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 1-15 z 266
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:
Mozliwosc wykorzystania sztucznych sieci neuronowych w nauce i praktyce lesnej
Autorzy:
Zasada, M
Powiązania:
https://bibliotekanauki.pl/articles/821046.pdf
Data publikacji:
2001
Wydawca:
Polskie Towarzystwo Leśne
Tematy:
drzewostany
wykorzystanie
sieci neuronowe sztuczne
przyrost miazszosci
obliczenia
lesnictwo
sztuczna inteligencja
Źródło:
Sylwan; 2001, 145, 01; 39-45
0039-7660
Pojawia się w:
Sylwan
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Use of Artificial Neural Networks for Modelling of Seam Strength and Elongation at Break
Zastosowanie sztucznych sieci neuronowych dla modelowania wytrzymałości szwów i wydłużenia przy zerwaniu
Autorzy:
Yildiz, Z.
Dal, V.
Ünal, M.
Yildiz, K.
Powiązania:
https://bibliotekanauki.pl/articles/232292.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
textile fabrics
artificial neural networks
seam strength
modeling
tekstylia
sztuczne sieci neuronowe
szew wytrzymałościowy
modelowanie
wydłużenia przy zerwaniu
Opis:
The strength and elongation at break of a seam are very important characteristics of comfort clothing. Optimum seam strength must be durable enough to do our daily activities easily. Some parameters such as the type and count of the sewing yarn, the seam density, the size of the sewing needle, and type of stitch affecting the strength and elongation at break of the seam. In this study two kinds of fabrics (gabardine and poplin) were chosen for experiments. As sewing parameters, two different types of stitches (plain and chain stitch), five seam densities (3, 4, 5, 6 and 7 seams/cm), two kinds of sewing needles (SPI and SES), and three kinds of sewing yarns (cotton, core-spun, and PBT yarns) were used in experiments. With these materials 120 different seam variations were developed. Each sampless seam strength was tested according to the ISO 13935-1[1] standard using an Instron 4411 instrument. After the testing process, an artificial neural network model was developed to predict the seam strength and elongation at break values. The test results were applied to multi layer perceptron and radial basis function neural network modeling. These two neural network types were compared in terms of the accuracy of the modeling system. The results show that the artificial neural network model produces reliable estimates of seam strength and elongation at break (R=1, MSE=3.33E-05).
Wytrzymałość szwu i wydłużenie przy zerwaniu są bardzo ważnymi cechami ubrań z punktu widzenia wygody noszenia. Optymalna wytrzymałość szwu musi być wystarczająco duża, aby z łatwością wykonywać nasze codzienne czynności. Niektóre z parametrów, takich jak typ oraz numer przędzy, gęstość szwu, rozmiar igły do szycia, typ ściegu wpływają na wytrzymałość szwu i wydłużenie przy zerwaniu. Badania przeprowadzono na dwóch rodzajach tkanin (gabardyna i popelina), stosując dwa różne rodzaje szwów (proste i łańcuszkowy), szwy o pięciu gęstościach (3, 4, 5, 6 i 7 szwy/cm), dwa rodzaje igieł (SPI i SES) i trzy rodzaje przędz (bawełniana zwykła, rdzeniowa i przędze PBT), otrzymując 120 wariantów szwów. Wytrzymałość każdej próbki została zbadana zgodnie z normą ISO 13935-1 za pomocą przyrządu Instron 4411. Następnie, opracowano model sztucznej sieci neuronowej w celu przewidzenia wartości wytrzymałości szwów i wydłużenia przy zerwaniu. Wyniki badań zostały przetworzone w wielowarstwowym perceptronie i funkcji radialnej modelowania sieci neuronowej. Obydwa typy sieci neuronowych zostały porównane pod względem dokładności modelowania. stwierdzono, że za pomocą modelu sztucznych sieci neuronowych można uzyskać wiarygodne wyniki (R = 1, MSE = 3.33E-05).
Źródło:
Fibres & Textiles in Eastern Europe; 2013, 5 (101); 117-123
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
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:
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:
Wykorzystanie sztucznych sieci neuronowych do zmniejszenia błędów przetworników impedancji
Error correction of impedance-voltage converter with neural network application
Autorzy:
Wrzuszczak, M.
Khoma, Y.
Powiązania:
https://bibliotekanauki.pl/articles/266534.pdf
Data publikacji:
2016
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
przetwornik impedancja-napięcie
sztuczne sieci neuronowe
korekcja wyników pomiarów
impedance to voltage converter
artificial neural network
measurement error correction
Opis:
Przetworniki impedancja – napięcie (Z/U) stanowią podstawowy element komputerowych tomografów impedancyjnych. W artykule przedstawiono sposób zmniejszenia błędów przetwarzania przetwornika Z/U z zastosowaniem sztucznej sieci neuronowej wielowarstwowej, perceptronowej (MLP). Dokładność metody porównano z dokładnością uzyskaną w przypadku wyznaczania poprawek dla dwu składowych impedancji: rezystancyjnej i reaktancyjnej na podstawie wzorów analitycznych wyprowadzonych dla schematu zastępczego układu.
Impedance – voltage transducer (Z/U) are fundamental circuits in Impedance Tomography devices. In the paper the transducer error reducing method for resistance and reactance components of impedance with Multi-Layer Perceptron artificial neural network application is presented. The accuracy of the method is compared with the values calculated with analytical formulas derived for equivalent circuit of the transducer. The consideration presented in the paper focuses only on decreasing the processing error of the impedance/voltage transducer (Z/U), neglecting errors being introduced by following electronic processing stages i.e. phase detector and analog /digital converter.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2016, 49; 133-136
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Grafy i sieci w technikach decyzyjnych
Graph and network analysis in decision making techniques
Autorzy:
Wozniak, A.
Powiązania:
https://bibliotekanauki.pl/articles/62146.pdf
Data publikacji:
2010
Wydawca:
Polska Akademia Nauk. Stowarzyszenie Infrastruktura i Ekologia Terenów Wiejskich PAN
Tematy:
procesy produkcyjne
zarzadzanie
grafy
teoria grafow
grafy sieciowe
drzewa decyzyjne
sieci neuronowe sztuczne
Źródło:
Infrastruktura i Ekologia Terenów Wiejskich; 2010, 04
1732-5587
Pojawia się w:
Infrastruktura i Ekologia Terenów Wiejskich
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:
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:
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:
Wear of Railway Tyre Steels Modelling Using Artificial Neural Networks
Modelowanie zużycia stali na obręcze kół kolejowych za pomocą sztucznych sieci neuronowych
Autorzy:
Witaszek, Mirosław
Witaszek, Kazimierz
Powiązania:
https://bibliotekanauki.pl/articles/1857830.pdf
Data publikacji:
2020
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
wear
tyre steels
artificial neural networks
modelling
zużycie
stale na obręcze kół kolejowych
sztuczne sieci neuronowe
modelowanie
Opis:
In the paper the results of sliding wear tests were used to model the dependence of steel volume loss on railway wheel tyres on selected material parameters and sliding conditions. The material properties included in this modelling were the hardness and chemical composition of the tyre material (specimens) and the hardness of the mating material (counter-specimens). The conditions for sliding were the initial maximum Hertzian pressure and the sliding distance. The tests were carried out in the ring-block system. Artificial neural networks were used for modelling. It was found that the constructed model made it possible to quantify the volume loss from the above–mentioned factors. A clear influence of the pressure, friction distance, and hardness of both cooperating materials on the studied wear was found. The influence of the chemical composition is less noticeable due to the rather narrow range of its allowable changes. The microscopic tests allowed us to identify the main wear mechanisms in the sliding friction of the tested tyre and rail steels.
W pracy przedstawiono wykorzystanie wyników badań zużycia przy tarciu ślizgowym do modelowania zależności zużycia objętościowego stali na obręcze kół kolejowych od wybranych parametrów materiału i warunków współpracy. Własnościami materiału uwzględnionymi w tym modelowaniu były twardość oraz skład chemiczny materiału obręczy (próbki) oraz twardość materiału współpracującego (przeciwpróbki). Warunkami współpracy były początkowy, maksymalny nacisk Hertza i droga tarcia. Badania przeprowadzono w układzie klocek–krążek. Do modelowania wykorzystano sztuczne sieci neuronowe. Stwierdzono, że zbudowany model pozwolił na określenie zależności ilościowych ubytku objętościowego od wyżej wymienionych czynników. Wskazano występowanie wyraźnego wpływ nacisku, drogi tarcia, twardości obu współpracujących materiałów na badane zużycie. Wpływ składu chemicznego jest mniej zauważalny z powodu dość wąskiego zakresu dopuszczalnych jego zmian. Badania mikroskopowe pozwoliły na zidentyfikowanie głównych mechanizmów zużywania przy tarciu ślizgowym badanych stali obręczowych i szynowej.
Źródło:
Tribologia; 2020, 294, 6; 77-85
0208-7774
Pojawia się w:
Tribologia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modeling of fuel consumption using artificial neural networks
Modelowanie zużycia paliwa przy pomocy sztucznych sieci neuronowych
Autorzy:
Witaszek, Kazimierz
Powiązania:
https://bibliotekanauki.pl/articles/329548.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
fuel consumption
modeling
artificial neural network
SNNS
OBDII data
zużycie paliwa
modelowanie
sztuczne sieci neuronowe
dane OBDII
Opis:
The article presents a model of operational fuel consumption by a passenger car from the B segment, powered by a spark ignition engine. The model was developed using artificial neural networks simulated in the Stuttgart Neural Network Simulator (SNNS) package. The data for the model was obtained from longterm operational tests, during which data from the engine control unit were recorded via the OBDII diagnostic interface. The model is based on neural networks with two hidden layers, the size of which was selected using an original iterative algorithm. During the structure selection process, a total of 576 different networks were tested. The analysis of the obtained test errors made it possible to select the optimal structure of the 6-19-17-1 model. The network input values were: vehicle speed and acceleration, road slope, throttle opening degree, selected gear number and engine speed. The networks were trained using the efficient RPROP method. A correctly trained network, based on the set parameters, was able to forecast the instantaneous fuel consumption. These forecasts showed a high correlation with the measured values. Average fuel consumption calculated on their basis was close to the real value, which was calculated on the basis of two consecutive fuelings of the vehicle.
W artykule przedstawiono model eksploatacyjnego zużycia paliwa przez samochód osobowy z segmentu B, zasilany silnikiem o zapłonie iskrowym. Model opracowano przy wykorzystaniu sztucznych sieci neuronowych, których działanie symulowano w pakiecie Stuttgart Neural Network Simulator (SNNS). Dane do modelu pozyskano z długotrwałych badań eksploatacyjnych, podczas których rejestrowano przez interfejs diagnostyczny OBDII dane pochodzące z jednostki sterującej silnikiem. Model oparto na sieciach neuronowych o dwu warstwach ukrytych, których wielkość dobrano przy pomocy autorskiego, iteracyjnego algorytmu. Podczas procesu doboru struktury przebadano łącznie 576 różnych sieci. Analiza uzyskanych błędów testowania pozwoliła na wybór optymalnej struktury modelu 6-19-17-1. Wielkościami wejściowymi sieci były: prędkość i przyspieszenie pojazdu, nachylenie drogi, stopień otwarcia przepustnicy, numer wybranego biegu oraz prędkość obrotowa silnika. Sieci uczono przy użyciu wydajnej metody RPROP. Poprawnie nauczona sieć na podstawie zadanych parametrów była w stanie prognozować chwilowe zużycie paliwa. Prognozy te wykazywały wysoką korelację ze zmierzonymi wartościami. Obliczone na ich podstawie średnie zużycie paliwa było zbliżone do rzeczywistej wartości, którą obliczono na podstawie dwu kolejnych tankowań pojazdu.
Źródło:
Diagnostyka; 2020, 21, 4; 103-113
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimization of neural networks structure selection in modelling spheroidal graphite cast iron for automotive camshafts
Optymalizacja doboru struktury sztucznych sieci neuronowych w modelowaniu zużycia żeliwa sferoidalnego na samochodowe wałki rozrządu
Autorzy:
Witaszek, Kazimierz
Garbala, Krzysztof
Witaszek, Mirosław
Rychter, Marcin
Powiązania:
https://bibliotekanauki.pl/articles/317234.pdf
Data publikacji:
2019
Wydawca:
Instytut Naukowo-Wydawniczy "SPATIUM"
Tematy:
artificial neural networks
structure optimization
wear
spheroidal cast iron
Stuttgart neural network simulator
resilient back-PROPagation
sztuczne sieci neuronowe
optymalizacja struktury
zużycie
żeliwo sferoidalne
resilient back-ROPagation
Opis:
The present article discusses the process of optimizing the structure of artificial neural networks applied in modelling the wear of spheroidal graphite cast iron (SG cast iron). The networks were trained using the RPROP gradient method with the application of the SNNS package supported by original self-developed software, which enabled automatic creation, training and testing of networks with different sizes of hidden layers. Based on the results of an analysis of learning process and testing a package of 625 networks, the network was selected which – when modelling the process of spheroidal cast iron wear – generates the slightest errors during testing.
W pracy przedstawiono proces optymalizacji struktury sztucznych sieci neuronowych użytych do modelowania zużycia żeliwa sferoidalnego. Sieci uczono metodą gradientową RPROP przy użyciu pakietu SNNS wspomaganego autorskim oprogramowaniem, które umożliwiało automatyczne tworzenie, uczenie i testowanie sieci o różnych wielkości warstw ukrytych. Na podstawie analizy wyników procesu uczenia i testowania pakietu 625 sieci dobrano tę, która modelując proces zużycia żeliwa sferoidalnego generuje najmniejsze błędy podczas testowania.
Źródło:
Autobusy : technika, eksploatacja, systemy transportowe; 2019, 20, 12; 215-220
1509-5878
2450-7725
Pojawia się w:
Autobusy : technika, eksploatacja, systemy transportowe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do prognozowania zawartości azotu ogólnego w odpływie z oczyszczalni ścieków
Application of artificial neural networks to forecasting total nitrogen content in secondary effluent from treatment plants
Autorzy:
Wąsik, E.
Chmielowski, K.
Studziński, J.
Szeląg, B.
Powiązania:
https://bibliotekanauki.pl/articles/237416.pdf
Data publikacji:
2018
Wydawca:
Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
Tematy:
ścieki komunalne
ścieki oczyszczone
modelowanie
prognozowanie
sztuczne sieci neuronowe
azot ogólny
azot amonowy
azotyny
azotany
azot organiczny
sewage
secondary effluent
modeling
forecasting
artificial neural networks
total nitrogen
ammonia nitrogen
nitrites
nitrates
organic nitrogen
Opis:
Zaprezentowano możliwość wykorzystania sztucznych sieci neuronowych do prognozowania zawartości azotu ogólnego w ściekach oczyszczonych w funkcji jego różnych postaci występujących w odpływie z oczyszczalni ścieków. W badaniach zastosowano dane z lat 2010–2016, zawierające pomiary zawartości związków azotu w ściekach odpływających z oczyszczalni obsługującej aglomerację o równoważnej liczbie mieszkańców powyżej 100000. Zbiór danych wejściowych został wstępnie poddany analizie skupień i następnie wykorzystany do trenowania sieci neuronowej w postaci perceptronu wielowarstwowego. Na podstawie uzyskanych symulacji stwierdzono, że najmniejsze wartości błędów prognozy ilosci azotu ogólnego (2÷3%) uzyskano w wariancie, gdy jego wartość była funkcją wszystkich postaci azotu występujących w oczyszczonych ściekach. W przypadku modelu wykorzystującego jedynie dane o zawartości azotu nieorganicznego oraz azotanów otrzymane wyniki symulacji niewiele różniły się od wartości rzeczywistych, na co wskazuje bardzo duża wartość współczynnika korelacji (>97%). Wartość średniego błędu bezwzględnego w tym przypadku zwiększyła się tylko o około 4 punkty procentowe do wartości 6,2% (proces uczenia) oraz 6,9% (proces testowania/walidacji) w stosunku do symulacji wykorzystującej wszystkie postacie azotu w ściekach.
Potential application of artifi cial neural networks (ANN) to forecast total nitrogen content (TNC) in treated wastewater was presented as a function of selected nitrogen forms present in the secondary effl uent. The analyzed data from the period of 2010–2016 covered measurements of the nitrogen content in the effl uent from the treatment plant servicing agglomeration with a population equivalent of more than 100,000. The input data set was initially subjected to cluster analysis and then, used to train a neural network in the form of a multilayer perceptron (MLP). The simulations demonstrated that the smallest error values for the forecast of TNC (2–3%) were obtained for the variant, the value of which was a function of all the forms of nitrogen present in the secondary effl uent. For the total nitrogen model based on inorganic nitrogen and nitrates data only, the simulation results did not differ signifi cantly from the actual values, as indicated by a very high correlation coeffi cient (over 97%). In this case, the value of the mean absolute error increased only by nearly 4% to 6.2% (learning process) or 6.9% (testing/validation process), compared to the simulation based on all the nitrogen forms in the sewage.
Źródło:
Ochrona Środowiska; 2018, 40, 1; 29-33
1230-6169
Pojawia się w:
Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Type of modulation identification using Wavelet Transform and Neural Network
Autorzy:
Walenczykowska, M.
Kawalec, A.
Powiązania:
https://bibliotekanauki.pl/articles/201661.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
modulation identification
artificial neural networks
continuous wavelet transform (CWT)
identyfikacja modulacji
sztuczne sieci neuronowe (SSN)
transformacja falkowa (CWT)
Opis:
Automatic recognition of the signal modulation type turned out to be useful in many areas, including electronic warfare or surveillance. The wavelet transform is an effective way to extract signal features for identification purposes. In this paper there are M-ary ASK, M-ary PSK, M-ary FSK, M-ary QAM, OOK and MSK signals analysed. The mean value, variance and central moments up to five of continuous wavelet transform (CWT) are used as signal features. The principal component analysis (PCA) is applied to reduce a number of features. A multi-layer neural network trained with backpropagation learning algorithm is considered as a classifier. There are two research variants: interclass and intraclass recognition with a wide range of signal-to-noise ratio (SNR).
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2016, 64, 1; 257-261
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 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