniny w celu uzyskania najlepszych właściwości zarówno mechanicznych, jak i palno-dymowych, wykorzystano sztuczne sieci neuronowe. W artykule przedstawiono zastosowanie tych sieci do określenia właściwego składu materiału spełniającego wymagania palnościowe dla materiałów stosowanych w transporcie szynowym.
Artificial neural networks find wide application in various fields of engineering. This trend to use such powerful information technology tool was not avoided by the railway transport either. Therefore, it is used in diagnosis, forecasting, and optimization. It may be successfully used when searching materials satisfying certain criteria and combining good mechanical and non-flammability properties. Quite often, commercially available polymers do not meet with high requirements regarding non-flammability and smoke production properties. Therefore, it is necessary to use proper additives (anti-flammability agents) to achieve desired properties, however, they deteriorate mechanical strength considerably. High Impact Polystyrene (HIPS) is common representative of large group of styrenes and is widely used in the rolling stock construction. Slow-burning plastic compound based on high impact polystyrene (HIPS) is difficult and laborious to obtain. Extensive research is necessary to find potentially most favourable composition. Consequently, artificial neural networks (ANN) have been used to broaden the area of search for such composition that features satisfactory mechanical, non-flammable and low smoke production properties. The paper presents the use of neural networks for the determination of proper composition to satisfy non-flammability properties of the materials used in railway transport.
Źródło:
Problemy Kolejnictwa; 2012, 154; 47-59
0552-2145
2544-9451
Pojawia się w:
Problemy Kolejnictwa
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Blender jako narzędzie do generacji danych syntetycznych
Blender as a tool for generating synthetic data
Autorzy:
Sieczka, Rafał
Pańczyk, Maciej
Powiązania:
https://bibliotekanauki.pl/articles/98204.pdf
Data publikacji:
2020
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
artificial neural networks
convolutional neural network
synthetic data
blender
sztuczne sieci neuronowe
konwolucyjne sieci neuronowe
dane syntetyczne
Opis:
Acquiring data for neural network training is an expensive and labour-intensive task, especially when such data is difficult to access. This article proposes the use of 3D Blender graphics software as a tool to automatically generate synthetic image data on the example of price labels. Using the fastai library, price label classifiers were trained on a set of synthetic data, which were compared with classifiers trained on a real data set. The comparison of the results showed that it is possible to use Blender to generate synthetic data. This allows for a significant acceleration of the data acquisition process and consequently, the learning process of neural networks.
Pozyskiwanie danych do treningu sieci neuronowych, jest kosztownym i pracochłonnym zadaniem, szczególnie kiedy takie dane są trudno dostępne. W niniejszym artykule zostało zaproponowane użycie programu do grafiki 3D Blender, jako narzędzia do automatycznej generacji danych syntetycznych zdjęć, na przykładzie etykiet cenowych. Przy użyciu biblioteki fastai, zostały wytrenowane klasyfikatory etykiet cenowych, na zbiorze danych syntetycznych, które porównano z klasyfikatorami trenowanymi na zbiorze danych rzeczywistych. Porównanie wyników wykazało, że możliwe jest użycie programu Blender do generacji danych syntetycznych. Pozwala to w znaczącym stopniu przyśpieszyć proces pozyskiwania danych, a co za tym idzie proces uczenia sieci neuronowych.
Źródło:
Journal of Computer Sciences Institute; 2020, 16; 227-232
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model symulacyjny systemu Towarowej Giełdy Energii Elektrycznej z wykorzystaniem wspomaganej ewolucyjnie oraz inspirowanej kwantowo Sztucznej Sieci Neuronowej
Simulation model of the Polish Power Exchange System using evolutionally assisted and quantum-inspired Artificial Neural Network
Autorzy:
Tchórzewski, Jerzy
Ruciński, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/376414.pdf
Data publikacji:
2020
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
badania komparatystyczne
badania symulacyjne
obliczenia kwantowe
sztuczne sieci neuronowe
towarowa giełda energii elektrycznej
Opis:
Utworzono wspomaganą ewolucyjnie oraz inspirowaną kwantowo Sztuczną Sieć Neuronową, którą zaimplementowano w Simulinku na bazie danych Rynku Dnia Następnego Towarowej Giełdy Energii Elektrycznej. Dane wejściowe, wagi i biasy poddano kwantyzacji. Kwantowe obliczenia quasi-równoległe przeprowadzono na bazie 100 wygenerowanych kwantowych liczb mieszanych za pomocą metody kwantyzacji na bazie stanów czystych |0> i |1>, a uzyskane w wyniku obliczeń kwantowe liczby mieszane poddano dekwantyzacji za pomocą Sztucznej Sieci Neuronowej (SSN). Model symulacyjny składający się ze wspomaganej ewolucyjnie oraz kwantowo inspirowanej Sztucznej Sieci Neuronowej, oprócz badań symulacyjnych, umożliwia przeprowadzanie badań komparatystycznych uzyskiwanych sygnałów z danymi rzeczywistymi oraz z danymi wyjściowymi z perceptronowej Sztucznej Sieci Neuronowej. Wyniki badań wskazują na wysoką dokładność przeprowadzanego eksperymentu.
An evolutionary-assisted and quantum-inspired Artificial Neural Network was created, which was implemented in Simulink on the Day-Ahead Market of the Polish Power Exchange. Input data, weights and bias were quantized. Quantum quasi-parallel calculations were carried out on the basis of 100 generated quantum mixed numbers using the quantization method based on pure states |0> and |1>, and the resulting quantum mixed numbers were dequantized using another Artificial Neural Network. The implemented simulation model consists of evolutionarily assisted and quantum-inspired Artificial Neural Network, which in addition to simulation studies allows conducting comparative studies of obtained signals with real data and with output data from the perceptron Artificial Neural Network. The test results indicate the high accuracy of the experiment.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2020, 104; 55-64
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Możliwości informatyki kwantowej do poprawy dokładności modelowania. Część 1 – Kwantowy algorytm ewolucyjny
Possibility of quantum computer to improve accuracy of modeling. Part 2. Quantum evolutionary algorithm
Autorzy:
Tchórzewski, J.
Powiązania:
https://bibliotekanauki.pl/articles/376693.pdf
Data publikacji:
2016
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
algorytmy ewolucyjne
informatyka kwantowa
modelowanie systemów
sztuczne sieci neuronowe
środowisko MATLABA i Simulinka
Opis:
W pracy zamieszczono wybrane wyniki badania wykorzystania informatyki kwantowej do zwiększenia stopnia dokładności algorytmów ewolucyjnych poprawiających parametry modeli neuronalnych systemów, co zostało zweryfikowane na wybranych przykładach takich systemów jak m.in. ruch robota PR-02. W modelowaniu neuronalnym wykorzystuje się sztuczne sieci neuronowe, które projektuje się, a następnie uczy modeli systemów na bazie danych liczbowych. Parametry sztucznych sieci neuronowych, a zwłaszcza elementy macierzy wag, biasów i parametry funkcji aktywacji można poprawiać za pomocą algorytmów ewolucyjnych. Okazuje się, że wprowadzenie rozwiązań z zakresu informatyki kwantowej do algorytmów ewolucyjnych, a zwłaszcza dotyczących tworzenia kwantowej populacji początkowej, kwantowych operatorów krzyżowania i mutacji oraz kwantowej selekcji znacznie poprawia dokładność paramentów modeli neuronalnych, co zostało zweryfikowane w środowisku MATLABA i Simulinka.
The paper presents selected results of the use of quantum computing to increase the degree of accuracy of evolutionary algorithms to improve the performance of models of neuronal movement of the end of the robot arm PR-02. For modeling, neural used SSN, which are designed and taught system models based on figures. ANN parameters, especially the elements of the matrix weights, biases, and the parameters of the activation function can be improved by using evolutionary algorithms. It turns out that the introduction of solutions in the field of quantum computing to evolutionary algorithms, especially for the creation of quantum initial population, quantum operators crossover and mutation, and quantum selection greatly improves the accuracy of modeling, as has been verified in the environment MATLAB and Simulink.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2016, 88; 133-141
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych w modelowaniu prędkości wiatru jako jednej z determinant poboru energii w budynkach
Application of neural networks in modeling wind speed as a determinant of energy consumption in buildings
Autorzy:
Jasiński, T.
Powiązania:
https://bibliotekanauki.pl/articles/362969.pdf
Data publikacji:
2018
Wydawca:
Instytut Fizyki Budowli Katarzyna i Piotr Klemm
Tematy:
sztuczne sieci neuronowe
energia elektryczna
prognozowanie
wiatr
artificial network
electrical energy
forecasting
wind
Opis:
Celem pracy była analiza możliwości wykorzystania narzędzia z obszaru sztucznej inteligencji, jakim są sztuczne sieci neuronowe (ANN) w zagadnieniach związanych z prognozowaniem poboru energii elektrycznej w budynkach. W wielu opracowaniach wykazano, że głównym źródłem popytu na energię są systemy klimatyzacji oraz systemy grzewcze (HVAC). Z tego też powodu jednym z podstawowych determinant zapotrzebowania na energię są czynniki atmosferyczne, w tym prędkość wiatru. W pracy oprócz badań literaturowych przeprowadzono również badania empiryczne w obszarze przewidywania prędkości wiatru przy użyciu ANN wykorzystujących dane archiwalne pochodzące ze stacji meteorologicznej usytuowanej na lotnisku Lublinek w Łodzi. Testom zostały poddane sieci pracujące w oparciu o architekturę perceptronu wielowarstwowego (MLP), sieci realizujące regresję uogólnioną (GRNN) oraz sieci o radialnych funkcjach bazowych (RBF). Modelowanie objęło prędkości wiatru w latach 2008-2016. Dane zostały podzielone na trzy zbiory: uczący, walidacyjny i testowy. Takie podejście umożliwiło minimalizację ryzyka przeuczenia ANN. Jednocześnie użycie jedynie najnowszych informacji w charakterze danych testowych umożliwiło opracowanie modelu, który może zostać wykorzystany w praktyce biznesowej. W pracy nie ograniczono się do poszukiwania optymalnego zbioru zmiennych objaśniających jedynie wśród danych pozyskanych bezpośrednio ze stacji meteorologicznej, lecz analizie poddano także zmienne wejściowe powstałe poprzez zastosowanie narzędzi analizy technicznej.
The paper presents possibilities to use ANN as a model predicting both - demand for energy in buildings and meteorological parameters affecting that demand such as wind speed. Empirical studies included wind speed forecasts using weather data from a meteorological station located at Lublinek Airport in Lodz. Numerous ANN types such as MLP, RBF and GRNN were tested during simulations.
Źródło:
Fizyka Budowli w Teorii i Praktyce; 2018, T. 10, nr 2, 2; 9-14
1734-4891
Pojawia się w:
Fizyka Budowli w Teorii i Praktyce
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przegląd wybranych metod prognozowania zapotrzebowania na wodę w miejskich sieciach wodociągowych
Review of chosen methods of water demand forecasting in municipal water networks
Autorzy:
Kwiesielewicz, M.
Słomiński, T.
Powiązania:
https://bibliotekanauki.pl/articles/152010.pdf
Data publikacji:
2003
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
zapotrzebowanie na wodę
predykcja
sztuczne sieci neuronowe
water demand
prediction
artificial neural networks
Opis:
Praca dotyczy prognozowania zapotrzebowania na wodę w miejskich sieciach wodociągowych. Podaje się czynniki kształtujące zapotrzebowania na wodę oraz dokonuje sie analizy porównawczej trzech wybranych metod predykcji, a mianowicie: predyktora neuronowego, predyktora neuronowo-rozmytego oraz metody opartej o uśrednianie pomiarów. Badania symulacyjne pokazały, że przy przyjetych założeniach najlepsze wyniki daje metoda uśredniania.
The paper concerns the problem of forecasting a water demand in communal water networks. Factor influencing water demand are characterized. Next three chosen forecasting techniques are analyzed, namely: neutral network based predictor, ANFIS predictor and method based on average value of measurements. Simulation calculation showed that third method was the best one according to taken assumptions.
Źródło:
Pomiary Automatyka Kontrola; 2003, R. 49, nr 12, 12; 28-31
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dochody w powiatach województwa kujawsko-pomorskiego
THE INCOME IN THE DISTRICTS OF THE KUYAVIAN-POMERANIAN VOIVODSHIP
Autorzy:
Wyszkowska, Zofia
Serwatka-Bober, Sylwia
Powiązania:
https://bibliotekanauki.pl/articles/446986.pdf
Data publikacji:
2017
Wydawca:
Mazowiecka Uczelnia Publiczna w Płocku
Tematy:
poziom życia
sztuczne sieci neuronowe
powiaty
standard of living
artificial neural networks
districts
Opis:
Celem pracy była analiza dochodów w powiatach województwa kujawsko-pomorskiego jako czynnika poziomu życia ludności i określenia rodzaju dochodu, który w analizowanych powiatach ma największy wpływ na poziom życia ludności. Źródło danych stanowiły informacje pochodzące w Banku Danych Lokalnych Głównego Urzędu Statystycznego. Okres badania to lata od 2013 roku do 2015 roku. W pracy korzystano z modelu matematycznego zbudowanego w oparciu o perceptron wielowarstwowy MLP, który jest jednym z rodzajów sztucznych sieci neuronowych. Badania wykazały, że największy wpływ na poziom życia ludności w powiatach województwa kujawsko-pomorskiego ma wielkość udzielonych świadczeń ze środowiskowej pomocy społecznej. Oznacza to, że wraz ze wzrostem poziomu życia ludności, maleje skala świadczeń i zmniejsza się poziom ubóstwa.
The aim of the study was to analyze the income in the districts of the Kuyavian-Pomeranian voivodship as a factor of the living standard of the population and determining the type of income, which in the analyzed districts has the highest impact on the population living standard. The source of the data was the information obtained from the Local Data Bank of the Central Statistical Office [Główny Urząd Statystyczny].The study covered the period from 2013 to 2015. In the paper mathematical model based on MLP multi-layer perceptron was used; one of the artificial neural networks types. Studies showed that the greatest influence on standard of living in the districts of the Kuyavian-Pomeranian voivodship has the number of the social benefits provided by social care institutions. It can be concluded that the fewer benefits will be received, the lower the level of poverty and the higher the standard of living of the population will be.
Źródło:
Zeszyty Naukowe PWSZ w Płocku. Nauki Ekonomiczne; 2017, 1(25); 113-123
1644-888X
Pojawia się w:
Zeszyty Naukowe PWSZ w Płocku. Nauki Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Porównanie i ocena metod klasyfikacji sygnałów EEG
Analysis and classification of EEG data. An evaluation of methods
Autorzy:
Rutkowski, G.
Patan, K.
Powiązania:
https://bibliotekanauki.pl/articles/154847.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
EEG
sztuczne sieci neuronowe
rozpoznawanie obrazów
klasyfikacja
artificial neural networks
pattern recognition
classification
Opis:
Analiza i interpretacja sygnałów elektroencefalograficznych znalazła szerokie spektrum zastosowań w diagnostyce klinicznej. Pomimo licznych doświadczeń specjalistów, ciągle napotyka się wiele trudności. Powstające problemy związane są m.in. z aspektami technicznymi co spowodowane jest charakterem niestacjonarności w przypadku sygnałów takich jak sygnały EEG. Rozwiązania sprzętowe i programowe w tej dziedzinie są poddawane ciągłej poprawie ze względu na rozwój technologiczny. Bardzo obiecującym narzędziem w analizie i interpretacji sygnałów EEG są sztuczne sieci neuronowe. W pracy przedstawiono eksperymenty oparte o analizę i klasyfikację danych biomedycznych za pomocą różnych technik, w tym metod klasycznych takich jak naiwny klasyfikator Bayesa, k najbliższych sąsiadów z zastosowaniem metod sztucznej inteligencji takich jak klasyfikatory SVM czy perceptron wielowarstwowy.
Analysis and interpretation methods of electroencephalogram signals have found a broad spectrum of applications in clinical diagnosis. Despite the experience of professionals, biomedical data analysis encounters many difficulties. Measurement problems are associated with both the technical ground that determines the character of non-stationarity of EEG signals and the individual nature of a neurological dysfunction. The existing hardware and software have been continuously improved due to the rapid progress of technological development. Very promising tool in the analysis and interpretation of the EEG signals are artificial neural networks. An electroencephalogram (EEG) is a noninvasive technique for measurement of processes occurring in the human brain. This technique allows direct measurement of electrical potentials of neuronal activity. EEG is thus recording of electrical activity of nerve cells on the surface of the cerebral cortex. Seizures are very important element in clinical diagnosis due to the ongoing search for causal link in generating sudden discharges of electricity. The interpretation of such signals may allow for appropriate treatment and selection of relevant therapy for individual cases. There have been many works in the area of electroencephalography which used artificial neural networks involving among the others in the process of recognizing specific graphoelements, which in turn indicate a definite neurological dysfunction. Neural networks are also able to extract the relevant information contained in the EEG signals and support the process of solving problems, such as the identification of characteristic EEG [1, 5, 6] patterns or determine patterns based on spectral EEG topography [3]. Neural networks are also used to identify artifacts, where inputs to the classifier are implemented in the form of selected parameters of a specific wave length [10]. The paper presents experiments based on the analysis and classification of biomedical data using various techniques, including classical methods such as naive Bayes classifiers, and nearest neighbor using artificial intelligence methods including SVM classifiers and multilayer perceptron.
Źródło:
Pomiary Automatyka Kontrola; 2012, R. 58, nr 4, 4; 369-371
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych w systemach wspomagania decyzji z obszaru zarządzania logistyką
Application of artificial neural networks in decision support systems in logistics management
Autorzy:
Duchaczek, A.
Skorupka, D.
Powiązania:
https://bibliotekanauki.pl/articles/348417.pdf
Data publikacji:
2011
Wydawca:
Akademia Wojsk Lądowych imienia generała Tadeusza Kościuszki
Tematy:
zarządzanie logistyczne
sztuczne sieci neuronowe
sieci neuronowe
biblioteka FANN
logistic management
artificial neural networks
neural networks
FANN library
Opis:
W artykule przedstawiono możliwości wykorzystania komponentu TFannNetwork, opartego na bibliotece FANN wersja 2.0, do budowy aplikacji komputerowych wykorzystywanych w procesie zarządzania logistyką. Możliwości komponentu zaprezentowano na przykładzie zastosowania sztucznych sieci neuronowych do szacowania ładowności pojazdów transportowych na podstawie ich gabarytów.
The article presents the possibility of using a TFannNetwork component, based on the FANN library (version 2.0), for building computer applications used in logistics management. The potential of the component is exemplified with the application of artificial neural networks to estimate the capacity of transport vehicles based on their dimensions.
Źródło:
Zeszyty Naukowe / Wyższa Szkoła Oficerska Wojsk Lądowych im. gen. T. Kościuszki; 2011, 4; 270-277
1731-8157
Pojawia się w:
Zeszyty Naukowe / Wyższa Szkoła Oficerska Wojsk Lądowych im. gen. T. Kościuszki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sztucznej sieci neuronowej do diagnostyki związków chemicznych przy pomocy ich widm w podczerwieni
Application of artificial neural networks in diagnostics of chemical compounds from their infrared spectra
Autorzy:
Stemplewski, S.
Macek-Kamińska, K.
Powiązania:
https://bibliotekanauki.pl/articles/151648.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
identyfikacja
spektroskopia
widma
podczerwień
artificial neural networks
identification
spectroscopy
spectrum
infrared
Opis:
W artykule przedstawiono możliwości zastosowania sztucznej sieci neuronowej w identyfikacji związków chemicznych metodą tzw. „odcisku palca” oraz opisano budowę opracowanego specjalnie do tego celu narzędzia z wykorzystaniem SSN, jak też sprecyzowano wymogi, jakie muszą być spełnione do jej poprawnego funkcjonowania.
This paper presents a combination of the “finger-print” identification method and artificial neural networks (ANN) for effective diagnostics of chemical compounds from their infrared spectra. Identification of chemical compounds on the basis of their IR spectra is a serious problem in absorption spectrophotometry, used in practical chemical analysis. Using ANN to diagnose chemical compounds opens up new abilities for effective identification, not only in terms of speeding the process up but also in view of modeling complex nonlinear signals. A programming tool is developed in Microsoft Visual C# and tested on the basis of one hundred chemical compounds used to teach the ANN. The self-learning ability of ANN is used to construct a relationship between input and output parameters. Using AAN is also possible both to ignore redundant data and those whose impact on the phenomenon is negligible, so it is focused on the input data having a major impact on the modeled process. ANN is used to diagnose one hundred chemical compounds and further studies will be focused on possible expanding the database to include some other compounds.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 1, 1; 38-39
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Estimation of longitudinal precipitation of liquid indicator (LPLI) with the use of the artificial neural network (MLP, RBF) models
Estymacja wskaźnika opadu podłużnego rozpylonej cieczy (Wso) za pomocą sztucznych sieci neuronowych (MLP i RBF)
Autorzy:
Pentoś, K.
Cieniawska, B.
Łuczycka, D.
Powiązania:
https://bibliotekanauki.pl/articles/334681.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
spraying efficiency
artificial neural network
longitudinal precipitation
jakość opryskiwania
sztuczne sieci neuronowe
rozkład podłużny
Opis:
The study presents the results of the analysis of two artificial neural networks as models of relationships between longitudinal precipitation of liquid indicator and selected technical and technological factors of spraying process. The measurements were conducted in laboratory conditions. A wind tunnel was primary element in experimental set-up. Based on the results, it can be stated that MLP model (R2 = 0.908 for validation data set) was more accurate that RBF model (R2 = 0.837 for validation data set). The analysis of input variables’ contribution indicated that the LPLI is influenced the most by the air flow speed and the droplet size. Spray boom height and spray nozzle angle were less influencing parameters.
W pracy przedstawiono wyniki analizy dwóch modeli matematycznych zależności między wskaźnikiem opadu podłużnego rozpylonej cieczy a wybranymi technicznymi i technologicznymi parametrami procesu opryskiwania. Modele zbudowano wykorzystując sztuczne sieci neuronowe. Pomiary przeprowadzono w warunkach laboratoryjnych. Głównym elementem stanowiska badawczego był tunel aerodynamiczny. Na podstawie otrzymanych wyników można stwierdzić, że model oparty o sieć MLP (R2 = 0.908 dla zbioru walidacyjnego) charakteryzował się wyższą dokładnością niż model oparty o sieć RBF (R2 = 0.837 dla zbioru walidacyjnego). Analiza stopnia wpływu poszczególnych parametrów wejściowych modelu na jego wyjście wskazuje, że największy wpływ na Wso mają prędkość przepływu powietrza oraz wielkość kropli. Wysokość belki opryskowej oraz kąt nachylenia rozpylacza w znacznie mniejszym stopniu wpływają na Wso.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2018, 63, 1; 58-62
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Gender recognition using neural networks and ASR techniques
Autorzy:
Sas, J.
Sas, A.
Powiązania:
https://bibliotekanauki.pl/articles/333972.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
artificial neural networks
speech recognition
gender recognition
sztuczne sieci neuronowe
rozpoznawanie mowy
rozpoznawanie płci
Opis:
The paper presents the simple technique of speaker gender recognition that uses MFCC features typically applied in automatic speech recognition. Artificial neural network is used as a classifier. The speech signal is first divided into 20 ms frames. For each frame, Mel-Frequency Cepstral Coefficients are extracted and the created feature vector is provided into a neural network classifier, which individually classifies each frame as male or female sample. Finally, the whole utterance is classified by selecting the class, for which the sum of corresponding neural network outputs is greater. The advantage of the method is that it can be easily combined with speech recognition, because both processes (gender recognition and speech recognition) are based on the same features. This way, no additional logic and no extra computational power is needed to extract features necessary for gender recognition. The method was experimentally evaluated using speech samples in English and in Polish. The comparison with other methods described in literature based on other feature extraction methods shows the superiority of the proposed approach, especially in cases where the recognition is carried out in noisy environment or using poor audio equipment.
Źródło:
Journal of Medical Informatics & Technologies; 2013, 22; 179-187
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modeling methods of predicting potato yield - examples and possibilities of application
Metody modelowania predykcji plonu ziemniaków – przykłady i możliwości zastosowania
Autorzy:
Piekutowska, M.
Niedbała, G.
Adamski, M.
Czechlowski, M.
Wojciechowski, T.
Czechowska-Kosacka, A.
Wójcik Oliveira, K.
Powiązania:
https://bibliotekanauki.pl/articles/337475.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
yield prediction
potato
artificial neural networks
regression
predykcja plonowania
ziemniak
sztuczne sieci neuronowe
regresja
Opis:
The purpose of the following work is to review the methods used in predicting plant yields, with particular emphasis on potato production. The article refers to the histological methods of estimating plant yields and prevailing trends: groundbased remote sensing, which is often associated with regression calculus, multiple regression, artificial intelligence and image analysis. There are also two popular models SUBSTOR and LINTUL-POTATO, which are the foundation for developing more and more accurate tools of potato yield estimation. There are many methods that allow to predict yields before the end of the growing season. The most important element in creating prediction models is choosing the appropriate number of independent variables that actually shape the yielding of potatoes. Timely and accurate prediction of crop yields improve the management of agricultural production as well as limit financial, quantitative and qualitative losses of crops.
Celem niniejszej pracy był przegląd metod wykorzystywanych w prognozowaniu plonów roślin ze szczególnym uwzględnieniem produkcji ziemniaka. W artykule nawiązano do historycznych sposobów szacowania plonów roślin oraz obecnie panujących trendów w predykcji: teledetekcji naziemnej, która często powiązana jest z rachunkiem regresyjnym, regresji wielorakiej, sztucznej inteligencji, analizie obrazów. Wspomniano także o dwóch popularnych modelach SUBSTOR i LINTULPOTATO, które stworzyły podwaliny do opracowywania coraz dokładniejszych narzędzi prognozujących plony ziemniaków. Wiele metod pozwala na predykcję plonów przed zakończeniem sezonu wegetacyjnego. Najistotniejszym elementem tworzenia modeli predykcyjnych jest dobór odpowiedniej liczby zmiennych niezależnych, które rzeczywiście kształtują plonowanie ziemniaków. Terminowe i dokładne prognozy plonów roślin uprawnych usprawniają zarządzanie produkcją rolniczą, pozwalają na ograniczanie strat finansowych, ilościowych i jakościowych plonów.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 176-180
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do modelowania procesu oczyszczania ścieków w małej oczyszczalni ścieków
Using Artificial Neural Networks for Modeling Wastewater Treatment in Small Wastewater Treatment Plant
Autorzy:
Skoczko, I.
Ofman, P.
Szatyłowicz, E.
Powiązania:
https://bibliotekanauki.pl/articles/1817960.pdf
Data publikacji:
2016
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
oczyszczalnia ścieków
model black box
sztuczne sieci neuronowe
wastewater treatment plant
artificial neural networks
Opis:
Celem pracy było opracowanie modelu „Black Box” dla Miejskiej Oczyszczalni Ścieków w Stawiskach. Badana oczyszczalnia ścieków na podstawie równoważnej liczby mieszkańców (RLM) zaliczana jest do obiektów z II grupy, zgodnie z Rozporządzeniem Ministra Środowiska z 11 listopada 2014 roku, w których monitoring jakości ścieków oczyszczonych obejmuje ilość zawiesin ogólnych, BZT5 i ChZTCr. Model matematyczny został opracowany na podstawie badań prowadzonych w latach 2005-2013, które dotyczyły jakości ścieków surowych i oczyszczonych. W modelu jako zmienne wejściowe uwzględniono ilość mieszkańców miejscowości, ilość ścieków dopływających systemem kanalizacyjnym oraz ilość ścieków dowożonych. Opracowana sieć neuronowa wykazywała bardzo dobre dopasowanie do parametrów rzeczywistych. Opracowany model regresyjnym odznaczał się dobrym dopasowanie wartości przewidywanych do obserwowanych. Współczynniki korelacji uzyskane dla tych par zmiennych równe były dla BZT5 0,99, dla ChZTCr 0,94 i dla zawiesin ogólnych 0,97, przy wartościach średniego błędu bezwzględnego równego dla poszczególnych zmiennych odpowiednio 0,37; 5,49 i 1,72.
The aim of this study was to develop a model of "Black Box" for Municipal Wastewater Treatment Plant in Stawiskach. This sewage treatment plant based on of population equivalent (pe) is among the objects from the second group, in accordance with the Regulation of the Minister of Environment of 11 November 2014, in which monitoring of the effluent includes the amount of total suspended solids, BOD5 and COD. A mathematical model was developed based on research conducted in the years 2005-2013, which concerned the quality of raw sewage and sewage. In the model as input variables takes into account the number of inhabitants of the village, the amount of sewage influent sewer system and the amount of waste imported from the city. The developed neural network showed a very good fit to the actual parameters. Developed regression model was characterized by a good fit to the observed predicted values. The correlation coefficients obtained for these couples variables were equal to 0.99 BOD, COD norm of 0.94 and 0.97 for total suspended solids, with values of average absolute error for each variable equal to 0.37; 5.49 and 1.72.
Źródło:
Rocznik Ochrona Środowiska; 2016, Tom 18, cz. 1; 493-506
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
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:
Analiza efektywności wykorzystania kryteriów informacyjnych w prognozowaniu zapotrzebowania na części zamienne
Efficiency analysis of information criteria application in spare parts demand forecasting
Autorzy:
Rosienkiewicz, M.
Powiązania:
https://bibliotekanauki.pl/articles/1377738.pdf
Data publikacji:
2013
Wydawca:
Polskie Wydawnictwo Ekonomiczne
Tematy:
logistyka
gospodarka materiałowa
części zamienne
sztuczne sieci neuronowe
logistics
materials management
artificial neural networks
Opis:
W artykule przedstawiono klasyczne metody prognozowania zapotrzebowania na części zamienne oraz nowy trend w tej dziedzinie - wykorzystanie jednej z metod sztucznej inteligencji - sztucznych sieci neuronowych SSN (Sztuczne Sieci Neuronowe; Artificial Neural Networks, ANN).
The paper presents a new approach to the spare parts forecasting issue - a method which combines regression modeling, information criteria and artificial neural networks ANN. The research presented in this article compares efficiency of classical methods with the artificial intelligence tool in the scope of spare parts forecasting. Artificial Neural Networks have been advocated as an alternative to traditional statistical forecasting methods. Classical methods, such as exponential smoothing or mean average, have been used for several decades in forecasting demand. However, many of these techniques may perform poorly when demand for an item is lumpy or intermittent. In the paper three concepts of using ANN in spare parts forecasting - micro, macro and hybrid - were described. The article presents also the variable selection issue, which is of a great importance in any model building.
Źródło:
Gospodarka Materiałowa i Logistyka; 2013, 5; 11-21
1231-2037
Pojawia się w:
Gospodarka Materiałowa i Logistyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial neural networks to predict railway switch durability
Autorzy:
Gibała, Ł.
Konieczny, J.
Powiązania:
https://bibliotekanauki.pl/articles/197192.pdf
Data publikacji:
2018
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
artificial neural networks
railway switch
maintenance
prediction
sztuczne sieci neuronowe
rozjazd szynowy
konserwacja
prognoza
Opis:
The article presents the possibility of applying artificial intelligence to forecast necessary repairs on ordinary railway switches. Railway switch data from Katowice and Katowice Szopienice Północne Stations were used to model neural structures. Using the prepared data set (changes in values of nominal dimensions in characteristic sections of 15 railway switches), we created three variants of railway switch classifications. Then, with the results, we determined the values of classifiers and the low mean absolute error, as well as compared charts of effectivity. It was calculated that the best solution by which to evaluate necessary repairs in railway switches was, in part, to repair the crossing nose. It was assessed that a structure with single output data was more effective for the accepted data.
Źródło:
Zeszyty Naukowe. Transport / Politechnika Śląska; 2018, 101; 67-77
0209-3324
2450-1549
Pojawia się w:
Zeszyty Naukowe. Transport / Politechnika Śląska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of an effectiveness of artificial neural networks for various activation functions
Porównanie efektywności sztucznych sieci neuronowych dla różnych funkcji aktywacji
Autorzy:
Florek, Daniel
Miłosz, Marek
Powiązania:
https://bibliotekanauki.pl/articles/24083568.pdf
Data publikacji:
2023
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
activation functions
artificial neural networks
artificial intelligence
funkcja aktywacji
sztuczne sieci neuronowe
sztuczna inteligencja
Opis:
Activation functions play an important role in artificial neural networks (ANNs) because they break the linearity in the data transformations that are performed by models. Thanks to the recent spike in interest around the topic of ANNs, new improvements to activation functions are emerging. The paper presents the results of research on the effectiveness of ANNs for ReLU, Leaky ReLU, ELU, and Swish activation functions. Four different data sets, and three different network architectures were used. Results show that Leaky ReLU, ELU and Swish functions work better in deep and more complex architectures which are to alleviate vanishing gradient and dead neurons problems. Neither of the three aforementioned functions comes ahead in accuracy in all used datasets, although Swish activation speeds up training considerably and ReLU is the fastest during prediction process.
Funkcje aktywacji, przełamując linową naturę transformacji zachodzących w sztucznych sieciach neuronowych (SSN), pozwalają na uczenie skomplikowanych wzorców występujących w danych wejściowych, np. w obrazach. Wzrost zain-teresowania wokół SSN skłonił naukowców do badań wokół różnolitych aktywacji, które mogą dać przewagę podczas uczenia jak i przewidywania, ostatecznie przyczyniając się do powstania nowych, interesujących rozwiązań. W artykule przedstawiono wyniki badań nad efektywnością SSN dla funkcji ReLU, Leaky ReLU, ELU oraz Swish, przy użyciu czterech zbiorów danych i trzech różnych architektur SSN. Wyniki pokazują, że funkcje Leaky ReLU, ELU i Swish lepiej sprawdzają się w głębokich i bardziej skomplikowanych architekturach, mając za zadanie zapobieganie proble-mom zanikającego gradientu (ang. Vanishing Gradient) i martwych neuronów (ang. Dead neurons). Żadna z trzech wyżej wymienionych funkcji nie ma przewagi w celności (ang. Accuracy), jednakże Swish znacznie przyspiesza ucze-nie SSN, a ReLU jest najszybsza w procesie przewidywania
Źródło:
Journal of Computer Sciences Institute; 2023, 26; 7--12
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial Neural Networks – Modern Systems for Safety Control
Autorzy:
Kosiński, R. A.
Kozłowski, C.
Powiązania:
https://bibliotekanauki.pl/articles/90104.pdf
Data publikacji:
1998
Wydawca:
Centralny Instytut Ochrony Pracy
Tematy:
artificial neural networks
safety control
control system
kontrola bezpieczeństwa
sztuczne sieci neuronowe
system sterowania
Opis:
A short review of the applications of artificial neural networks in different fields of industry with a description of their main properties is made. Such systems have specific properties typical for the human brain, which can decide on the superiority of artificial neural networks over standard control systems. Basic types of such networks as well as their principles of operation and successful applications are described. The application of artificial neural networks in safety engineering is discussed with stress on their special properties, which are necessary in safety critical systems.
Źródło:
International Journal of Occupational Safety and Ergonomics; 1998, 4, 3; 317-332
1080-3548
Pojawia się w:
International Journal of Occupational Safety and Ergonomics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Selected applications of deepneural networks in skin lesion diagnostic
Wybrane zastosowania głębokich sieci neuronowych w diagnozie zmian skórnych
Autorzy:
Michalska-Ciekańska, Magdalena
Powiązania:
https://bibliotekanauki.pl/articles/2070250.pdf
Data publikacji:
2021
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
dermatoscopic images
neural networks
melanoma
skin lesions
obraz dermatoskopowy
sztuczne sieci neuronowe
zmiany skórne
Opis:
The article provides an overview of selected applications of deep neural networks in the diagnosis of skin lesions from human dermatoscopic images, including many dermatological diseases, including very dangerous malignant melanoma. The lesion segmentation process, features selectionand classification was described.Application examples of binary and multiclass classification are given.The described algorithms have been widely used in the diagnosis of skin lesions. The effectiveness, specificity, and accuracy of classifiers were compared and analyzed based on available datasets.
Artykuł zawiera przeglądwybranychzastosowań głębokich sieci neuronowych w diagnostyce zmian skórnych zobrazów dermatoskopowych człowieka z uwzględnieniem wielu choróbdermatologicznych, w tym bardzo niebezpiecznejz nich malignant melanoma. Został opisany processegmentacjizmiany, selekcji cech i klasyfikacji. Uwzględniono przykłady binarnej i wieloklasowej klasyfikacji. Opisane algorytmy znalazły szerokie zastosowanie w diagnostyce zmian skórnych.Porównano i przeanalizowanoskuteczność, specyficznośći dokładność klasyfikatorów w oparciu o dostępne zestawy danych.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2021, 11, 4; 18--21
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych w analizie sygnałów elektrokardiograficznych
Using artificial neural networks for analysis of electrocardiographic signals
Autorzy:
Litwińska, M.
Powiązania:
https://bibliotekanauki.pl/articles/261498.pdf
Data publikacji:
2014
Wydawca:
Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
Tematy:
EKG
sztuczna inteligencja
sztuczne sieci neuronowe
Matlab
ECG
artificial intelligence
artificial neural networks
MATLAB
Opis:
Celem pracy było przebadanie możliwości zastosowania sztucznych sieci neuronowych do analizy i rozpoznawania sygnałów EKG. Artykuł zawiera przegląd zagadnień dotyczących EKG, pozyskiwania i interpretacji sygnałów oraz zastosowania sztucznych sieci neuronowych do diagnostyki. Znaczącym elementem pracy jest próba zaimplementowania w programie Matlab systemu rozróżniającego sygnały różnego typu.
The main goal of the work is to test the possibility of using artificial neural networks for analysis and recognition of ECG signals. The paper contains a review of issues related to ECG, acquisition and interpretation of signals, application of artificial neural networks in the diagnosis. A significant element is the attempt to implement the system for differentiating various types of signals using Matlab software.
Źródło:
Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2014, 20, 2; 80-94
1234-5563
Pojawia się w:
Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza założeń dla modelowania plonu buraka cukrowego z wykorzystaniem sztucznych sieci neuronowych
The analysis of assumptions for modeling sugar beet crop with utilization of artificial neural networks
Autorzy:
Niedbała, G.
Przybył, J.
Boniecki, P.
Sęk, T.
Powiązania:
https://bibliotekanauki.pl/articles/287451.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
burak cukrowy
predykcja plonu
sztuczne sieci neuronowe
sugar beet
crop prediction
artificial neural network
Opis:
Do planowania plonu roślin, w tym plonu buraka cukrowego, wykorzystuje się modele prognostyczne. Istniejące modele mają zastosowanie zarówno w skali mikro - dla gospodarstwa, jaki i makro - dla regionu, czy kraju. Te modele, najczęściej zaimplementowane w programach komputerowych, ze względu na dużą liczbę danych wejściowych, są raczej niedostępne dla plantatora buraka cukrowego i rolniczych służb doradczych. Dlatego w pracy podjęto próbę opracowania własnego modelu plonu buraka cukrowego, opartego na metodach sztucznej inteligencji, przy wykorzystaniu możliwie niewielkiej liczby danych wejściowych. Założono, że dane wejściowe do modelu powinny stanowić podstawowe czynniki charakteryzujące siedlisko, użyte środki produkcji i przebieg warunków pogodowych.
In planning crops, including sugar beet crop, prognostic models are used. Existing models are utilized in micro scale - for the farm, as well as in macro scale - for region or country. These models, generally implemented in computer programmes, are rather unavailable for sugar beet planters and agricultural advisory services because of the huge amount of input data. That is why in this paper an attempt was made to create own model of sugar beet crop based on artificial intelligence methodology and the smallest possible amount of input data. It was assumed that input data for models should be the basic factors characterizing habitat, means of production used and weather conditions course.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 123-130
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Toothed gear transmission diagnosis based on optimal features of vibration signal
Diagnozowanie przekładni zębatej w oparciu o optymalne cechy sygnału drgań
Autorzy:
Jedliński, Ł.
Jonak, J.
Powiązania:
https://bibliotekanauki.pl/articles/360050.pdf
Data publikacji:
2011
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
przekładnia stożkowa
selekcja cech
sztuczne sieci neuronowe
bevel gear
feature selection
artificial neural network
Opis:
The article presents a method for reducing amount of discriminants required to evaluate technical condition of an object and a trial of evaluating it using artificial neural networks as a way of increasing certainty of the obtained results.
W artykule przedstawiono metodę redukcji liczby dyskryminant wymaganych w ocenie stanu technicznego obiektu oraz próbę oceny stanu z użyciem sztucznych sieci neuronowych, jako środek zwiększenia pewności prognozy.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2011, 26 (98); 33-37
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do prognozowania cen na giełdzie energii
Using artificial neural networks to forecasting the energy exchange price
Autorzy:
Miller, A.
Bućko, P.
Powiązania:
https://bibliotekanauki.pl/articles/268589.pdf
Data publikacji:
2014
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
prognoza
sztuczne sieci neuronowe
rynek energii
MATLAB
prediction methods
artificial neural networks
energy market
Opis:
Jednym z aktualnych zagadnień gospodarczych jest prognozowanie cen na Giełdzie Energii. Autorzy publikacji proponują wykorzystanie do tego celu sztucznych sieci neuronowych i oprogramowania MATLAB. Opisują narzędzie do prognozy krótkoterminowej Rynku Dnia Następnego. W artykule przedstawiono sposób kalibracji danych. Opisano również użyte funkcje aktywacji w warstwach neuronowych wraz z konsekwencjami z nich wynikającymi dla samego procesu nauczania. W końcowej części artykułu porównano prognozę sieci neuronowej z rzeczywistym przebiegiem notowań na Giełdzie Energii.
One of the current economic problem is the Energy Exchange price forecasting. Authors’ proposal is to implement artificial neural network and MATLAB package for price forecasting. Program for short-time forecast of the Next Day Market price is described. Data normalisation methods are presented in the paper. Neural activation functions are described and the consequences of choosing activation function on neural network learning process are discussed. In the conclusion, comparison of Energy Exchange forecast price and real prices is presented.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2014, 40; 69-72
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fuel consumption analysis in dynamic states of the engine with use of artificial neural network
Analiza zużycia paliwa w dynamicznych stanach pracy silnika z zastosowaniem sztucznej sieci neuronowej
Autorzy:
Bera, P.
Powiązania:
https://bibliotekanauki.pl/articles/133925.pdf
Data publikacji:
2013
Wydawca:
Polskie Towarzystwo Naukowe Silników Spalinowych
Tematy:
dynamic characteristics
fuel consumption
artificial neural networks
charakterystyki dynamiczne
zużycie paliwa
sztuczne sieci neuronowe
Opis:
The paper presents the construction of fuel consumption dynamic characteristic determined with use of artificial neural network (ANN). The characteristic is based on the data obtained during measurements carried out on the engine dynamometer. The momentary fuel consumption as a non-linear function of two variable parameters, engine speed and torque, has been presented. Article discusses the way of determining such a characteristic which can be used for both SI and CI engines for entire range of engine speed and load. Described characteristic enables analysis of engine properties in dynamic states and allows computing mileage fuel consumption of the car with a given engine in combination with the specific transmission in any virtual driving cycle. An important advantage of the ANN method in case of general fuel consumption characteristic in dynamic operating states is that standard measurement equipment can be used and the solution to a complex problem is reduced to programming issues.
W artykule zaprezentowano charakterystykę dynamiczną zużycia paliwa, wyznaczoną z wykorzystaniem sztucznej sieci neuronowej (SSN),opierając się na danych z pomiarów przeprowadzanych na hamowni silnikowej. Przedstawiono chwilowe zużycie paliwa jako nieliniową funkcję dwóch zmiennych parametrów pracy silnika: prędkości obrotowej i momentu obrotowego, a następnie omówiono sposób sporządzania charakterystyki, która może być zastosowana w odniesieniu do silników ZI i ZS dla całego zakresu prędkości obrotowej i obciążenia. Opisana charakterystyka umożliwia analizę właściwości silników w stanach dynamicznych oraz wstępne obliczanie przebiegowego zużycia paliwa samochodu z danym silnikiem w konfiguracji z określonym układem przeniesienia napędu w dowolnym wirtualnym cyklu jezdnym. Niewątpliwą zaletą wykorzystania metody SSN do sporządzania ogólnej charakterystyki zużycia paliwa w dynamicznych stanach pracy jest możliwość wykorzystania standardowej aparatury pomiarowej do przeprowadzenia badań, a rozwiązanie złożonego problemu zostaje sprowadzone do zakresu programowania.
Źródło:
Combustion Engines; 2013, 52, 4; 16-25
2300-9896
2658-1442
Pojawia się w:
Combustion Engines
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A comparison of the fuel consumption characteristic in dynamic states with the general characteristic of the combustion engine
Porównanie charakterystyki zużycia paliwa w dynamicznych stanach pracy z charakterystyką ogólną silnika spalinowego
Autorzy:
Bera, P.
Powiązania:
https://bibliotekanauki.pl/articles/133995.pdf
Data publikacji:
2015
Wydawca:
Polskie Towarzystwo Naukowe Silników Spalinowych
Tematy:
dynamic states
fuel consumption
artificial neural network
stany dynamiczne
zużycie paliwa
sztuczne sieci neuronowe
Opis:
The paper presents a comparison of the fuel consumption characteristic in dynamic states with the general characteristic. It was proven that the use of the general characteristic to calculate the fuel consumption in dynamic operating states is limited because under certain conditions the results are incorrect. This is due to the fact that this characteristic is based on data obtained from the engine test bench measurements in static states. In contrast, the characteristic in the dynamic states is determined on the basis of data from both static and dynamic states characterized by variable engine speed and torque. It reflects the nature of the internal combustion engine much better because it takes into account the specificity of its work. Development of such characteristic is possible through the use of artificial neural network trained in a supervised mode to analyze the data collected during tests on the engine test bench. The purpose of this paper is to quantitatively compare the results obtained by each of the characteristics in different operating states of the engine. The analysis takes into account both the trajectory between the successive work points as well as time in which the change occurs.
W artykule przedstawiono porównanie charakterystyki zużycia paliwa w stanach dynamicznych z charakterystyką ogólną. Wykazano, że wykorzystanie charakterystyki ogólnej do obliczania zużycia paliwa w dynamicznych stanach pracy jest ograniczone, gdyż w pewnych przypadkach daje wyniki obarczone istotnymi błędami. Wynika to z faktu, że jest ona wyznaczana w oparciu o dane z pomiarów w stanach statycznych na hamowni silnikowej. Inaczej jest w przypadku charakterystyki w stanach dynamicznych, która jest sporządzana w oparciu o dane pomiarowe ze stanów zarówno statycznych jak i dynamicznych. Wierniej oddaje ona charakter pracy samochodowego silnika spalinowego, gdyż uwzględnia specyfikę zjawisk w nim zachodzących. W artykule wykazano, że wykorzystanie sztucznej sieci neuronowej uczonej w sposób nadzorowany do analizy danych zgromadzonych w trakcie badań na hamowni silnikowej pozwala na opracowanie takiej charakterystyki. Przedstawiono także ilościowe porównanie wyników otrzymywanych przez każdą z charakterystyk w różnych stanach pracy silnika spa-linowego. Przeprowadzona analiza uwzględnia zarówno trajektorię przejść między kolejnymi punktami pracy jak i czas w którym ta zmiana zachodzi.
Źródło:
Combustion Engines; 2015, 54, 3; 726-731
2300-9896
2658-1442
Pojawia się w:
Combustion Engines
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ann modelling for the analysis of the green moulding sands properties
Analiza właściwości syntetycznych mas formierskich z zastosowaniem sztucznych sieci neuronowych
Autorzy:
Jakubski, J.
Malinowski, P.
Dobosz, S. M.
Major-Gabryś, K.
Powiązania:
https://bibliotekanauki.pl/articles/356980.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
data mining
artificial neural networks
green moulding sands
sztuczne sieci neuronowe
syntetyczne masy formierskie
Opis:
Application of modern technological solutions, as well as the economic and ecological solutions, is for foundries one of the main aspects of the competitiveness on the market for castings. IT solutions can significantly support technological processes. This article presents neural networks with different structures that have been used to determine the moisture content of the moulding sand based on the moulding sand selected properties research results. Neural networks were built using Matlab software. Moulding sand properties chosen for quality control processes were selected based on wide previous results. For the proposed moulding sand properties, neural networks can be a useful tool for predicting moisture content. The structure of artificial neural network do not have a significant influence on the obtained results. In subsequent studies on the use of neural networks as an application to support the green moulding sand rebonding process, it must be determined how factors such as environmental humidity and moulding sand temperature will affect the accuracy of data obtained with the use of artificial neural networks.
Zastosowanie nowoczesnych rozwiązań technologicznych, a także ekonomicznych i ekologicznych stanowi dla odlewni jeden z głównych aspektów konkurencyjności na rynku produktów odlewów. Doskonałym wsparciem dla procesów technologicznych są rozwiązania informatyczne. W artykule zaprezentowano sieci neuronowych o różnej strukturze, które zostały użyte do określania wilgotności masy formierskiej na podstawie wyników badania wybranych właściwości masy. Sieci neuronowe zbudowano z wykorzystaniem oprogramowania Matlab. Właściwości mas wybrane do procesów sterowania jakością zostały dobrane w oparciu o wcześniejsze wyniki badań. Dla zaproponowanych właściwości syntetycznych mas formierskich sztuczne sieci neuronowe mogą być użytecznym narzędziem do przewidywania wilgotności masy. Ilość warstw ukrytych w strukturze sieci nie ma wpływu na otrzymywane rezultaty. W kolejnych badaniach nad wykorzystaniem sieci neuronowych jako aplikacji wspierającej procesy odświeżania syntetycznych mas formierskich, należy okreslić, w jaki sposób czynniki takie jak wilgotność otoczenia, czy temperatura masy wpłyną na dokładność danych uzyskanych z wykorzystaniem sztucznych sieci neuronowych.
Źródło:
Archives of Metallurgy and Materials; 2013, 58, 3; 961-963
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczne sieci neuronowe w sterowaniu minirobota kołowego
Utilization of neural networks in control of mobile robot
Autorzy:
Giergiel, M.
Małka, P.
Powiązania:
https://bibliotekanauki.pl/articles/157144.pdf
Data publikacji:
2004
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
sterowanie minirobota kołowego
utilization of neural networks
control of mobile robot
Opis:
W artykule pokazano sposób wykorzystania sieci neuronowych do modelowania układów dynamicznych. Sygnały wykorzystane w analizie i symulacji numerycznej otrzymano z obiektu rzeczywistego - minirobot mobilny. Obliczenia numeryczne wykonano w środowisku programu MATLAB TM/Simulink. Przedstawiono również szczegółowo budowę układu z członem kompensującym i stabilizującym wykonanym za pomocą sieci neuronowych.
The article demonstrates the mode of utilization of neural network to simulate dynamic systems. Signals put upon in analysis and simulation numeric were received from real object-mobile minirobots. Numerical calculations have been done in the Matlab TM -Simulink programme environment. This paper discusses in detail build from the compensating element of the system and stabilising executed with the help of neural networks.
Źródło:
Pomiary Automatyka Kontrola; 2004, R. 50, nr 5, 5; 20-24
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczna sieć neuronowa jako innowacyjne narzędzie wspomagania doboru powłok ochronno-dekoracyjnych
Artificial Neural Network as Innovation Tool in Supporting the Selection of Protective and Decorative Coatings
Autorzy:
POPKO, ARTUR
GAUDA, KONRAD
Powiązania:
https://bibliotekanauki.pl/articles/456420.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Rzeszowski
Tematy:
sztuczne sieci neuronowe
powłoki organiczne
ochrona antykorozyjna
artificial neural networks
organic coatings
corrosion protection
Opis:
W artykule poruszona jest problematyka związana z możliwością wykorzystania sztucznych sieci neuronowych (SSN) w procesie doboru powłok ochronno-dekoracyjnych. Zebrano i ustalono wejściowe i wyjściowe parametry zadania. Opracowano wstępną postać struktury sztucznej sieci neuronowej, wymaganej do wspomagania procesu.
The article deals with issues related to the possibility of using artificial neural networks (ANNs) in the process of selection of protective and decorative coatings. The input and output parameters of the task were collected and established. The initial form of the artificial neural net-work structure required to support the process was also developed.
Źródło:
Edukacja-Technika-Informatyka; 2018, 9, 1; 77-82
2080-9069
Pojawia się w:
Edukacja-Technika-Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial neural nerworks in oxidation kinetic analysis of nanocomposites
Autorzy:
Straszko, J.
Biedunkiewicz, A.
Strzelczak, A.
Powiązania:
https://bibliotekanauki.pl/articles/779035.pdf
Data publikacji:
2008
Wydawca:
Zachodniopomorski Uniwersytet Technologiczny w Szczecinie. Wydawnictwo Uczelniane ZUT w Szczecinie
Tematy:
sztuczne sieci neuronowe
nanokompozyty ceramiczne
utlenianie
kinetyka
artificial neural networks
ceramic nanocomposites
oxidation
kinetics
Opis:
This study concerns the application of artificial neural networks in oxidation kinetic analysis of ceramic nanocomposites. The oxidation of the Ti-Si-C ceramic nanocomposite in dry air was studied. The size of the nanoparticles was determined by scanning electron microscopy (SEM). The gaseous oxidation products were analysed by mass spectroscopy (MS) while the solid oxidation products by X-ray diffraction (XRD). The kinetic analysis of the oxidation was based on the Coats-Redfern equation. The kinetic models were identified for the consecutive stages and then the A and E parameters of the Arrhenius equations were evaluated. Artificial neural networks were used at each step of the kinetic calculations.
Źródło:
Polish Journal of Chemical Technology; 2008, 10, 3; 21-28
1509-8117
1899-4741
Pojawia się w:
Polish Journal of Chemical Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metody sztucznych sieci neuronowych do prognozowania obciążenia sieci rurociągów do transportu gazu ziemnego
Application of Artificial Neural Networks for load prediction in a gas pipeline network
Autorzy:
Szoplik, J.
Powiązania:
https://bibliotekanauki.pl/articles/2072145.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
prognozowanie
obciążenie sieci gazowej
artificial neural network
forecasting
load of gas pipeline network
Opis:
Zaproponowano zastosowanie metody sztucznych sieci neuronowych do prognozowania obciążenia sieci gazowej przykładowego miasta w Polsce, biorąc pod uwagę czynniki pogodowe oraz kalendarzowe. Na podstawie rzeczywistych danych wejściowych wytrenowano wiele sieci neuronowych, różniących się liczbą neuronów w warstwie ukrytej i zaproponowano najlepszą strukturę sieci neuronowej, która zależy od liczności zbioru danych wejściowych. Otrzymane modele sieci mogą być z powodzeniem stosowane w praktyce.
Application of Artificial Neural Network for load prediction in a gas pipeline network in an exemplary Poland city taking into account weather and calendar factors is proposed in the paper. Based on real data, a number of neural networks with a various number of neurons in hidden layer were trained. The best neural network structure depending on a number of initial data sets was proposed. The obtained network models can be successfully applied in practice.
Źródło:
Inżynieria i Aparatura Chemiczna; 2013, 6; 572--574
0368-0827
Pojawia się w:
Inżynieria i Aparatura Chemiczna
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:
Using artificial neural networks to determine the location of wind farms. Miedzna district case study
Wykorzystanie sztucznych sieci neuronowych do wyznaczania lokalizacji elektrowni wiatrowych na przykładzie gminy Miedzna
Autorzy:
Pokonieczny, K.
Powiązania:
https://bibliotekanauki.pl/articles/292489.pdf
Data publikacji:
2016
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
artificial neural networks
multilayer perceptron
wind farms localization
elektrownie wiatrowe
perceptron wielowarstwowy
sztuczne sieci neuronowe
Opis:
The article concerns issues pertaining to of selecting suitable areas for wind farms. The basic assumption of the study was to take into account both criteria related to the profitability of this type of power plant, as well as public interest, which means the harmonious and not burdensome functioning of these installations for local communities. The problem of wind farm localization may be solved by the application of artificial neural networks (ANN), which are a computational intelligence element. In the conducted analysis, the possibility of wind farm localization was considered for the primary grid field with dimensions of 100 by 100 m. To prepare the training set, topographic vector data from the VMap L2 and SRTM (Shuttle Radar Topography Mission) digital terrain model were used. For each 100-meter x 100-meter grid, the input data was prepared, consisting of the factors which are important from the point of view of wind farm localization (forests, rivers, built-up areas etc.). Studies show that a properly trained neural network (using a representative number of samples and for the appropriate architecture), allows to process automation area classification in terms of placement on the wind turbines.
Zgodnie z obowiązującymi w Polsce regulacjami prawnymi użytkowanie elektrowni wiatrowych podlega odpowiednim uwarunkowaniom. Obostrzenia te dotyczą zarówno parametrów technicznych tych urządzeń, które związane są z bezpieczeństwem ich eksploatacji, jak i uwarunkowaniami przestrzennymi, związanymi z lokalizacją tych elektrowni oraz ich odległości od takich elementów pokrycia terenu, jak zabudowa czy lasy. Problematyka ta jest szczególnie istotna w kontekście częstych protestów mieszkańców, w sąsiedztwie których takie elektrownie mają być budowane. W celu wyznaczenia obszarów optymalnych dla lokalizacji elektrowni wiatrowych wykorzystano jedną z metod uczenia maszynowego, którą są sztuczne sieci neuronowe. Ich istotą, a jednocześnie przewagą nad metodami bazującymi na zadanym algorytmie, jest zdolność do uogólnienia otrzymywanych wyników, gdy algorytm rozwiązania danego problemu nie jest prosty (jak w przypadku wyznaczania obszarów szczególnie predestynowanych do lokalizacji elektrowni wiatrowych). W artykule przedstawiono metodykę zastosowania jednego rodzaju sieci neuronowych, którym jest perceptron wielowarstwowy. W zastosowanej sieci wykorzystano metodę nauczania nadzorowanego z nauczycielem, polegającą na wskazywaniu sieci neuronowej wzorcowego rozwiązania z określonymi danymi wejściowymi, którymi są parametry związane z pokryciem terenu i sąsiedztwem przestrzennym pola podstawowego, tj. kwadratu o wymiarach 100 × 100 m. Jako studium przypadku wybrana została gmina Miedzna, która znajduje się we wschodniej części województwa mazowieckiego i jest gminą wiejską o charakterze rolniczym. Obszar gminy leży na falistej wysoczyźnie morenowej, urozmaiconej morfologicznie. Otwarte pola uprawne oraz lekko pofałdowany teren to dwa główne czynniki sprzyjające możliwości rozmieszczenia farm wiatrowych na danym terenie. W zaprezentowanych w artykule przykładach wykorzystane zostały dane przestrzenne pochodzące z Vector Map Level 2 oraz dane wysokościowe Shuttle Radar Topography Mission (SRTM). W wyniku przeprowadzonych eksperymentów dowiedziono, że poprawnie nauczona sieć neuronowa (z wykorzystaniem reprezentatywnej liczby próbek i odpowiednią architekturą), umożliwia poprawne wyznaczenie obszarów predestynowanych do lokalizacji elektrowni wiatrowych nie tylko na terenie gminy Miedzna, ale również innych gmin, automatyzując proces wykonywania analiz tego typu.
Źródło:
Journal of Water and Land Development; 2016, 30; 101-111
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The training of multiplicative neuron model based artificial neural networks with differential evolution algorithm for forecasting
Autorzy:
Bas, E.
Powiązania:
https://bibliotekanauki.pl/articles/91575.pdf
Data publikacji:
2016
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
artificial neural networks
multiplicative neuron model
differential evolution
algorithm
forecasting
sztuczne sieci neuronowe
algorytm
prognozowanie
Opis:
In recent years, artificial neural networks have been commonly used for time series forecasting by researchers from various fields. There are some types of artificial neural networks and feed forward artificial neural networks model is one of them. Although feed forward artificial neural networks gives successful forecasting results they have a basic problem. This problem is architecture selection problem. In order to eliminate this problem, Yadav et al. (2007) proposed multiplicative neuron model artificial neural network. In this study, differential evolution algorithm is proposed for the training of multiplicative neuron model for forecasting. The proposed method is applied to two well-known different real world time series data.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2016, 6, 1; 5-11
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczne sieci neuronowe i teledetekcja w ocenie porażenia pszenicy jarej fuzariozą kłosów
Artificial neural networks and remote sensing in the assessment of spring wheat infection by Fusarium head blight
Autorzy:
Golka, Wiesław
Arseniuk, Edward
Golka, Adrian
Góral, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/2199484.pdf
Data publikacji:
2020-06-22
Wydawca:
Instytut Hodowli i Aklimatyzacji Roślin
Tematy:
fuzarioza kłosów
pszenica
sztuczne sieci neuronowe
teledetekcja
Fusarium head blight
wheat
artificial neural networks
teledetection
Opis:
Celem prac badawczych było wykorzystanie teledetekcji oraz sztucznych sieci neuronowych w ocenie pszenicy jarej pod względem reakcji na fuzariozę kłosów wywoływaną przez grzyby z rodzaju Fusarium spp. Prace badawcze wykonano na roślinach 4 odmian pszenicy jarej. Były to: KWS Torridon i Izera – o wyższej odporności, Radocha i Nawra – o odporności niższej na ww. patogena. Wykonano zdjęcia zdrowych oraz porażonych kłosów wszystkich odmian, które następnie przetworzono przy użyciu programu Crops Vegetation Control Lab (CVC Lab.). Na podstawie uzyskanych obrazów utworzono ich reprezentacje w postaci sieci neuronowych Growing Neural Gas (GNG). W wyniku analizy zdjęć uzyskano 240 wzorców, z których wybrano po 6 bazowych wzorców choroby dla każdej odmiany. Następnie dokonano porównania próbek porażonych kłosów danej odmiany z bazowymi wzorcami chorobowymi tej samej odmiany pszenicy. W wyniku porównania wzorców roślin zdrowych i porażonych ze zdjęciami poletek roślin zdrowych i porażonych uzyskano zróżnicowanie wartości liczbowych dającej podstawę do konstrukcji mapy zdrowotności plantacji pszenicy z wyszczególnieniem ognisk choroby.
The aim of the research was to use remote sensing and artificial neural networks in the assessment of spring wheat in terms of response to infection of ears caused by fungi of the genus Fusarium spp. The research was carried out on plants of 4 varieties of spring wheat. They were: KWS Torridon and Izera - with higher resistance, Radocha and Nawra - with lower resistance to the pathogen. Pictures of healthy and infected ears of all varieties were taken, and then processed using the Crops Vegetation Control Lab (CVC Lab.) Program. Based on the obtained images, their representations in the form of Growing Neural Gas (GNG) neural networks were created. As a result of photo analysis, 240 patterns were obtained, out of which 6 basic disease patterns were selected for each variety. Next, a comparison of samples of infected ears of a given variety with baseline disease patterns of the same wheat variety was made. As a result of comparing healthy and diseased plant patterns with pictures of healthy and infested plant plots, a diversity of numerical values was obtained that gave rise to the construction of a wheat plantation map detailing spots with diseased plants.
Źródło:
Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2020, 288; 67-75
0373-7837
2657-8913
Pojawia się w:
Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Short-Term Forecast of Oxygen Concentration in Nitrification Chamber Using Artificial Neural Network
Autorzy:
Płonka, Lesław
Powiązania:
https://bibliotekanauki.pl/articles/27314848.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
activated sludge process
nitrification chamber
artificial neural networks
osad czynny
komora nitryfikacyjna
sztuczne sieci neuronowe
Opis:
Due to the difficulties in implementing other methods of removing organic compounds and nitrogen from wastewater, municipal wastewater treatment plants use classical processes (nitrification and denitrification) that require large energy expenditure on aeration. The problem of high energy consumption concerns every treatment plant using aerobic activated sludge, hence the constant attempts to introduce possibly intelligent aeration control techniques. In this study, a short-term (hourly) forecast of oxygen concentration in the aeration chamber was calculated under the conditions of changing values of wastewater flow and pollutant concentrations as well as active aeration control according to an unchanging algorithm. Artificial neural networks were used to calculate the forecast. It is shown that an accurate prediction can be obtained by using different sets of input data but depending on what data we choose, the neural network required to obtain a good result has a more or less complex structure. The resulting prediction can be applied as part of a system for detecting abnormal situations and for preventing excessive energy consumption through unnecessary over-oxygenation of activated sludge.
Źródło:
Civil and Environmental Engineering Reports; 2022, 32, 4; 428--439
2080-5187
2450-8594
Pojawia się w:
Civil and Environmental Engineering Reports
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Konstrukcja wielowymiarowych kart kontrolnych indywidualnych pomiarów z wykorzystaniem sztucznych sieci neuronowych
Application of artificial neural networks to construction of multivariate control charts for individual data
Autorzy:
Peternek, Piotr
Powiązania:
https://bibliotekanauki.pl/articles/590760.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Karta Hotellinga
Karty kontrolne
Sztuczne sieci neuronowe
Artificial neural networks
Control charts
Hotelling control chart
Opis:
Klasyczne metody statystycznego sterowania procesem wykorzystują założenie o rozkładzie normalnym badanej cechy. W sytuacji, gdy warunek ten nie jest spełniony, wykorzystuje się odpowiednie transformacje lub korzysta się ze specyficznych, odpornych na rodzaj rozkładu metod. W pracy przedstawiona zostanie próba wykorzystania sztucznych sieci neuronowych do konstrukcji wielowymiarowych kart kontrolnych. Przeprowadzone zostaną symulacje dla rozkładu normalnego i chi-kwadrat.
In classical statistical process control the assumption of normal distribution is usually valid. When this condition is not satisfied specifically transformation or the specified method are used. This article presents application of artificial neural networks to construct of multivariate control charts for individual data.
Źródło:
Studia Ekonomiczne; 2015, 235; 182-193
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Kompensacja tętnień momentu w napędzie bezpośrednim z silnikiem PMSM
Torque ripple compensation in the direct drive with PMSM
Autorzy:
Pajchrowski, T.
Powiązania:
https://bibliotekanauki.pl/articles/377975.pdf
Data publikacji:
2012
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
silnik PMSM
sztuczne sieci neuronowe
napęd bezpośredni
tętnienia prędkości obrotowej
silnik synchroniczny o magnesach trwałych
Opis:
W artykule omówiono zagadnienie tętnień prędkości obrotowej w napędzie bezpośrednim z silnikiem synchronicznym o magnesach trwałych. W pracy przedstawiono przyczynę powstawania nierównomierności prędkości obrotowej, jakim jest pasożytniczy moment tętniący. Ma to istotne znaczenie w napędach obrabiarek i robotów, ponieważ pomimo małej amplitudy tętnień prędkości obrotowej, pogarszają one pracę układu. Dlatego w tych układach napędowych dąży się do uzyskania gładkiego momentu elektromagnetycznego, a tym samym zmniejszenia nierównomierności prędkości obrotowej. W pracy w celu uzyskania gładkiego momentu elektromagnetycznego, a tym samym zmniejszenia tętnień prędkości obrotowej, wprowadzono kompensację, wykorzystując sztuczne sieci neuronowe.
This article presents the issue of speed ripple in the direct drive synchronous motor with permanent magnets. The paper presents the cause of ripple speed which is torque ripple. This is important in the drive machine tools and robots, because it reduces the accuracy of the drive, despite the small amplitude of this torque. Therefore, these motion drives we want to smooth the electromagnetic torque, because they decrease the speed ripple. In the paper to achieve a smooth torque and reducing speed ripple, compensation was introduced, using artificial neural networks.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2012, 72; 93-100
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie SSN w symulacji procesu brykietowania miskanta
Use of artificial neural networks in the miscanthus briquetting process simulation
Autorzy:
Francik, S.
Frączek, J.
Powiązania:
https://bibliotekanauki.pl/articles/310883.pdf
Data publikacji:
2012
Wydawca:
Instytut Naukowo-Wydawniczy "SPATIUM"
Tematy:
sztuczne sieci neuronowe
miskant
brykietowanie
produkcja brykietów
briquetting
artificial neural networks
production of briquettes
Miscanthus
Opis:
Sztuczne sieci neuronowe (SSN) są uważane za jedno z najnowszych narzędzi, które są wykorzystywane do rozwiązywania skomplikowanych problemów, które nie mogą być rozwiązane za pomocą konwencjonalnych metod. W badaniach wykorzystano SSN jako narzędzia do symulacji i optymalizacji procesu produkcji brykietów. Proces ten składa się z trzech etapów: rozdrabniania wstępnego na sieczkarni toporowej, mielenia na młynie bijakowym i zagęszczania w brykieciarce tłokowej. Na podstawie przeprowadzonych symulacji opracowano zalecenia dotyczące optymalnych parametrów prowadzenia procesu produkcji brykietów z miskanta (teoretycznej długości sieczki, średnicy sita młyna i ciśnienia brykietowania). Stwierdzono, że najkorzystniejsze jest przyjęcie teoretycznej długości sieczki równej 10 mm i średnicy sita 15 mm. Zapewnia to minimalną energochłonność procesu produkcji brykietu. Parametry jakościowe brykietu (trwałość i gęstość) należy regulować wartością ciśnienia brykietowania.
Artificial neural networks (ANN) are considered to be one of the newest tools that are used to solve complex problems that can not be solved by conventional methods. The study used an ANN as a tool to simulate and optimize the production of briquettes. This process consists of three stages: preliminary shredding process carried out using flywheel cutter, grinding in a beater wheel mill, and compacting in the briquetting piston machine. Based on simulations performed, we developed recommendations for the optimal production parameters of miscanthus briquette (theoretical chop length, diameter sieve mill and briquetting pressure). It was found that the best is to adopt a theoretical chop length equal to 10 mm and 15 mm diameter sieve. This ensures minimal energy consumption during production of briquettes. Quality parameters of briquette (durability and density) should be regulated by briquetting pressure value.
Źródło:
Autobusy : technika, eksploatacja, systemy transportowe; 2012, 13, 4; 74-85
1509-5878
2450-7725
Pojawia się w:
Autobusy : technika, eksploatacja, systemy transportowe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Selected Tools For Wind Farm Output Daily-Hourly Forecasting For The Wholesale Market
Wybrane narzędzia do prognozowania dobowo-godzinowego energii elektrycznej wytwarzanej przez elektrownie wiatrowe na potrzeby rynku hurtowego
Autorzy:
Rubanowicz, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/1833862.pdf
Data publikacji:
2020
Wydawca:
ENERGA
Tematy:
short-term forecasting
wind farm
artificial neural networks
prognozowanie krótkoterminowe
elektrownia wiatrowa
sztuczne sieci neuronowe
Opis:
Owners of generating sources after their connection to the power grid become participants of the electricity market, including the balancing market. From that moment on, each participant is obliged to forecast their own generating units' output with a specified advance time. The adopted energy transformation policy removes investment restrictions, in particular concerning the so-called distance act (10H), which stopped the dynamic development of this technology on land. This approach will contribute to the construction of more wind farms. The greater the number of generation sources dependent on weather conditions, the more difficult their predictability and the greater the risk of trade imbalances in participants ' purchasing portfolios. Every incorrect energy forecast that differs from the actual output will result in higher costs of participation in the market. Effective output forecasting allows companies to reduce the cost of their participation. This paper presents a method of forecasting wind farm output using artificial neural networks, which can be an alternative tool for analytical and statistical models. This paper aims to evaluate the effectiveness of the farm output forecast model, i.e. the output modelling for specific weather conditions. The paper presents the farm output affecting factors that should be included in the model, and it shows that the neural network can reproduce farm output curves similar to the catalogue curves with consideration of the object's characteristics. The author has exhaustively researched the subject for 10 years, reaching the main conclusion that it is impossible to create one universal forecast model for every farm. This means that each such facility requires an individual approach to obtain an effective forecast. The changing market environment requires further action and the development of new models suitable for the needs of the markets within a shorter time horizon.
Właściciele źródeł wytwórczych po przyłączeniu do sieci elektroenergetycznej stają się uczestnikami rynku energii elektrycznej, w tym rynku bilansującego. Od tego momentu każdy uczestnik zobowiązany jest do prognozowania produkcji energii własnych jednostek wytwórczych z określonym wyprzedzeniem czasowym. Przyjęta polityka transformacji energetycznej znosi ograniczenia inwestycyjne, w szczególności w zakresie tzw. ustawy odległościowej (10H), która wstrzymała dynamiczny rozwój tej technologii na lądzie. Takie podejście przyczyni się do budowy kolejnych elektrowni wiatrowych. Im większa będzie liczba źródeł wytwórczych, których produkcja zależy od warunków pogodowych, tym trudniejsza będzie ich przewidywalność i większe ryzyko niezbilansowania handlowego portfeli zakupowych uczestników. Każda błędna prognoza energii, różniąca się od rzeczywistej produkcji, będzie skutkowała większymi kosztami uczestnictwa w rynku. Skuteczne prognozowanie produkcji energii umożliwia przedsiębiorstwom redukcję kosztów ich uczestnictwa. Artykuł prezentuje metodę prognozowania energii farmy wiatrowej za pomocą sztucznych sieci neuronowych, które mogą stanowić alternatywne narzędzie względem modeli analitycznych i statystycznych. Celem artykułu była ocena skuteczności modelu prognozy energii farmy, czyli modelu odtwarzającego moc farmy dla określonych warunków meteorologicznych. W artykule przedstawiono czynniki wpływające na moc farmy, które należy uwzględnić w modelu, a także wykazano, że sieć neuronowa potrafi odtworzyć krzywe mocy farmy zbliżone do krzywych katalogowych z uwzględnieniem cech charakterystycznych obiektu. Autor przez 10 lat wyczerpał temat, dochodząc do głównego wniosku, że nie można stworzyć jednego uniwersalnego modelu prognozy dla każdej farmy. Oznacza to, że każdy tego typu obiekt wymaga indywidualnego podejścia, aby uzyskać skuteczną prognozę. Zmieniające się otoczenie rynkowe wymaga dalszych działań i opracowania nowych modeli sprawdzających się w krótszym horyzoncie czasowym na potrzeby rynków.
Źródło:
Acta Energetica; 2020, 2; 36--45
2300-3022
Pojawia się w:
Acta Energetica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie perceptronu wielowarstwowego do wyszczególniania obiektów o znaczeniu orientacyjnym na mapach topograficznych
The use of a multilayer perceptron for specifying the landmarks on topographic maps
Autorzy:
Pokonieczny, K.
Powiązania:
https://bibliotekanauki.pl/articles/345795.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Informacji Przestrzennej
Tematy:
sztuczne sieci neuronowe
obiekty orientacyjne
klasyfikacja obiektów przestrzennych
artificial neural networks
landmarks
spatial data classification
Opis:
W artykule została poruszona problematyka wyboru obiektów o znaczeniu orientacyjnym tj. trwałych obiektów i przedmiotów sytuacyjnych, które łatwo rozpoznać w terenie i według których dokładnie i szybko można określić swoje położenie. Do ich wyszczególniania, wykorzystano sztuczne sieci neuronowe (a konkretnie perceptron wielowarstwowy). W artykule opisano zarówno sposób doboru najwłaściwszej architektury sieci neuronowej, jak i wprowadzane do niej dane wejściowe (parametry opisujące obiekt oraz jego otoczenie). Testy przeprowadzono dla obszaru 4 arkuszy Wojskowej Mapy Topograficznej w skali 1:50 000. Przeanalizowano 4 klasy obiektów (komin, krzyż przydrożny, pomnik i punkt wysokościowy). W celu wyboru odpowiedniej architektury sieci, wykonano sprawdzenie krzyżowe, polegające na podziale próby uczącej na 3 części (uczącą, testową i walidacyjną). Pozwoliło to na wybór 10 najlepszych sieci, które zostały połączone w zespół sztucznych sieci neuronowych. Ponadto przeprowadzono globalną analizę wrażliwości, co pomogło określić, które zmienne mają największy wpływ na możliwość zakwalifikowania obiektu do grupy obiektów orientacyjnych. Wdrożenie sieci wykonano na bazie zbioru danych testowych znajdujących się na obszarze sąsiedniego arkusza mapy. Wyniki wskazują, że przygotowana sieć neuronowa we właściwy sposób potrafiła wyszczególnić obiekt o znaczeniu orientacyjnym. Najwyższy współczynnik nadawany był wysokim, odosobnionym obiektom, co było zgodne ze sposobem nauczania sieci neuronowej. Zastosowanie ciągłej funkcji aktywacji pozwoliło na wyznaczenie współczynnika w ciągłym przedziale od 0 do 1. W zaprezentowanych w artykule przykładach wykorzystane zostały dane przestrzenne pochodzące z Vector Map Level 2 i mapy w skali 1 : 50 000.
The presented article concerns the issue of landmarks selection i.e. solid objects and situational items that may be easily identified in the field. To specify them the artificial neural networks (a multi-layer perceptron) have been used. The article describes both, how to select the most appropriate neural network architecture and input data (attribute and spatial) which are entered to the network. The tests have been performed for the area of 4 sheets of the Military Topographic Map at 1:50 000 scale. 4 classes of objects have been analyzed (a chimney, a wayside cross, a monument and an elevation spot). To select the appropriate network architecture the cross-validation has been performed. The learning sample has been divided into 3 parts (one learning, one testing and one validation sample). This allowed to select the top 10 networks. In addition a global sensitivity analysis was conducted, which helped to determine variables with the greatest impact on the results. Implementation of the network was made based on a test data set, located in the area of the adjacent map sheets. The results showed that the neural network was able to correctly specify a landmark. The highest index was assigned to high, isolated objects, which was in line with the way of teaching the neural network. The usage of a continuous activation function allowed to determine the index in the continuous range 0 to 1. The spatial data from the Vector Map Level 2 and the Military Topographic Map at 1:50 000 scale have been used for studies described in this article.
Źródło:
Roczniki Geomatyki; 2016, 14, 3(73); 397-405
1731-5522
2449-8963
Pojawia się w:
Roczniki Geomatyki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sieci neuronowej MLP z propagacją wsteczną błędów jako metody modelowania cech reologicznych surowych farszów mięsnych
Applying the MLP neural network with back propagation asmethod of modeling and forecasting rheological features of raw minced meat
Autorzy:
Balejko, J.
Zapletal, P.
Balejko, E
Powiązania:
https://bibliotekanauki.pl/articles/227809.pdf
Data publikacji:
2013
Wydawca:
Wyższa Szkoła Menedżerska w Warszawie
Tematy:
sztuczne sieci neuronowe
tekstura
farsz
właściwości reologiczne
artificial neural nets
texture
minced meat
rheological properties
Opis:
Celem badań była ocena możliwości analizy danych przy użyciu sztucznych sieci neuronowych do modelowania i prognozowania cech reologicznych surowych farszów mięsnych o założonym składzie surowcowym. Materiał badawczy stanowiło mięso wieprzowe, wołowe, słonina wieprzowa, zamienniki tłuszczu, lód oraz mieszanka peklująca. Surowy farsz mięsny w różnych proporcjach składników poddawano analizie instrumentalnej w celu wyznaczenia 7 wyróżników właściwości lepkosprężystych farszu. Zaprojektowano model sztucznej sieci neuronowej o architekturze perceptronu wielowarstwowego 7:7–11–7:7 i poddano ją procesowi uczenia metodą wstecznej propagacji błędu w celu rozpoznawania i przewidywania 7 parametrów składających się na charakterystykę tekstury farszów mięsnych.
The aim of the study was to elaborate a method of modelling and forecasting rheological features which could be applied to raw minced meat at the stage of mixture preparation with a given ingredient composition. The investigated material contained pork and beef meat, pork fat, fat substitutes, ice and curing mixture in various proportions. Seven parameters were measured for each sample of raw minced meat. Then, the neural network model of multi-layer perceptron architecture 7:7–11–7:7 was designed and trained with back propagation algorithm in order to predict texture features. Statistical analysis of the results revealed, that artificial neural network model is able to predict rheological parameters a of raw minced meat.
Źródło:
Postępy Techniki Przetwórstwa Spożywczego; 2013, 1; 64-68
0867-793X
2719-3691
Pojawia się w:
Postępy Techniki Przetwórstwa Spożywczego
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Regression modeling and neural computing for predicting the ultimate tensile strength of friction stir welded aerospace aluminium alloy
Autorzy:
Mishra, Akshansh
Vance, Jonathan Ve
Powiązania:
https://bibliotekanauki.pl/articles/95289.pdf
Data publikacji:
2019
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
artificial neural networks
regression model
friction stir welding
sztuczne sieci neuronowe
model regresji
zgrzewanie tarciowe
Opis:
AA7075 is an aluminum alloy which is almost as strong as steel, yet it weighs just one third as much. Unfortunately its use has been limited, due to the fact that pieces of it could not be securely welded together by the traditional welding process. Friction Stir Welding (FSW) process overcomes the limitations of conventional welding process. In our present work we have used Artificial Neural Network which is Artificial Intelligence based technique used for prediction purpose. The main objective of our present work is to compare the predicted results of the Ultimate Tensile Strength (UTS) of Friction Stir welded similar joints through Regression modeling and Artificial Neural Network (ANN) modeling. It was observed that the linear regression algorithm is able to make more accurate predictions compared to neural network algorithm for small dataset.
Źródło:
Journal of Mechanical and Energy Engineering; 2019, 3, 3; 221-226
2544-0780
2544-1671
Pojawia się w:
Journal of Mechanical and Energy Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rozwój inteligentnego systemu monitorowania rozdzielczej sieci wodociągowej
The development of an intelligent monitoring system of a local water supply network
Autorzy:
Wyczółkowski, R.
Matysiak, G.
Powiązania:
https://bibliotekanauki.pl/articles/301637.pdf
Data publikacji:
2009
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
diagnostyka
algorytm genetyczny
sztuczne sieci neuronowe
sieci wodociągowe
wyciek
diagnostic
genetics algorithm
neural networks
water pipeline
leakage
Opis:
W artykule przedstawiono rozwój inteligentnego systemu monitorowania sieci wodociągowej. Głównym zadaniem systemu jest wykrywanie i lokalizowanie awarii sieci wodociągowej. Wejściami do modelu są dane z czujników przepływu zainstalowanych na sieci, zaś wyjściami informacja o wykryciu wycieku i jego lokalizacji. Podstawową zaletą tej koncepcji systemu diagnozowania sieci wodociągowej jest możliwość przybliżonej lokalizacji uszkodzeń sieci w oparciu o ograniczoną liczbę czujników na niej zainstalowanych. System oparty jest o sztuczne sieci neuronowe, które klasyfikują stany sieci (sprawna, wyciek w zdefiniowanym obszarze sieci). Artykuł przedstawia prace prowadzone w celu ulepszenia metody budowy klasyfikatora, będącego zasadniczym elementem systemu i zwiększenia dokładności jego wskazań.
The paper presents the development of monitoring system of intelligent water supply network. The main task of this system is water leakage detection and localization. For inputs, this system uses information from fl ow sensors, mounted on the pipeline network, while the output is a piece of information about leakage detection and localization. The main advantage of this system is a possibility of approximate leakage localization using only a limited number of installed sensors. The system is based on an artifi cial neural network which classifi ed the states of network (leakage in defined part of network, no leakage). In the paper, some developments and attempts to improve the sensitivity and accuracy of this system, and develop the method of classifi er building were described.
Źródło:
Eksploatacja i Niezawodność; 2009, 2; 71-75
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Numerical prediction of component-ratio-dependent compressive strength of bone cement
Autorzy:
Machrowska, Anna
Karpiński, Robert
Jonak, Józef
Szabelski, Jakub
Krakowski, Przemysław
Powiązania:
https://bibliotekanauki.pl/articles/117777.pdf
Data publikacji:
2020
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
artificial neural networks
mathematical modelling
biomaterials
bone cement
sztuczne sieci neuronowe
modelowanie matematyczne
biomateriały
cement kostny
Opis:
Changes in the compression strength of the PMMA bone cement with a variable powder/liquid component mix ratio were investigated. The strength test data served to develop basic mathematical models and an artificial neural network was employed for strength predictions. The empirical and numerical results were compared to determine modelling errors and assess the effectiveness of the proposed methods and models. The advantages and disadvantages of mathematical modelling are discussed.
Źródło:
Applied Computer Science; 2020, 16, 3; 87-101
1895-3735
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie neuronalne rozwoju systemu elektroenergetycznego. Część 2. Modele systemu IEEE RTS
Neuronal modeling of power system development. Part 2. Models of IEEE RTS system
Autorzy:
Tchórzewski, J.
Pytel, M.
Powiązania:
https://bibliotekanauki.pl/articles/376182.pdf
Data publikacji:
2015
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
sztuczne sieci neuronowe
dane testowe IEEE RTS
rozwój systemu elektroenergetycznego
środowisko MATLABA i Simulinka
badanie wrażliwości
Opis:
W pracy zamieszczono wybrane wyniki badań dotyczące modelowania neuralnego rozwoju systemu elektroenergetycznego na bazie danych testowych IEEE RTS 96., m.in.: sposób tworzenia macierzy danych wejściowych oraz wyjściowych, sposób doboru parametrów sieci, itp. W wyniku projektowania i uczenia SSN uzyskano modele rozwoju SEE, które poddano badaniom wrażliwości m.in. na zmianę liczby warstw ukrytych oraz liczby neuronów w warstwie.
The paper presents selected results of research on the modeling of neural development of the power system test data based on the IEEE RTS 96, m.in .: how to create a matrix of data input and output, how to select the network parameters and the like. As a result of learning design and development of the ANN models were obtained SEE, which has been tested sensitivity among to change the number of hidden layers and the number of neurons in a layer.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2015, 82; 39-44
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych oraz architektury OPENCL w spektralnej i falkowej analizie prądu silnika LSPMSM
Aplication of artificial neural networks and OpenCL in spectral and wavelet analysis of phase current of LSPMSM machine
Autorzy:
Pietrowski, W.
Wiśniewski, G. D.
Górny, K.
Powiązania:
https://bibliotekanauki.pl/articles/377377.pdf
Data publikacji:
2017
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
analiza widmowa
analiza falkowa
silnik LSPMSM
OpenCL
obliczenia równoległe
sztuczne sieci neuronowe
algorytm wstecznej propagacji błędu
Opis:
W artykule przedstawiono autorskie algorytmy obliczeń równoległych które zostały zastosowane w oprogramowaniu do diagnostyki silnika LSPMSM. Oprogramowanie umożliwia spektralną i falkową analizę prądu maszyny a także posiada wbudowane mechanizmy sztucznych sieci neuronowych (SSN) które to mogą służyć jako element decyzyjny systemu diagnostycznego. Ponadto przybliżono tematykę związaną ze strukturą zastosowanej sieci neuronowej, algorytmami nauczania sztucznych sieci neuronowych oraz standardem OpenCL.
The paper presents algorithms of parallel computing which have been used in program for diagnosis of LSPMSM machine. The software allows to spectral and wavelet analysis of phase current of LSPMSM motor. Moreover, the program has a built-in artificial neural network which is a decisive element of the diagnostic system. In addition, the article brought closer to issues related to the structure and learning algorithms of artificial neural networks and OpenCL.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2017, 91; 311-321
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Możliwości informatyki kwantowej do poprawy dokładności modelowania. Część 2 – KAE na przykładzie ruchu robota PR-02
Possibility of quantum computer to improve accuracy of modeling. Part 2. KAE on example on motion robot PR-02
Autorzy:
Tchórzewski, J.
Wołynka, Ł.
Powiązania:
https://bibliotekanauki.pl/articles/377920.pdf
Data publikacji:
2016
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
sztuczne sieci neuronowe
algorytmy ewolucyjne
środowisko MATLABA i Simulinka
robot PR-02
modelowanie systemów
informatyka kwantowa
Opis:
Artykuł zawiera wybrane wyniki badań dotyczące próby opracowania kwantowego algorytmu ewolucyjnego i jego implementacji w j. Matlab do poprawy parametrów modelu neuralnego ruchu ramienia robota PR-02. Populację początkową zbudowano na bazie macierzy wag sztucznej sieci neuronowej. Wylosowane wartości poszczególnych chromosomów populacji początkowej zostały przekształcone na wartości binarne, a te z kolei na wartości kwantowe przy wykorzystaniu opracowanej w tym celu funkcji quatization(). Wartość kwantowa genu została określona na podstawie silniejszego stanu czystego reprezentowanego przez podchromosomy, do czego została wykorzystana funkcja dequantization(). Selekcję osobników przeprowadzono na bazie modelu neuralnego ruchu robota PR-02 zaimplementowanego w j. Matlab jako funkcja calculationsNeuralNetworks().
The article contains selected results of research on trying to develop a quantum evolutionary algorithm and its implementation in Matlab to improve the parameters of the model of neural movement of the robot arm PR-02. The initial population is constructed on the basis of the matrix weights artificial neural network. The drawn values of individual initial population of chromosomes have been converted to binary values, and the latter value using quantum developed for this purpose function of quatization(). The value of the quantum of the gene was determined on the basis of a stronger state of pure represented by subchromosomes, what was used a function of dequantization(). Selection of individuals was carried out based on the model of neural traffic robot PR-02 implemented as a function of calculationsNeuralNetworks().
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2016, 88; 143-152
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optymalizacja procesów decyzyjnych przy zastosowaniu wybranych metod sztucznej inteligencji
Optimization of decision processes using chosen methods of artificial intelligence
Autorzy:
Nowakowski, K.
Boniecki, P.
Majewski, A.
Powiązania:
https://bibliotekanauki.pl/articles/288891.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczne sieci neuronowe
system ekspercki
optymalizacja
proces decyzyjny
artificial neural network
expert system
optimization
decision cases
Opis:
Już od dawna ludzie poszukują narzędzi, które pomogłyby im w procesie podejmowania trafnych decyzji. Ze względu na nikłe jak do tej pory sukcesy rozsądnym wydaje się być wykorzystanie w tym celu wybranych metod sztucznej inteligencji. Użycie w/w technologii opartych na symulacji pracy ludzkiego umysłu daje nowe możliwości. Połączenie techniki sztucznych sieci neuronowych i systemów ekspertowych pozwoliło na stworzenie wirtualnych doradców - specjalistów w wybranej dziedzinie. Pozwalają oni skutecznie pomóc w podejmowaniu konkretnych decyzji. Nie zrobią tego za człowieka ale dzięki wykorzystanym technologią mogą pomóc w podjęciu optymalnej decyzji.
Since a long time humans seek tools which would help them take accurate decisions. Because of very little success so far, choosing methods of artificial intelligence seems to be reasonable. Using mentioned technologies based on simulation of work of human mind gives new possibilities. The connection of technique of artificial neural network and expert systems permitted to create virtual advisers' - experts in chosen field. They permit to help treat concrete decisions effectively. They will not make it instead of humans but thanks to used technology they can help undertake optimal decision.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 131-136
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Próba wykorzystania sieci neuronowych w kompleksowej interpretacji danych elektromagnetycznych na przykładzie złoża Grabownica
An attempt to apply artificial neural networks in integrated interpretation of electromagnetic data - the Grabownica hydrocarbon deposit case study
Autorzy:
Mastej, W.
Powiązania:
https://bibliotekanauki.pl/articles/183525.pdf
Data publikacji:
2011
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
rozpoznawanie obrazów
sztuczne sieci neuronowe
magnetotelluryka
złoża węglowodorów
pattern recognition
artificial neural networks
magnetotellurics
hydrocarbon deposits
Opis:
W pracy przedstawiono próbę zastosowania metody rozpoznawania obrazów z użyciem sztucznych sieci neuronowych w kompleksowej interpretacji danych z sondowań magnetotellurycznych AMT (Audio-frequency Magnetotellurics) i CSAMT (Controlled Source Audio-frequency Magnetotellurics) ze złoża ropy i gazu Grabownica (dipol podłużny i poprzeczny względem linii profili pomiarowych). Obiektami klasyfikacji były pionowe pasy z przekrojów magnetotellurycznych, o szerokości 50 m, utworzone na bazie siatek interpolacyjnych. Strukturę obiektów formalnie niestrukturalnych wymuszono częściowo poprzez ich podział na: przypowierzchniową, wysokooporową strefę do 200 m n.p.m., strefę niskooporowych utworów uszczelniających oraz słabych maksimów - kominów dyfuzyjnych, od 200 do -100 m n.p.m. i najniższą, wysokooporową strefę złoża. Prawidłowe wskazanie rzeczywistych stref złożowych na bazie informacji pochodzących z często niejasnych i rozbieżnych między sobą obrazów z przekrojów magnetotellurycznych, świadczą o przydatności tej metody. Wskazano także dwie nieznane strefy złożowe w NE części przekroju G4 i w SW części przekroju G2.
The paper presents an attempt to apply the pattern recognition method using artificial neural networks in integrated interpretation of the magnetotelluric data AMT (Audio-frequency Magnetotellurics) and CSAMT (Controlled Source Audio-frequency Magnetotellurics), acquired from the Grabownica oil and gas deposit (longitudinal and transversal dipole in relation to measurement profile lines). Vertical belts of magnetotelluric cross-sections, each 50 m wide, obtained from interpolation grids, were the objects of classification. The structure of formally non-structural objects was partly imposed through division into: near-surface high-resistivity zone, to 200 m a.s.l., low-resistivity screens and week maxima - diffusion chimneys, from 200 to -100 m a.s.l., and the lowest, high-resistivity deposit zone. The usefulness of the method was proven by correct identification of real deposit zones based on data often coming from ambiguous and incompatible magnetotelluric cross-sections. In addition, two unknown deposit zones were discovered in NE part of cross-section G4 and SW part of cross-section G2.
Źródło:
Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie; 2011, 37, 1; 157-173
0138-0974
Pojawia się w:
Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Effect of rock properties on ROP modeling using statistical and intelligent methods: a case study of an oil well in southwest of Iran
Badanie wpływu właściwości skał na prędkość wiercenia przy zastosowaniu metod statystycznych i inteligentnych: studium przypadku: szyb naftowy w południowo-zachodniej części Iranu
Autorzy:
Bezminabadi, S. N.
Ramezanzadeh, A.
Jalali, S. M. E.
Tokhmechi, B.
Roustaei, A.
Powiązania:
https://bibliotekanauki.pl/articles/219768.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
prędkość wiercenia
właściwości skał
metoda wielokrotnej regresji nieliniowej
sztuczne sieci neuronowe
ROP
rock properties
MNR
ANN
Opis:
Rate of penetration (ROP) is one of the key indicators of drilling operation performance. The estimation of ROP in drilling engineering is very important in terms of more accurate assessment of drilling time which affects operation costs. Hence, estimation of a ROP model using operational and environmental parameters is crucial. For this purpose, firstly physical and mechanical properties of rock were derived from well logs. Correlation between the pair data were determined to find influential parameters on ROP. A new ROP model has been developed in one of the Azadegan oil field wells in southwest of Iran. The model has been simulated using Multiple Nonlinear Regression (MNR) and Artificial Neural Network (ANN). By adding the rock properties, the estimation of the models were precisely improved. The results of simulation using MNR and ANN methods showed correlation coefficients of 0.62 and 0.87, respectively. It was concluded that the performance of ANN model in ROP prediction is fairly better than MNR method.
Prędkość wiercenia jest jednym z podstawowych parametrów charakteryzujących tempo prac wiertniczych. Oszacowanie prędkości wiercenia jest zagadnieniem kluczowym dla inżynierów wiertnictwa, gdyż pozwala na dokładne określenie czasu trwania prac, a co za tym idzie także kosztów operacyjnych. Szacowanie prędkości wiercenia odbywa się na podstawie modelu uwzględniającego parametry pracy oraz parametry środowiskowe. Pierwszy krok obejmuje pozyskanie danych o fizycznych i mechanicznych właściwościach skał na podstawie profilowania geofizycznego otworu. Zastosowano korelację odpowiednich par danych dla pokreślenie wpływu głównych czynników warunkujących prędkość wiercenia. Nowy model obliczania prędkości wiercenia opracowany został w okręgu naftowym Azadegan w południowo-zachodniej części Iranu. Symulacje prowadzono w oparciu o metodę wielokrotnej regresji nieliniowej a także przy wykorzystaniu sztucznych sieci neuronowych. Poprzez dodanie danych o właściwościach skał, model został znacznie udoskonalony. Wyniki symulacji prowadzonych w oparciu o powyższe metody wykazały współczynniki korelacji na poziomie 0.62 i 0.87. Stwierdzono, że metoda wykorzystująca sztuczne sieci neuronowe daje dokładniejsze szacunki prędkości wiercenia niż podejście bazujące wyłącznie na metodzie obliczania regresji nieliniowej
Źródło:
Archives of Mining Sciences; 2017, 62, 1; 131-144
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial Neural Networks Approaches to Monitoring of Combustion in a Fluid Boiler
Monitorowanie kotłów fluidalnych z zastosowaniem neuronowych modeli spalania
Autorzy:
Jankowska, A.
Kornacki, S.
Powiązania:
https://bibliotekanauki.pl/articles/972155.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
wirtualne analizatory
diagnostyka kotłów energetycznych
artificial neural networks
virtual analyzers
fluid boilers diagnosis
Opis:
The paper describes the applications of artificial neural network models to calculating the emission of exhaust gases and early detection of a steam leak in power fluid boilers. Both tasks are related to the monitoring of boilers operation necessary for fulfilling the ecological requirements (balancing and reduction of the contamination emissions) and limiting the damage results. The paper describes especially problems, that are of general character and are important for implementation of industrial applications similar to other industrial plants.
Opisano zastosowanie modeli neuronowych do wyliczania emisji zanieczyszczeń powietrza oraz do wczesnego wykrywania nieszczelności parowych w energetycznych kotłach fluidalnych. Oba zadania związane są z monitorowaniem pracy kotłów koniecznym dla spełnienia wymagań ekologicznych (bilansowanie i redukcja emisji zanieczyszczeń) oraz ograniczeniem skutków awarii. W artykule przedstawiono zwłaszcza te zagadnienia, które mają charakter ogólny i są ważne przy tworzeniu tego typu przemysłowych aplikacji dla innych obiektów przemysłowych.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 3, 3; 149-151
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Obliczanie współczynnika strat liniowych λ za pomocą sztucznych sieci neuronowych
Calculating linear losses λ ratio using artificial neuron net
Autorzy:
Dawidowicz, J.
Powiązania:
https://bibliotekanauki.pl/articles/908426.pdf
Data publikacji:
2013
Wydawca:
Fundacja Ekonomistów Środowiska i Zasobów Naturalnych
Tematy:
system dystrybucji wody
sztuczne sieci neuronowe
współczynnik tarcia
water distribution system
artificial neural network
friction factor
Opis:
System dystrybucji wody jest jednym z najważniejszych i najkosztowniejszych elementów systemu zaopatrzenia w wodę. Podstawowym zadaniem podczas projektowania sieci wodociągowych jest wykonanie obliczeń hydraulicznych mających na celu ustalenie strat ciśnienia. W tym celu powszechnie stosuje się technikę komputerową.
Numerical modelling of water distribution systems are used in the design, operation and decision support. In recent years, many applications require a substantial acceleration calculation. This paper attempts to use artifi cial neural networks to calculate the friction factor. Commonly used Colebrook-White formula requires the use of an iterative method, which extends the computation time. Properly prepared neural network can perform this task much faster.
Źródło:
Ekonomia i Środowisko; 2013, 4; 177-186
0867-8898
Pojawia się w:
Ekonomia i Środowisko
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Condition monitoring of off-highway truck tires at Sungun copper mine using neural networks
Monitorowanie stanu technicznego opon w ciężkich pojazdach terenowych eksploatowanych w kopalni miedzi Sungun, przy użyciu sieci neuronowych
Autorzy:
Moniri Morad, A.
Sattarvand, J.
Powiązania:
https://bibliotekanauki.pl/articles/218962.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
eksploatacja
optymalizacja kosztów
opona ciężarówki
sztuczne sieci neuronowe
maintenance
cost optimization
truck tire
artificial neural networks
Opis:
Maintenance cost of the equipment is one of the most important portions of the operating expenditures in mines; therefore, any change in the equipment productivity can lead to major changes in the unit cost of the production. This clearly shows the importance and necessity of using novel maintenance methods instead of traditional approaches, in order to reach the minimum sudden occurrence of the equipment failure. For instance, the tires are costly components in maintenance which should be regularly inspected and replaced among different axles. The paper investigates the current condition of equipment tires at Sungun Copper Mine and uses neural networks to estimate the wear of the tires. The Input parameters of the network composed of initial tread depth, time of inspection and consumed tread depth by the time of inspection. The output of the network is considered as the residual service time ratio of the tires. The network trained by the feed-forward back propagation learning algorithm. Results revealed a good coincidence between the real and estimated values as 96.6% of correlation coefficient. Hence, better decisions could be made about the tires to reduce the sudden failures and equipment breakdowns.
Koszty użytkowania sprzętu stanowią jedną z najpoważniejszych pozycji w zestawieniu kosztów eksploatacyjnych kopalni, dlatego też każda poprawa wydajności sprzętu powoduje w efekcie zmianę jednostkowego kosztu produkcji. Wyraźnie pokazuje to wagę i konieczność stosowania nowoczesnych metod eksploatacji w miejsce podejścia tradycyjnego w celu minimalizacji ryzyka wystąpienia awarii sprzętu. Przykładowo, opony są elementami kosztownymi w eksploatacji, wymagają regularnego przeglądu i ponownego mocowania na osi. W artykule przebadano stan techniczny opon w maszynach i urządzeniach eksploatowanych w kopalni miedzi Sungun. Przy zastosowaniu metod wykorzystujących sieci neuronowe określano zużycie opon. Parametry wejściowe sieci to początkowa głębokość bieżnika, okres pomiędzy przeglądami, zużycie bieżnika do czasu przeglądu. Parametr wyjściowy to współczynnik określającyczas serwisowania opon. Sieć uczono przy użyciu algorytmu propagacji wstecznej z wyprzedzeniem (feedforward back-propagation algorithm). Uzyskane wyniki wskazują wysoką zbieżność pomiędzy wartościami rzeczywistymi a estymowanymi, współczynnik korelacji kształtuje się na poziomie 96.6%. Umożliwia to podejmowanie lepszych decyzji w odniesieniu do eksploatacji opon, tak by zapobiec nagłym uszkodzeniom i awariom sprzętu.
Źródło:
Archives of Mining Sciences; 2013, 58, 4; 1133-1144
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie matrycy półprzewodnikowych czujników gazu do ciągłego monitoringu poprawności procesu oczyszczania ścieków
Застосування матриці напівпровідникових датчикв газу для безперервного контролю регулярності очищення стічних вод
Application of semiconductor gas sensors array for continuous monitoring of sewage treatment process regularity
Autorzy:
Guz, Ł.
Powiązania:
https://bibliotekanauki.pl/articles/408287.pdf
Data publikacji:
2015
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
ścieki
elektroniczny nos
matryca czujników
sztuczne sieci neuronowe
wastewater
electronic noses
sensor array
artificial neural networks
Opis:
Urządzenia z matrycą złożoną z różnych czujników gazu, nazywane również elektronicznym nosem, umożliwiają wyznaczenie dla badanego gazu unikalnego wzoru sygnałów (ang. gas fingerprint). W ściśle określonych warunkach można go skorelować z wieloma parametrami fizykochemicznymi badanych próbek gazowych, jak również cieczy z fazą nadpowierzchniową. Matrycę złożoną z ośmiu półprzewodnikowych rezystancyjnych czujników gazu typu MOS wykorzystano do kontroli poprawności procesu oczyszczania ścieków, prowadzonego w półautomatycznym laboratoryjnym reaktorze SBR. Próbki powietrza pobierane były nad zwierciadłem ścieków z zamkniętej komory reaktora a następnie pozbawiane wilgoci za pomocą osuszacza z rurką nafionową. Do analizy wielowymiarowych wyników pomiarów zastosowano sztuczne sieci neuronowe (SSN), klasyfikujące stany procesu. Wyniki badań wykazały wysoką przydatność matrycy czujników MOS oraz SSN do ciągłej kontroli poprawności prowadzonego procesu. W przypadku podłączenia urządzenia do sieci komputerowej możliwy jest wgląd w stan procesu z dowolnego miejsca.
Пристрої з матрицею, яка складається з різних газових датчиків, звані також електронічний ніс, дозволяють визначити для досліджуваного газу унікальний зразок сигналів (анг. gas fingerprint). У конкретних умовах можна його співвіднести з низкою фізико-хімічних параметрів досліджуваних зразків газу, а також з рідиною із фазою вільного простору. Матриця складається з вісьми напівпровідникових резистивних газових датчиків типу MOS, використовуються для контролю точності процесу очищення стічних вод, який проводиться в напівавтоматичному лабораторному реакторі SBR. Проби повітря були зібрані над поверхнею стічних вод з закритої камери реактора, а потім позбавлені вологи за допомогою осушувача з трубкою nafion. Для аналізу багатовимірних оцінок вимірів використовуються штучні нейронні мережі (ШНМ), які класифікують стан процесу та оцінюють значення постійно вибираних параметрів якості стічних вод. Результати досліджень показали високу користь матриці MOS і ШНМ для безперервного моніторингу правильності проведеного процесу. При підключенні пристрою до комп'ютерної мережі можна побачити стан процесу з довільного місця.
Devices with a array composed of various gas sensors, also called electronic noses, allow to determine the unique pattern of signals (gas fingerprint) for the analyzed gas samples. When the strict measurement conditions are obeyed, signals can be correlated with several physico-chemical parameters of the gas samples, as well as liquids with a headspace phase. The array composed of eight MOS type resistive semiconductor gas sensors was used to control wastewater treatment process regularity, conducted in semi-automated laboratory SBR reactor. Gaseous phase was sampled above the wastewater surface in closed reactor chamber and afterward dehumidified using a nafion tube dryer. For the analysis of multidimensional data there were used artificial neural networks (ANN) which evaluated the status of the process. The research results revealed high usefulness of MOS sensors and SSN for continuous monitoring of wastewater treatment process regularity. In case of the devices connected to world wide web, there is a possibility of remote viewing of the process status.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2015, 4; 85-91
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczne sieci neuronowe o radialnych funkcjach bazowych do śledzenia obiektów w obrazach wideo
Artificial neural networks with radial basis functions for video object tracking
Autorzy:
Szymonik, J.
Powiązania:
https://bibliotekanauki.pl/articles/305873.pdf
Data publikacji:
2013
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
śledzenie obiektów
sztuczne sieci neuronowe
radialne funkcje bazowe
object tracking
artificial neural networks
radial basis functions
Opis:
W pracy przedstawiono opis sztucznej sieci neuronowej do lokalizacji i śledzenia obiektu w obrazach wideo z wykorzystaniem środowiska MATLAB oraz wyniki badań odporności algorytmu na mogące wystąpić zakłócenia. W artykule zaprezentowana została architektura sztucznej sieci neuronowej o radialnych funkcjach bazowych. Pokazany został zarówno algorytm śledzenia celu z wykorzystaniem powyższej architektury sieci, jak i metoda modelowania oraz lokalizacji celu. W podsumowaniu przedstawione zostały wyniki przeprowadzonych symulacji algorytmów śledzących opartych na sztucznych sieciach neuronowych.
The main problem considered in this article was the artificial neural network design for target localization and target tracking in video sequence, with the use of Matlab environment. What is more, the algorithm resistance to noise and disturbances that may occur was studied. The article presents the architecture of artificial neural network with radial basis functions. The algorithm for tracking as well as the method for target modeling and localization with the use of the above network architecture is shown. In the summary there are results of conducted simulations in Matlab of video trackers based on artificial neural networks.
Źródło:
Biuletyn Instytutu Systemów Informatycznych; 2013, 11; 33-39
1508-4183
Pojawia się w:
Biuletyn Instytutu Systemów Informatycznych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena efektywności neuronowego prognozowania w oparciu o wybrane metody na przykładzie dystrybucji produktów rolniczych
Assessment of effectiveness of the neural prediction based on selected methods exemplified by distribution of agricultural products
Autorzy:
Koszela, K.
Boniecki, P.
Weres, J.
Powiązania:
https://bibliotekanauki.pl/articles/287927.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna inteligencja
sztuczne sieci neuronowe
prognozowanie
szeregi czasowe
artificial intelligence
artificial neural networks
prediction
time series
Opis:
Prognozowanie staje się bardzo ważnym etapem w każdej działalności. W przypadku dystrybucji produktów rolniczych mamy do czynienia z szeregiem złożonych bodźców, które przekładają się na wynik końcowy. Natomiast jakość tych prognoz ma ogromne znaczenie na kolejne etapy w łańcuchu produkcyjno-dystrybucyjnym. Sieci neuronowe są bardzo wysublimowaną techniką modelowania, zdolną odwzorować bardzo złożone funkcje. Modelowanie z wykorzystaniem sztucznych sieci neuronowych stosuje się wówczas, gdy nie jest znany dokładny opis matematyczny rozpatrywanego zjawiska, natomiast dobrze określone są jego wejścia i wyjścia. Sztuczna sieć neuronowa potrafi nauczyć się rozpoznawać analizowany problem, dając szybko odpowiedź na zmieniające się parametry wejściowe procesu. W pracy przedstawiono porównanie dwóch metod neuronowego modelowania sprzedaży wybranego produktu.
Prediction becomes a very important stage in many activities. In case of distributing agricultural products we deal with a number of stimuli which consequently transform into the end effect. It is clear that the quality of those predictions has a great influence on subsequent stages in the production and distribution chain. Neural networks are a sophisticated technique of modeling capable of reflecting very complex functions. Modeling using artificial neural networks is used when exact mathematical description of investigated phenomenon is not known but its inputs and outputs are well defined. Artificial neural network can learn to recognize the problem analyzed giving an answer to changing input parameters. In the paper two methods of neural modeling of a chosen agricultural product distribution were presented.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 69-76
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Budowa modelu prognostycznego farmy wiatrowej w środowisku MATLAB
Construction of wind farms forecasting model in MATLAB
Autorzy:
Rubanowicz, T.
Powiązania:
https://bibliotekanauki.pl/articles/268666.pdf
Data publikacji:
2012
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
elektrownie wiatrowe
prognozowanie mocy
sztuczne sieci neuronowe
MATLAB
wind power plants
prediction methods
artificial neural networks
Opis:
Liberalizacja rynku energii elektrycznej sprawiła, że branża elektroenergetyczna przechodzi obecnie dynamiczny rozwój różnych jej obszarów (aspektów). Jednym z aspektów jest prognozowanie mocy jednostek wytwórczych źródeł wiatrowych. W prognozowaniu wykorzystuje się różnego rodzaju narzędzia matematyczne. Autor niniejszej publikacji poświęcił szczególną uwagę sztucznym sieciom neuronowym. Za pomocą modeli neuronowych istnieje możliwość predykcji generacji mocy wytwórczej farm wiatrowych. Budowa modelu prognostycznego wymaga umiejętności programistycznych. Powszechnym środowiskiem programistycznym, umożliwiającym budowę modeli, jest oprogramowanie naukowo-techniczne MATLAB. Wykorzystując wbudowane funkcje (gotowe moduły) istnieje możliwość zbudowania modelu prognostycznego farmy wiatrowej. W artykule przedstawiono sposób zamodelowania wybranej struktury neuronowej za pomocą modułu Neural Toolbox oraz przeprowadzono test nauczonej sieci.
The liberalization of the electricity market has made electric power industry is undergoing rapid development its different areas (aspects). One aspect is the forecasting power generating units wind sources. The prediction uses various mathematical tools. The author of this publication has devoted special attention to artificial neural networks. Using neural models can predict power generation manufacturing of wind farms. Construction of a predictive model requires programming skills. A common programming environment that allows the construction of models, is the scientific and technical software MATLAB. Using the built-in (ready modules) it is possible to build a predictive model of the wind farm. This article shows you how to model a neural structure chosen by Neural Toolbox module and performed background and sensor network test.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2012, 31; 123-126
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
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:
Sieci Kohonena jako narzędzie wspomagające budowę prognoz kombinowanych
Self-Organizing maps as a tool supporting the construction of combined forecasts
Autorzy:
Perzyńska, Joanna
Powiązania:
https://bibliotekanauki.pl/articles/449693.pdf
Data publikacji:
2017
Wydawca:
Zachodniopomorska Szkoła Biznesu w Szczecinie
Tematy:
modele ekonometryczne
prognozy kombinowane
sztuczne sieci neuronowe
sieci Kohonena
artificial neural network
combined forecasts
econometric models
Self-Organizing Maps
Opis:
W artykule przedstawiono propozycję wykorzystania sieci Kohonena we wstępnym etapie budowy prognoz kombinowanych. Przy pomocy sieci Kohonena można podzielić zbiór dostępnych modeli na rozłączne klasy, a następnie dokonać redukcji ich liczby. Prognozy składowe prognoz kombinowanych wyznacza się wówczas na podstawie modeli należących do różnych klas, co ma zapewnić niepowielanie informacji oraz zwiększyć dokładność prognoz kombinowanych. Ilustracją rozważań o charakterze teoretycznym jest przykład empiryczny, w którym prognozy (indywidualne i kombinowane) wyznaczono dla zmiennej mikroekonomicznej wykazującej wahania sezonowe. Przeprowadzone badania potwierdziły użyteczność zaproponowanej metody.
In the paper, the author presents suggestion of application of Self-Organizing Maps in the preliminary stage of construction of combined forecasts. Using the SOM, the set of available models can be divided into disjoint classes and then reduced. The component forecasts are then determined on the basis of models belonging to different classes, to ensure that information is not duplicated and to increase the accuracy of the combined forecasts. The illustration of theoretical considerations is the empirical example, in which individual and combined forecasts are calculated for economic variable with seasonal fluctations. The research confirms the usefulness of the suggested method.
Źródło:
Zeszyty Naukowe ZPSB Firma i Rynek; 2017, 2(52); 77-85
2657-3245
Pojawia się w:
Zeszyty Naukowe ZPSB Firma i Rynek
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-100 z 266

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