Informacja

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

Wyszukujesz frazę "artificial neural nets" wg kryterium: Temat


Wyświetlanie 1-2 z 2
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:
Using artificial immune and case-based reasoning methods in classification of treatment effectiveness
Autorzy:
Badura, D.
Ferdynus, D.
Powiązania:
https://bibliotekanauki.pl/articles/333874.pdf
Data publikacji:
2007
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
wnioskowanie bazujące na przykładach
sztuczne systemy immunologiczne
sieci neuronowe rozmyte
case-based reasoning
artificial immune system
fuzzy neural nets
Opis:
The article concerns the analysis of classification of medical data by use of selected method of artificial intelligence: case-based reasoning. The subject of the research is the assessment of effective treatment, being one of the most important medical problems. The basis work of the assessment system should be one of the classification methods. The aim of the attempted research is to study which of the enumerated method will be able to group data containing incomplete information in the best way. The classified data are descended from the patients with nephroblastoma and patients with backbone pain. The final aim of the research is to work out the functioning method of the learning system, assisting the doctor with making a decision during working out on patient's treatment therapy, and making analyses of the treatment effectiveness. On the basis of the medical tests, the system will classify the data assigning them to the appropriate therapy groups. Moreover, in the system will be used artificial immunology as the method of generalizing or extrapolating of the gathering and considering so far cases.
Źródło:
Journal of Medical Informatics & Technologies; 2007, 11; 221-226
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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