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 "artificial neural network (ANN)" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 35
Tytuł:
Biometrical identification on the ground of the eye movement, executed by means of the artificial neural network
Autorzy:
Brzeski, R.
Ober, J.
Powiązania:
https://bibliotekanauki.pl/articles/333701.pdf
Data publikacji:
2004
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
sztuczne sieci neuronowe
identyfikacja biometrii
stymulacja wzrokowa
system pomiarowy Ober2
rozpoznanie
warstwa
komórka nerwowa
ruch gałki ocznej
artificial neural network
ANN
biometrics identification
visual stimulation
Ober2
teaching vectors
recognition
layer
neurone
eye movement
Opis:
In this article was written attempt to use the eye movement to biometrics identification. There are few words about theory of biometrics identification. After that there is described the way of recording of data. It is made by system ‚Ober2’. To process collected data the algorithms of artificial neural network are used. For this need, dedicated application was written. Functionality of the application, in article was described, as well as the examples - results of working of the artificial neural networks, for chosen criterions of researches. The plans for future researches were placed at the end of the article.
Źródło:
Journal of Medical Informatics & Technologies; 2004, 7; KB47-54
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparative study of learning methods for artificial neural network
Badania porównawcze metod uczenia sieci neuronowej
Autorzy:
Tiliouine, H.
Powiązania:
https://bibliotekanauki.pl/articles/153863.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
metody uczenia
sieć neuronowa
neuronowy regulator napięcia
learning methods
artificial neural network (ANN)
neural voltage controller
Opis:
The paper presents a comparative study of various learning methods for artificial neural network. The methods are: the backpropagation BP, the recursive least squares RLS, the Zangwill's method ZGW and the method based on evolutionary algorithm EA. The study consists of evaluating the learning effectiveness of these methods and selecting the most efficient one to be used in the designing of an adaptive neural voltage controller for a synchronous generator.
W artykule przedstawiono wyniki badań porównawczych metod uczenia sieci neuronowych takich jak: metoda propagacji wstecznej błędów, rekurencyjna metoda najmniejszych kwadratów, metoda Zangwill'a, metoda algorytmów ewolucyjnych. Celem tych badań jest dobieranie najefektywniejszej metody uczenia do projektowania adaptacyjnego neuronowego regulatora napięcia generatora synchronicznego.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 4, 4; 117-121
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Konwersja graficznych danych empirycznych do postaci zbiorów uczących w procesie neuronowej identyfikacji szkodników jabłoni
Empirical graphics data conversion to learning sets in apple-tree pests neural identification process
Autorzy:
Majewski, A.
Powiązania:
https://bibliotekanauki.pl/articles/336457.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
szkodnik
identyfikacja neuronowa
sztuczna sieć neuronowa
SSN
pest
neural identification process
artificial neural network
ANN
Opis:
Szkodliwość oddziaływania owadów na rośliny uprawne polega przede wszystkim na ich żerowaniu. Fakt ten powoduje daleko posunięte zmiany w morfologii i fizjologii roślin, co w efekcie końcowym prowadzi do ich zamierania. Żeby prawidłowo oznaczyć szkodnika, trzeba mieć możliwość identyfikacji cech kluczowych. Cechy te umiejscowione są na rozmaitych częściach ciała. Wymaga to jednak sporej wiedzy i dobrego rozeznania w grupach. Dotychczasowe metody identyfikacji owadów opierają się na rozpoznawaniu za pomocą kluczy. Klucze używane przez badaczy są ściśle dopasowane do danego osobnika. W zależności od rodzaju czy gatunku szkodnik może być opisany za pomocą setek a nawet tysięcy kluczy, co świadczy o trudności i czasochłonności w ich oznaczaniu. Sztuczne sieci neuronowe ze względów technicznych są uproszczonym symulatorem pracy ludzkiego mózgu posiadając jego cechy. Potrafią się uczyć, są mało wrażliwe na niekompletną informację wejściową przetwarzają wprowadzone sygnały i podają na wyjściu wyniki w czasie rzeczywistym [2]. Wskazane właściwości oraz analizy podczas badań pozwalają przypuszczać, że SNN mogą wykonać zadanie identyfikacji podobnie jak człowiek. Dzięki takiemu zautomatyzowaniu procesu identyfikacji udałoby się wyeliminować współczynnik obiektywizmu.
The mischievous of insects is mostly about their preying on the cultivated plants. In order to identify a pest correctly, one has to have the ability to identify its key characteristics. These are placed all over the insects corpse. A pest can be described by hundreds or even thousands of 'keys' - depending on the kind or species - what proves how difficult and time-consuming the identification is. ANN (Artificial Neural Networks) can learn, are less sensible to incomplete incoming information, they are processing entered signals and give results in actual time. The above properties and the analysis during the research allow to make a conclusion that ANN may do the identification task similarly to a human being. Thanks to such identification process automation it could be possible to eliminate the objectivism factor.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2007, 52, 1; 37-40
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Reinforcement Learning in Ship Handling
Autorzy:
Łącki, M.
Powiązania:
https://bibliotekanauki.pl/articles/117361.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
Tematy:
Ship Handling
Reinforcement Learning
Machine Learning Techniques
Manoeuvring
Restricted Waters
Markov Decision Process (MDP)
Artificial Neural Network (ANN)
multi-agent environment
Opis:
This paper presents the idea of using machine learning techniques to simulate and demonstrate learning behaviour in ship manoeuvring. Simulated model of ship is treated as an agent, which through environmental sensing learns itself to navigate through restricted waters selecting an optimum trajectory. Learning phase of the task is to observe current state and choose one of the available actions. The agent gets positive reward for reaching destination and negative reward for hitting an obstacle. Few reinforcement learning algorithms are considered. Experimental results based on simulation program are presented for different layouts of possible routes within restricted area.
Źródło:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2008, 2, 2; 157-160
2083-6473
2083-6481
Pojawia się w:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The NOx emission estimation by the artificial neural network: the analyze
Autorzy:
Kowalski, J.
Powiązania:
https://bibliotekanauki.pl/articles/244207.pdf
Data publikacji:
2008
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
emission
NOx
nitric oxides
ANN
artificial neural network
perceptron
ship diesel engine
Opis:
The paper presents the preliminary investigations of nitric oxides (NOx) estimation from marine two-stroke engines. The Annex VI to Marpol Convention enforce to ship-owners necessity of periodical direct measurements of the NOx emission from the ship engines. It is very expensive procedure but with a low accuracy. Presented investigations show the possibility of estimation the NOx emission without direct measurements but using the artificial neural network (ANN). The paper presents method of choice the input data influenced on NOx emission and configuration of ANN and effects of calculations. The input data poses 15 parameters of engine working, influencing on NOx emission. The output data, necessary to learning the network, were NOx concentration in engine exhaust gases. We take into account two types of ANN; the 3-layer perceptron (MLP) with number of neurons in the hidden layer from 10 to 20 and the radial basis function neural network (RBF) with number of neurons in the hidden layer from 10 to 80. The input, validation and verification data was obtained from laboratory tests. After procedure of network configuration, the chosen ANN was learned by back propagation method. During this operation the weights of neurons were changed to minimize the root mean square error. We obtained ANN's, which allow us to estimate the NOx emission from laboratory engine with accuracy, comparable with Annex VI regulations.
Źródło:
Journal of KONES; 2008, 15, 2; 225-232
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The NOx emission estimation by the artificial neural network: the results
Autorzy:
Kowalski, J.
Powiązania:
https://bibliotekanauki.pl/articles/244752.pdf
Data publikacji:
2008
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
emission
NOx
nitric oxides
ANN
artificial neural network
perception
ship diesel engine
Opis:
The paper presents the preliminary investigations of nitric oxides (NOx) estimation from marine two-stroke engines. The Annex VI to Marpol Convention enforce to ship - owners necessity of periodical direct measurements of the NOx emission from the ship engines. It is very expensive procedure but with a low accuracy. Presented investigations show the possibility of estimation the NOx emission without direct measurements but using the artificial neural network (ANN). The paper presents chosen structures of ANN's usable to NOx emission estimation, the laboratory investigations and effects of estimation NOx emission. The paper reports the effects of investigations during different points of load the engine, with constant and changeable air/fuel equivalence ratio. The detailed results of measurement and calculation of NOx concentration in the exhaust gases of marine two-stroke diesel engine were presented. The results show that the multilayer perception neural network (MLP) is sufficient to NOx emission estimation during onboard exploitation. The MLP network with 15 neurons in the hidden layer has best accuracy for data sets collected during running the engine with speed equal 200 rpm and constant air/fuel equivalence ratio and for both considered speeds of the engine with changeable air/fuel equivalence ratio.
Źródło:
Journal of KONES; 2008, 15, 4; 269-276
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An integrated ANN-EMO approach to reduce the risk of occupational health hazards
Autorzy:
Anand, Y. K.
Srivastava, S.
Srivastava, K.
Powiązania:
https://bibliotekanauki.pl/articles/91580.pdf
Data publikacji:
2012
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
artificial neural network
ANN
evolutionary multiobjective optimisation
EMO
high risk of occupational health hazards
RoOHH
interview method
risk assessment score
RAS
Opis:
Workers in labor-intensive units, in general, maximize their earnings by subjecting themselves to high risk of occupational health hazards (RoOHH) due to economic reasons. We present an intelligent system integrating artificial neural network (ANN) and evolutionary multiobjective optimisation (EMO) to tackle this problem, which has received scant attention in the literature. A brick manufacturing unit in India is chosen as case study to demonstrate the working of proposed system. Firing is assessed to be the most severe job among others using an interview method. A job-combination approach is devised which allows firing workers to perform another job (loading/covering/molding) along with firing. The second job not only reduces their exposure to high temperature zone but also helps to compensate for reduced earnings. RoOHH is measured using a risk assessment score (RAS). ANN models the psychological responses of workers in terms of RAS, and facilitates the evaluation of a fitness function of EMO. EMO searches for optimal work schedules in a job-combination to minimize RAS and maximize earnings simultaneously. 1 Introduction Brick manufacturing (BM) in India is labor intensive and comprises the following major jobs − molding the raw bricks, loading molded bricks to kiln using a pushcart or a pony-cart, stacking molded bricks into the kiln in a particular way, spreading clay sand over the stacks uniformly for superior baking of bricks, firing the kiln that includes pouring the coal into the kiln from the covered holes at the top of the kiln at required intervals and monitoring the fire, and finally unloading the baked bricks from the kiln; we term these processes respectively as molding, loading, stacking, covering, firing and unloading, for ready references in this paper.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2012, 2, 2; 77-95
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
ANN-based modeling of fly ash compaction curve
Modelowanie krzywej zagęszczalności popiołu lotnego za pomocą SSN
Autorzy:
Zabielska-Adamska, K.
Sulewska, M. J.
Powiązania:
https://bibliotekanauki.pl/articles/231108.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
krzywa zagęszczalności
popiół lotny
zagęszczalność
parametr zagęszczalności
parametr geotechniczny
sieć neuronowa sztuczna
modelowanie numeryczne
ANN
compaction curve
fly ash
compactibility
compaction parameter
geotechnical parameter
artificial neural network
numerical modeling
SSN
Opis:
The use of fly ash as a material for earth structures involves its proper compaction. Fly ash compaction tests have to be conducted on separately prepared virgin samples because spherical ash grains are crushed during compaction, so the laboratory compaction procedure is time-consuming and laborious. The aim of the study was to determine the neural models for prediction of fly ash compaction curve shapes. The attempt of applying the artificial neural networks type MLP was made. ANN inputs were new-created variables - principal components dependent on grain-size distribution (as D10-D90 and uniformity and curvature coefficients), compaction method, and fly ash specific density. The output vectors were presented by coordinates of generated compaction curve points. Each point was described by two independent ANNs. Using ANN-based modelling method, models which enable establishing the approximate compaction curve shape were obtained.
Wykorzystanie popiołu lotnego do konstrukcji ziemnych wymaga jego właściwego zagęszczenia. Zagęszczanie powoduje wzrost gęstości gruntu, zwiększa jego wytrzymałość i zdolność do przenoszenia obciążeń, a także zmniejsza ściśliwość i przepuszczalność. Oznaczenie zagęszczalności popiołu lotnego musi być przeprowadzane na próbkach jednokrotnie zagęszczanych, ponieważ sferyczne ziarna popiołu są niszczone w trakcie ubijania, w związku z tym, laboratoryjne ustalenie krzywej zagęszczalności popiołu jest bardzo czasochłonne. Celem artykułu było wykorzystanie modelowania neuronowego do prognozy kształtu krzywej zagęszczalności popiołu lotnego. Podjęto próbę zastosowania sztucznych sieci neuronowych SSN typu MLP do opisu punktów krzywej zagęszczalności. Każdy punkt krzywej został opisany przez dwie niezależne SSN. Wykorzystano SSN o różnych wejściach, którymi były nowo utworzone zmienne- składowe główne, zależne od uziarnienia (średnic efektywnych d10-d90 oraz wskaźników jednorodności i krzywizny uziarnienia), metody zagęszczenia oraz gęstości właściwej szkieletu gruntowego pdi. Wektorami wyjścia były współrzędne punktów krzywej zagęszczalności popiołu lotnego. Najlepszymi sieciami neuronowymi były sieci o topologii: 6-3-1, 6-2-1 i 6-4-1 dla prognozy wartości wilgotności wi, oraz 5-3-1 i 6-3-1 dla predykcji wartości gęstości objętościowej szkieletu gruntowego. Uzyskano sieci neuronowe o zadowalającej precyzji, szczególnie w przypadku wartości pdi. Modelowanie krzywej za pomocą SSN umożliwiło ustalenie przybliżonego kształtu krzywej zagęszczalności popiołu lotnego.
Źródło:
Archives of Civil Engineering; 2012, 58, 1; 57-69
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of Artificial Neural Networks for Defect Detection in Ceramic Materials
Autorzy:
Akinci, T. C.
Nogay, H. S.
Yilmaz, O.
Powiązania:
https://bibliotekanauki.pl/articles/176701.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
impulse noise
artificial neural network
ANN
defect detection
ceramic materials
Opis:
In this study, an artificial neural network application was performed to tell if 18 plates of the same material in different shapes and sizes were cracked or not. The cracks in the cracked plates were of different depth and sizes and were non-identical deformations. This ANN model was developed to detect whether the plates under test are cracked or not, when four plates have been selected randomly from among a total of 18 ones. The ANN model used in the study is a model uniquely tailored for this study, but it can be applied to all systems by changing the weight values and without changing the architecture of the model. The developed model was tested using experimental data conducted with 18 plates and the results obtained mainly correspond to this particular case. But the algorithm can be easily generalized for an arbitrary number of items.
Źródło:
Archives of Acoustics; 2012, 37, 3; 279-286
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial neural network and genetic algorithm to healthcarewaste prediction
Autorzy:
Arabgol, S.
Ko, H. S.
Powiązania:
https://bibliotekanauki.pl/articles/91848.pdf
Data publikacji:
2013
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
artificial neural network
ANN
application
hospital
genetic algorithm
GA
healthcare waste
Opis:
Prompt and proper management of healthcare waste is critical to minimize the negative impact on the environment. Improving the prediction accuracy of the healthcare waste generated in hospitals is essential and advantageous in effective waste management. This study aims at developing a model to predict the amount of healthcare waste. For this purpose, three models based on artificial neural network (ANN), multiple linear regression (MLR), and combination of ANN and genetic algorithm (ANN-GA) are applied to predict the waste of 50 hospitals in Iran. In order to improve the performance of ANN for prediction, GA is applied to find the optimal initial weights in the ANN. The performance of the three models is evaluated by mean squared errors. The obtained results have shown that GA has significant impact on optimizing initial weights and improving the performance of ANN.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2013, 3, 4; 243-250
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of Artificial Neural Network into the Water Level Modeling and Forecast
Autorzy:
Sztobryn, M.
Powiązania:
https://bibliotekanauki.pl/articles/116204.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
Tematy:
artificial neural network (ANN)
hydrography
coastal area
Opis:
The dangerous sea and river water level increase does not only destroy the human lives, but also generate the severe flooding in coastal areas. The rapidly changes in the direction and velocity of wind and associated with them sea level changes could be the severe threat for navigation, especially on the fairways of small fishery harbors located in the river mouth. There is the area of activity of two external forcing: storm surges and flood wave. The aim of the work was the description of an application of Artificial Neural Network (ANN) methodology into the water level forecast in the case study field in Swibno harbor located is located at 938.7 km of the Wisla River and at a distance of about 3 km up the mouth (Gulf of Gdansk ‐ Baltic Sea).
Źródło:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2013, 7, 2; 219-223
2083-6473
2083-6481
Pojawia się w:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Efficient dead time correction of G-M counters using feed forward artificial neural network
Autorzy:
Arkani, M.
Khalafi, A.
Powiązania:
https://bibliotekanauki.pl/articles/146121.pdf
Data publikacji:
2013
Wydawca:
Instytut Chemii i Techniki Jądrowej
Tematy:
dead time
artificial neural network (ANN)
Geiger-Müller (G-M) detector
hybrid model
source decaying experiment
Opis:
Dead time parameter of Geiger-Müller (G-M) counters causes a great uncertainty in their response to the incident radiation intensity at high counting rates. As their applications in experimental nuclear science are widespread, many attempts have been done on improvements of their nonlinear response. In this work, response of a G-M counter system is optimized and corrected efficiently using feed forward artificial neural network (ANN). This method is simple, fast, and provides the answer to the problem explicitly with no need for iteration. The method is applied to a set of decaying source experimental data measured by a fairly large G-M tube. The results are compared with those predicted by a given analytical model which is called hybrid model. The maximum deviation of the corrected results from the true counting rates is less than 4% which is a significant improvement in comparison with the results obtained by the analytical method. Results of this study show that by using a proper artificial neural network structure, the dead time effects of G-M counters can be tolerated significantly.
Źródło:
Nukleonika; 2013, 58, 2; 317-321
0029-5922
1508-5791
Pojawia się w:
Nukleonika
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Gap Filling of Daily Sea Levels by Artificial Neural Networks
Autorzy:
Pashova, L.
Koprinkova-Hristova, P. D.
Popova, S.
Powiązania:
https://bibliotekanauki.pl/articles/116147.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
Tematy:
artificial neural network (ANN)
hydrography
Black Sea
Opis:
In the recent years, intelligent methods as artificial neural networks are successfully applied for data analysis from different fields of the geosciences. One of the encountered practical problems is the availability of gaps in the time series that prevent their comprehensive usage for the scientific and practical purposes. The article briefly describes two types of the artificial neural network (ANN) architectures ‐ Feed‐ Forward Backpropagation (FFBP) and recurrent Echo state network (ESN). In some cases, the ANN can be used as an alternative on the traditional methods, to fill in missing values in the time series. We have been conducted several experiments to fill the missing values of daily sea levels spanning a 5‐years period using both ANN architectures. A multiple linear regression for the same purpose has been also applied. The sea level data are derived from the records of the tide gauge Burgas, which is located on the western Black Sea coast. The achieved results have shown that the performance of ANN models is better than that of the classical one and they are very promising for the real‐time interpolation of missing data in the time series.
Źródło:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2013, 7, 2; 225-232
2083-6473
2083-6481
Pojawia się w:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wybrane przykłady zastosowań sztucznych sieci neuronowych w geotechnice
Selected examples of the use of artificial neural networks in geotechnics
Autorzy:
Ochmański, M.
Bzówka, J.
Powiązania:
https://bibliotekanauki.pl/articles/402683.pdf
Data publikacji:
2013
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
sztuczne sieci neuronowe (SSN)
kalibracja modelu numerycznego
analiza wsteczna
tunel SCL
kolumny iniekcyjne
artificial neural network (ANN)
calibration of numerical model
retrograde analysis
SCL tunnel
injection columns
Opis:
Sztuczne sieci neuronowe (SSN) umożliwiają rozwiązywanie problemów bardzo trudnych lub wręcz niemożliwych wcześniej do rozwiązania. W referacie zostaną przedstawione przykłady zastosowania sztucznych sieci neuronowych do rozwiązań wybranych problemów geotechnicznych. Pierwszy przykład dotyczy wykorzystania sztucznych sieci neuronowych do analizy przemieszczeń dwóch bliźniaczych tuneli wykonanych w technologii SCL (Sprayed Concrete Linning). Konstrukcja poddana analizie jest częścią stacji Fővám, czwartej linii metra w Budapeszcie. Analizę przeprowadzono bazując na danych uzyskanych podczas budowy linii metra oraz monitoringu geotechnicznego. W celu analizy opracowano model numeryczny, który posłużył do przeprowadzenia w pierwszej kolejności analizy wrażliwości użytych parametrów modelu konstytutywnego oraz do analizy wstecznej tych parametrów. W przypadku obu analiz posłużono się sztucznymi sieciami neuronowymi, które pokazały łatwość ich zastosowania oraz wiarygodność uzyskanych wyników. W drugim przykładzie przedstawiono sposób przewidywania średnicy kolumn iniekcyjnych. Określenie kształtu kolumn iniekcyjnych, w tym głównie ich średnicy, jest bardzo trudne. Możliwość zastosowania sztucznych sieci neuronowych do określenia średnicy kolumn może w znaczący sposób zoptymalizować metody projektowania kolumn iniekcyjnych. W przykładzie posłużono się obszerną bazą danych zawierającą opis warunków gruntowo-wodnych podłoża, w którym wykonano kolumny iniekcyjne i pomierzone wartości średnic kolumn po ich odsłonięciu. Dane związane z kolumnami iniekcyjnymi zostały wykorzystane do utworzenia sztucznej sieci neuronowej, a następnie do określenia przewidywanych średnic kolumn iniekcyjnych. Uzyskane wyniki charakteryzują się bardzo dobrą zbieżnością z rzeczywistymi wymiarami kolumn. Wykorzystanie sztucznych sieci neuronowych stanowi alternatywę wobec tradycyjnych metod rozwiązywania problemów geotechnicznych.
Artificial Neural Networks (ANN) allow to solve difficult problems which sometimes are impossibleto solve using traditional methods. In the paper the examples of application of Artificial Neural Networks for solving selected problems in geotechnics are presented. First example deals with the use of ANN to analyze two similar tunnels built using SCL technology. The structure of interest is a part of Fővám square station of the 4th metro line in Budapest. Analysis was performed based on the data obtained from geotechnical monitoring and from construction stages. The numerical model was prepared for the purpose of sensitivity and back analyses of constitutive model parameters. In both cases the applications show the possibility and reliability of conducted results. Prediction method of jet grouting columns diameter was presented in the second example. Nowadays, definition of columns geometry and estimation of their diameters are difficult task. Possibility of ANN use for estimation of jet grouting columns diameter can optimize designing method. Wide database of field trial jet grouting columns, corresponding soil properties and their forming parameters with measured values of their diameters were used in the presented example. Data describing jet grouting columns were used for creating ANN and for estimating their diameters. The results are characterized by high correlation level between measured values of columns diameter and their predicted equivalents. The use of Artificial Neural Networks is an alternative method which can allow us to solve complex geotechnical problems. Selected examples confirm that the use of ANN is characterized by high reliability level.
Źródło:
Budownictwo i Inżynieria Środowiska; 2013, 4, 4; 287-294
2081-3279
Pojawia się w:
Budownictwo i Inżynieria Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Resistance Prediction for Hard Chine Hulls in the Pre-Planing Regime
Autorzy:
Radojcic, D.
Zgradic, A.
Kalajdzic, M.
Simic, A.
Powiązania:
https://bibliotekanauki.pl/articles/259047.pdf
Data publikacji:
2014
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
planing craft
hard chine hulls
resistance evaluation
Artificial Neural Network (ANN)
TUNS Series
USCG Series
pre-planing regime
Opis:
A mathematical representation of calm-water resistance for contemporary planing hull forms based on the USCG and TUNS Series is presented. Regression analysis and artificial neural network (ANN) techniques are used to establish, respectively, Simple and Complex mathematical models. For the Simple model, resistance is the dependent variable (actually R/Δ for standard displacement of Δ = 100000 lb), while the Froude number based on volume (FnV) and slenderness ration (L/V1/3) are the independent variables. In addition to these, Complex model’s independent variables are the length beam ratio (L/B), the position of longitudinal centre of gravity (LCG/L) and the deadrise angle (β). The speed range corresponding to FnV values between 0.6 and 3.5 is analyzed. The Simple model can be used in the concept design phases, while the Complex one might be used for various numerical towing tank performance predictions during all design phases, as appropriate.
Źródło:
Polish Maritime Research; 2014, 2; 9-26
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 35

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