Informacja

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

Wyszukujesz frazę "Sztuczne Sieci Neuronowe" wg kryterium: Temat


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:
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:
A wavelet-SARIMA-ANN hybrid model for precipitation forecasting
Hybrydowy model wavelet-SARIMA-ANN do prognozowania opadów
Autorzy:
Shafaei, M.
Adamowski, J.
Fakheri-Fard, M.
Dinpashoh, Y.
Adamowski, K.
Powiązania:
https://bibliotekanauki.pl/articles/292320.pdf
Data publikacji:
2016
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
artificial neural network (ANN)
precipitation forecasting
seasonal auto regressive integrated moving average (SARIMA)
water resources management
wavelet
gospodarka zasobami wodnymi
metoda wavelet
prognozowanie opadów
sezonowa zintegrowana autoregresja z ruchomą średnią
sztuczne sieci neuronowe
Opis:
Given its importance in water resources management, particularly in terms of minimizing flood or drought hazards, precipitation forecasting has seen a wide variety of approaches tested. As monthly precipitation time series have nonlinear features and multiple time scales, wavelet, seasonal auto regressive integrated moving average (SARIMA) and hybrid artificial neural network (ANN) methods were tested for their ability to accurately predict monthly precipitation. A 40-year (1970–2009) precipitation time series from Iran’s Nahavand meteorological station (34°12’N lat., 48°22’E long.) was decomposed into one low frequency subseries and several high frequency sub-series by wavelet transform. The low frequency sub-series were predicted with a SARIMA model, while high frequency subseries were predicted with an ANN. Finally, the predicted subseries were reconstructed to predict the precipitation of future single months. Comparing model-generated values with observed data, the wavelet-SARIMA-ANN model was seen to outperform wavelet-ANN and wavelet-SARIMA models in terms of precipitation forecasting accuracy.
Prognozowanie opadów, ze względu na ich znaczenie w gospodarce zasobami wodnymi, szczególnie w zmniejszaniu ryzyka powodzi czy susz, było już przedmiotem wielu badań. Serie miesięcznych opadów mają właściwości nieliniowe i różne skale czasowe, w związku z czym przetestowano różne metody: wavelet, metodę zintegrowanej sezonowej autoregresji z ruchomą średnią (SARIMA) i hybrydową metodę sztucznych sieci neuronowych (ANN) pod kątem ich zdolności do dokładnego przewidywania miesięcznych opadów. Czterdziestoletnią (1970–2009) serię opadów z irańskiej stacji meteorologicznej w Nahavand (34°12’N, 48°22’E) rozłożono na jedną podserię o niskiej częstotliwości i kilka podserii o wysokiej częstotliwości występowania opadów przez transformację falkową. Podserie o niskiej częstotliwości prognozowano za pomocą modelu SARIMA, podczas gdy podserie o wysokiej częstotliwości prognozowano, stosując ANN. Na koniec prognozowane podserie zrekonstruowano celem przewidywania opadów w poszczególnych miesiącach w przyszłości. Porównanie wartości generowanych przez model z danymi z obserwacji wykazało lepszą dokładność prognozowania opadów za pomocą modelu wavelet-SARIMA-ANN niż za pomocą modeli wavelet-ANN i wavelet-SARIMA.
Źródło:
Journal of Water and Land Development; 2016, 28; 27-36
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
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:
Adsorption chiller in a combined heating and cooling system: simulation and optimization by neural networks
Autorzy:
Krzywanski, Jarosław
Sztekler, Karol
Bugaj, Marcin
Kalawa, Wojciech
Grabowska, Karolina
Chaja, Patryk Robert
Sosnowski, Marcin
Nowak, Wojciech
Mika, Łukasz
Bykuć, Sebastian
Powiązania:
https://bibliotekanauki.pl/articles/2128167.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
adsorption heat pump
polygeneration
cooling capacity
low grade thermal energy
artificial neural networks
soft computing
absorpcyjna pompa ciepła
poligeneracja
wydajność chłodnicza
energia cieplna niskiej jakości
sztuczne sieci neuronowe
przetwarzanie miękkie
Opis:
Adsorption cooling and desalination technologies have recently received more attention. Adsorption chillers, using eco-friendly refrigerants, provide promising abilities for low-grade waste heat recovery and utilization, especially renewable and waste heat of the near ambient temperature. However, due to the low coefficient of performance (COP) and cooling capacity (CC) of the chillers, they have not been widely commercialized. Although operating in combined heating and cooling (HC) systems, adsorption chillers allow more efficient conversion and management of low-grade sources of thermal energy, their operation is still not sufficiently recognized, and the improvement of their performance is still a challenging task. The paper introduces an artificial intelligence (AI) approach for the optimization study of a two-bed adsorption chiller operating in an existing combined HC system, driven by low-temperature heat from cogeneration. Artificial neural networks are employed to develop a model that allows estimating the behavior of the chiller. Two crucial energy efficiency and performance indicators of the adsorption chiller, i.e., CC and the COP, are examined during the study for different operating sceneries and a wide range of operating conditions. Thus this work provides useful guidance for the operating conditions of the adsorption chiller integrated into the HC system. For the considered range of input parameters, the highest CC and COP are equal to 12.7 and 0.65 kW, respectively. The developed model, based on the neurocomputing approach, constitutes an easy-to-use and powerful optimization tool for the adsorption chiller operating in the complex HC system.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 3; e137054, 1--11
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Adsorption chiller in a combined heating and cooling system: simulation and optimization by neural networks
Autorzy:
Krzywanski, Jarosław
Sztekler, Karol
Bugaj, Marcin
Kalawa, Wojciech
Grabowska, Karolina
Chaja, Patryk Robert
Sosnowski, Marcin
Nowak, Wojciech
Mika, Łukasz
Bykuć, Sebastian
Powiązania:
https://bibliotekanauki.pl/articles/2173577.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
adsorption heat pump
polygeneration
cooling capacity
low grade thermal energy
artificial neural networks
soft computing
absorpcyjna pompa ciepła
poligeneracja
wydajność chłodnicza
energia cieplna niskiej jakości
sztuczne sieci neuronowe
przetwarzanie miękkie
Opis:
Adsorption cooling and desalination technologies have recently received more attention. Adsorption chillers, using eco-friendly refrigerants, provide promising abilities for low-grade waste heat recovery and utilization, especially renewable and waste heat of the near ambient temperature. However, due to the low coefficient of performance (COP) and cooling capacity (CC) of the chillers, they have not been widely commercialized. Although operating in combined heating and cooling (HC) systems, adsorption chillers allow more efficient conversion and management of low-grade sources of thermal energy, their operation is still not sufficiently recognized, and the improvement of their performance is still a challenging task. The paper introduces an artificial intelligence (AI) approach for the optimization study of a two-bed adsorption chiller operating in an existing combined HC system, driven by low-temperature heat from cogeneration. Artificial neural networks are employed to develop a model that allows estimating the behavior of the chiller. Two crucial energy efficiency and performance indicators of the adsorption chiller, i.e., CC and the COP, are examined during the study for different operating sceneries and a wide range of operating conditions. Thus this work provides useful guidance for the operating conditions of the adsorption chiller integrated into the HC system. For the considered range of input parameters, the highest CC and COP are equal to 12.7 and 0.65 kW, respectively. The developed model, based on the neurocomputing approach, constitutes an easy-to-use and powerful optimization tool for the adsorption chiller operating in the complex HC system.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 3; art. no. e137054
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
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:
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:
An artificial neural network model supported with multi criteria decision making approaches for maintenance planning in hydroelectric power plants
Planowanie utrzymania ruchu w elektrowniach wodnych w oparciu o model sztucznej sieci neuronowej wsparty wielokryterialnymi metodami podejmowania decyzji
Autorzy:
Özcan, Evrencan
Danışan, Tuğba
Yumuşak, Rabia
Eren, Tamer
Powiązania:
https://bibliotekanauki.pl/articles/1841905.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
artificial neural networks
hydroelectric power plant
failure period estimation
maintenance planning
AHP
TOPSIS
sztuczne sieci neuronowe
elektrownie wodne
szacowanie czasu między uszkodzeniami
planowanie utrzymania ruchu
Opis:
Power plants are the large-scale production facilities with the main purpose of realizing uninterrupted, reliable, efficient, economic and environmentally friendly energy generation. Maintenance is one of the critical factors in achieving these comprehensive goals, which are called as sustainable energy supply. The maintenance processes carried out in order to ensure sustainable energy supply in the power plants should be managed due to the costs arising from time requirement, the use of material and labor, and the loss of generation. In this respect, it is critical that the fault dates are forecasted, and maintenance is performed without failure in power plants consisting of thousands of equipment. In this context in this study, the maintenance planning problem for equipment with high criticality level is handled in one of the large-scale hydroelectric power plants that meet the quintile of Turkey’s energy demand as of the end of 2018. In the first stage, the evaluation criteria determined by the power plant experts are weighted by the Analytical Hierarchy Process (AHP), which is an accepted method in the literature, in order to determine the criticality levels of the equipment in terms of power plant at the next stage. In order to obtain the final priority ranking of the equipment in terms of power plant within the scope of these weights, Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) is used because of its advantages compared to other outranking algorithms. As a result of this solution, for the 14 main equipment groups with the highest criticality level determined on the basis of the power plant, periods between two breakdowns are estimated, and maintenance planning is performed based on these periods. In the estimation phase, an artificial neural network (ANN) model has been established by using 11-years fault data for selected equipment groups and the probable fault dates are estimated by considering a production facility as a system without considering the sector for the first time in the literature. With the plan including the maintenance activities that will be carried out before the determined breakdown dates, increasing the generation efficiency, extending the economic life of the power plant, minimizing the generation costs, maximizing the plant availability rate and maximizing profit are aimed. The maintenance plan is implemented for 2 years in the power plant and the unit shutdowns resulting from the selected equipment groups are not met and the mentioned goals are reached.
Elektrownie to zakłady produkcyjne o dużej skali, których głównym celem jest nieprzerwane, niezawodne, wydajne, rentowne oraz przyjazne dla środowiska wytwarzanie energii. Utrzymanie ruchu stanowi jeden z kluczowych czynników pozwalających na osiągnięcie tych szeroko zakrojonych celów, które określa się wspólnym mianem zrównoważonych dostaw energii. W elektrowniach, procesami utrzymania ruchu, realizowanymi w celu zapewnienia zrównoważonych dostaw energii, zarządza się z uwzględnieniem kosztów związanych z wymogami czasowymi, kosztów materiałów i robocizny oraz strat wytwarzania energii. Ponieważ elektrownie wykorzystują tysiące różnych urządzeń, niezwykle ważne jest prognozowanie dat wystąpienia uszkodzeń oraz zapewnienie bezawaryjnego utrzymania ruchu. W przedstawionych badaniach, rozważano problem planowania utrzymania ruchu sprzętu o wysokim poziomie krytyczności na przykładzie jednej z dużych elektrowni wodnych, która na koniec 2018 r. pokrywała jedną piątą zapotrzebowania Turcji na energię elektryczną. W pierwszym etapie badań, kryteria oceny określone przez ekspertów zatrudnionych w elektrowni ważono za pomocą powszechnie stosowanej w literaturze metody procesu hierarchii analitycznej (AHP) w celu ustalenia poziomów krytyczności poszczególnych elementów wyposażenia elektrowni. Aby opracować ostateczny ranking priorytetowości elementów wyposażenia elektrowni na podstawie określonych wcześniej wag, zastosowano technikę TOPSIS, która polega na porządkowaniu preferencji na podstawie podobieństwa do idealnego rozwiązania. Techniki tej użyto ze względu na jej zalety, których nie mają inne algorytmy oparte na relacji przewyższania (ang. outranking algorithms). Na podstawie wyników otrzymanych dla 14 głównych grup urządzeń o najwyższym poziomie krytyczności, określonym na podstawie danych pochodzących z elektrowni, oszacowano czasy pomiędzy dwiema awariami, a na ich podstawie zaplanowano działania konserwacyjne. W fazie szacowania, opracowano model sztucznej sieci neuronowej (ANN) w oparciu o dane o uszkodzeniach, które wystąpiły w ostatnich 11 latach działania elektrowni, dla wybranych grup urządzeń. Przewidywane daty wystąpienia uszkodzeń szacowano, po raz pierwszy w literaturze, biorąc pod uwagę zakład produkcyjny jako system, bez uwzględnienia sektora produkcyjnego. Plan obejmuje działania konserwacyjne, które mają być przeprowadzone przed przewidywanymi datami awarii, w celu zwiększenia wydajności wytwarzania energii, przedłużenia żywotności elektrowni, minimalizacji kosztów wytwarzania energii, maksymalizacji wskaźnika dostępności elektrowni oraz maksymalizacji zysków. Opracowany plan konserwacji wdrażano w omawianej elektrowni przez 2 lata. W tym okresie nie odnotowano przerw w pracy jednostek wytwórczych spowodowanych awarią rozważanych grup urządzeń, co oznacza, że wspomniane cele zostały osiągnięte.
Źródło:
Eksploatacja i Niezawodność; 2020, 22, 3; 400-418
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
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:
Analiza i klasyfikacja obrazów suszu warzywnego z wykorzystaniem sztucznych sieci neuronowych
Analysis and classification of dried vegetables’ images with utilization of artificial neural networks
Autorzy:
Koszela, K.
Weres, J.
Powiązania:
https://bibliotekanauki.pl/articles/287257.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna inteligencja
sztuczne sieci neuronowe
rozpoznawanie obiektów
przetwarzanie obrazów
artificial intelligence
artificial neural networks
object recognition
image processing
Opis:
W życiu codziennym bardzo często dokonujemy oceny naszego otoczenia i na tej podstawie podejmujemy decyzje o klasyfikacji obserwowanej sytuacji. Czynimy to w oparciu o obserwację otoczenia jak również napływającą z różnych źródeł informację z wykorzystaniem posiadanej wiedzy i zdolności. Proces ten jest dla nas całkowicie naturalny. Jeżeli jednak chcemy podobne zadanie zlecić systemowi komputerowemu to wówczas musimy wykonać wiele kroków, które pozwolą w części odwzorować za pomocą oprogramowania ludzką zdolność do obserwacji, uczenia się i dokonywania podejmowania ostatecznej decyzji w oparciu o posiadaną wiedzę. Wzrastający poziom komplikacji informacji wywołuje rosnące zapotrzebowanie na systemy zdolne do rozpoznawania i dokonywania klasyfikacji prezentowanych im obiektów. Jednym z takich obiektów jest susz warzywny, którego ocena jakości i jego klasyfikacja przysparza szereg problemów. W pracy przedstawiono koncepcję metody analizy obrazów suszu warzywnego i zastosowanie jej do szybkiego oszacowania udziału poszczególnych frakcji w badanej próbie pod względem barwy i kształtu.
In everyday life we often evaluate our surroundings and on this basis we make decisions about the classification of the observed situation. We do it by watching our surroundings as well as by analysing the information coming to us from various sources by means of the knowledge and the abilities we posses. This process is completely natural for us. However, if we want a computer system to do it, we need to make many steps in order to partly reflect in the software the human ability to observe, learn and make the final decision on the basis of the possessed knowledge. The increasing complexity of information causes a rising demand for systems capable of recognizing and classifying objects presented to them. One of such objects are dried vegetables whose quality evaluation and classification cause many problems. In the thesis the concept of dried vegetables’ image analysis method was presented as well as its application to quick colour and shape evaluation of individual fractions in a tested sample.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 77-82
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza mozliwosci wykorzystania sztucznych sieci neuronowych do szacowania sil konkurencji wewnatrzgatunkowej w trzydziestoletnich drzewostanach brzozy brodawkowatej [Betula pendula Roth]
Analysis of the possibility of artificial neural networks utilization for strength estimation of the intraspecific competition in thirty-year stands of silver birch [Betula pendula Roth]
Autorzy:
Niedbala, G
Korzeniewicz, R.
Szmyt, J.
Powiązania:
https://bibliotekanauki.pl/articles/883523.pdf
Data publikacji:
2010
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
lesnictwo
drzewostany brzozowe
brzoza brodawkowata
Betula pendula
konkurencja wewnatrzgatunkowa
prognozowanie
sieci neuronowe sztuczne
Opis:
Celem pracy było zbudowanie predykcyjnego modelu neuronowego, mającego wyznaczyć siłę konkurencji wewnątrzgatunkowej brzozy brodawkowatej w trzydziestoletnich drzewostanach. Dla jego realizacji zebrano dane empiryczne z pierwszych dziesięciu lat drzewostanu oraz z ostatniego - trzydziestego roku. Do budowy modelu użyto dwóch zmiennych niezależnych - średnicy i wysokości drzew (w każdym roku), łącznie 18 zmiennych. Wygenerowany model został oparty na sieci MLP z jedną warstwą ukrytą. Na jego podstawie przeprowadzono analizę wrażliwości sieci, która określiła jednoznacznie dwie najważniejsze cechy wpływające na przeżywalność brzozy brodawkowatej.
The aim of the work was to build the prediction neural model, to estimate strength of the intraspecific competition in thirty-year stands of silver birch. The empirical data were collected from first ten years of the stand and from last thirtieth. Two independent features were used for building of the model- diameter and height of trees (in every year), together 18 variables. The generated model was based on the MLPnetwork with one hidden layer. The analysis of the sensibility network was carried out on this model. Therewerequalifiedtwothemostimportantfeatures,whicharedeterminedintraspecificcompetitionofsilverbirch.
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2010, 04; 19-22
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza możliwości zastosowania sztucznych sieci neuronowych do kalibracji modeli mikrosymulacyjnych
Analysis of the use of artificial neural networks to calibration of microsimulation traffic model
Autorzy:
Szarata, M.
Nazarko, P.
Powiązania:
https://bibliotekanauki.pl/articles/104658.pdf
Data publikacji:
2017
Wydawca:
Politechnika Rzeszowska im. Ignacego Łukasiewicza. Oficyna Wydawnicza
Tematy:
kalibracja
model mikrosymulacyjny
ruch drogowy
sztuczne sieci neuronowe
budowa
inżynieria ruchu
calibration
microsimulation traffic model
artificial neural networks
construction
traffic engineering
Opis:
Komputerowe modele ruchu drogowego są powszechnie wykorzystywane do analiz przepustowości i sprawności sieci drogowo-parkingowej. Budowa modeli mikrosymulacyjnych jest procesem długotrwałym i złożonym. Jednym z najbardziej czasochłonnych etapów jest kalibracja modelu. Możliwe jest znaczne przyspieszenie tego procesu poprzez wykorzystanie sztucznych sieci neuronowych do szacowania potencjalnie najkorzystniejszych kombinacji parametrów modelu ruchu. W pracy przedstawiono sposób budowy sieci neuronowych na potrzeby modelowania ruchu na wybranym odcinku drogi oraz zaproponowano procedurę umożliwiającą kalibrację mikrosymulacyjnego modelu ruchu.
Computer traffic models are widely used for analysis of the capacity and efficiency of road network. Construction of traffic models is a long and complex process. One of the most timeconsuming stages of the calibration model, which aim is to reflect real traffic condition. This process can be greatly accelerated by the use of artificial neural networks to generate potentially best combinations of parameters for the traffic model. The paper presents a method of building neural networks for traffic modeling, and proposes a procedure for the calibration process.
Źródło:
Czasopismo Inżynierii Lądowej, Środowiska i Architektury; 2017, 64, 2/II; 25-36
2300-5130
2300-8903
Pojawia się w:
Czasopismo Inżynierii Lądowej, Środowiska i Architektury
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza neuronowa wybranych parametrów zdolności wydojowej krów wysokowydajnych
The neural analysis of selected parameters of milking capacity for high-yield cows
Autorzy:
Jedrus, A.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/884086.pdf
Data publikacji:
2014
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
krowy wysokomleczne
zdolnosc wydojowa
mleko cwiartkowe
wydajnosc mleka
sieci neuronowe sztuczne
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2014, 1
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza sceny przy użyciu głębokich sieci neuronowych typu YOLO
Scene analysis using YOLO neural network
Autorzy:
Mikołajczyk, Mateusz
Kwasigroch, Arkadiusz
Grochowski, Michał
Powiązania:
https://bibliotekanauki.pl/articles/267008.pdf
Data publikacji:
2019
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
sztuczne sieci neuronowe
detekcja obiektów
przetwarzanie obrazu
uczenie głębokie
artificial neural networks
object detection
image processing
deep learning
Opis:
W artykule opisany został problem analizy sceny na obrazach oraz sekwencjach video. Zadanie analizy sceny polega na detekcji, lokalizacji i klasyfikacji obiektów znajdujących się na obrazach. Zaimplementowany system wykorzystuje głęboką sieć neuronową, której struktura oparta została na architekturze YOLO (You Only Look Once). Niskie zapotrzebowania obliczeniowe wybranej architektury pozwala na wykonywanie detekcji w czasie rzeczywistym z zadowalającą dokładnością. W pracy przeprowadzono również badania nad doborem odpowiedniego optymalizatora wykorzystywanego w procesie uczenia. Jako przykładową aplikację wybrano analizę ruchu ulicznego w której skład wchodzi wykrywanie i lokalizacja obiektów takich jak m.in. samochody, motocykle czy sygnalizacja świetlna. Systemy tego typu mogą być wykorzystywane w wszelkiego typu systemach analizy wizyjnej otoczenia np. w pojazdach autonomicznych, systemach automatycznej analizy video z kamer przemysłowych, systemach dozoru czy analizy zdjęć satelitarnych.
The paper describes the problem of scene analysis in images and video sequences. The task of scene analysis is to detect, locate and classify objects in images. As an example of an application, traffic analysis was chosen, which includes the detection and location of objects such as cars, motorcycles or traffic lights. The implemented system uses a deep neural network, whose structure is based on the YOLO (You Only Look Once) architecture. Low computing requirements of the chosen architecture allows performing real-time detection with satisfactory accuracy. The work also included a study on the selection of an appropriate optimizer used in the learning process. The program correctly detects objects with a large surface area, allowing the system to be used in traffic analysis. The work also showed that using the ADAM algorithm allowed significantly shorten the training time of the neural network. Systems of this type can be used in many types of video analysis systems such as autonomous vehicles, automatic video analysis systems with CCTV cameras, surveillance systems or satellite image analysis.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2019, 68; 37-40
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł

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