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 neuron networks" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Trends in the stock market and their price forecasting using artificial neural networks
    Autorzy:
    STRZELCZYK, Agata
    STRZELCZYK, Artur
    Powiązania:
    https://bibliotekanauki.pl/articles/529849.pdf
    Data publikacji:
    2013
    Wydawca:
    Wyższa Szkoła Bankowa we Wrocławiu
    Tematy:
    artificial neuron networks
    stock exchange
    market trends
    GRW
    Opis:
    The article is devoted to the research of market trends in order to forecast stock prices on the basis of neuron networks. To demonstrate such a possibility the authors propose three networks for each considered trend. The article demonstrates that neuron networks can be an effective way to predict the market prices of shares.
    Źródło:
    Central and Eastern European Journal of Management and Economics (CEEJME); 2013, 1, 2; 155-164
    2353-9119
    Pojawia się w:
    Central and Eastern European Journal of Management and Economics (CEEJME)
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie ceny ogórka szklarniowego za pomocą sieci neuronowych
    Forecasting a hothouse cucumber price with the use of neuron networks
    Autorzy:
    Francik, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/288377.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    sztuczne sieci neuronowe
    prognozowanie
    cena
    artificial neuron networks
    forecasting
    price
    Opis:
    W pracy opracowano modele wykorzystujące sztuczne sieci neuronowe do prognozowania cen ogórka szklarniowego, przy czterech horyzontach prognoz. Porównano dokładności prognoz uzyskanych za pomocą różnych typów sieci neuronowych (liniowych, wielowarstwowych perceptronów i sieci o radialnych funkcjach bazowych). Jako najlepsze modele wybrano sieci liniowe, gdyż pozwalały na uzyskanie najdokładniejszych prognoz.
    Models using neuron networks to forecast hothouse cucumber prices have been developed in this research, with four forecast horisons. The accuracy of forecasts obtained with the use of various types of neuron networks (linear, multilayer perceptrons and radial base function networks) have been compared. The linear networks have been selected as the best models as they have generated the most accurate forecasts.
    Źródło:
    Inżynieria Rolnicza; 2005, R. 9, nr 14, 14; 91-97
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sieci Kohonena i wykresu rozrzutu do identyfikacji grup miodów według ich cech elektrycznych
    Application of Kohonen map and a scatter diagram for identification of honey groups according to their electric features
    Autorzy:
    Łuczycka, D.
    Pruski, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/291382.pdf
    Data publikacji:
    2012
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    miód
    właściwości elektryczne
    sztuczna sieć neuronowa
    sieci Kohonena
    honey
    electric properties
    artificial neuron networks
    Kohonen maps
    Opis:
    Celem pracy jest wykonanie analiz symulacyjnych bazujących na sieci Kohonena i skalowaniu wielowymiarowym, oraz możliwość zastosowania tych technik do identyfikacji grup miodów odmianowych pod względem cech elektrycznych. Przebadano przenikalność elektryczną, współczynnik strat dielektrycznych oraz przewodność szesnastu gatunków miodów (spadziowe i nektarowe). W wyniku przeprowadzonych analiz stwierdzono, że sieci Kohonena oraz skalowanie wielowymiarowe są dobrymi narzędziami do określania liczności i składu gatunkowego grup miodów odmianowych. Właściwą architekturą sieci Kohonena tworzącą poprawną mapę topologiczną, dla analizowanych cech miodu, jest mapa zbudowana z 9 neuronów wyjściowych o wymiarach 3x3.
    The purpose of the work is to carry out simulation analysis which are based on Kohonen map and multidimensional scaling and the possibility of application of these technologies for identification of cultivar honey groups in relation to their electric properties. Electric conductivity, coefficient of dielectric losses and conductivity of 16 cultivars of honey (honeydew and nectar honey) were researched. As a result of the analysis which was carried out, it was determined that Kohonen map and multidimensional scaling are good devices for determining the number and species composition of cultivar honey groups. A map formed of 9 output neurons of 3x3 dimensions is the proper architecture of Kohonen map which forms a correct topology map for the analysed properties of honey.
    Źródło:
    Inżynieria Rolnicza; 2012, R. 16, nr 2, t. 2, 2, t. 2; 169-175
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych do prognozowania szeregów czasowych krótkotrwałego poboru wody w wybranych systemach wodociągowych.
    Artificial Neural Networks for Predicting Water Demand Time Series in Municipal Water Supply Systems of Choice.
    Autorzy:
    Cieżak, W.
    Siwoń, Z.
    Cieżak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/237688.pdf
    Data publikacji:
    2006
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    system wodociągowy
    pobór wody
    prognozowanie
    sztuczne sieci neuronowe
    water supply system
    water demand
    forecasting
    artificial neuron networks
    Opis:
    W artykule omówiono wyniki modelowania i prognozowania szeregów czasowych poboru wody z miejskich sieci wodociągowych dla potrzeb optymalnego sterowania procesami zaopatrzenia w wodę. Zaprezentowano wyniki praktycznej weryfikacji sztucznych sieci neuronowych na przykładzie wydzielonego rejonu sieci wodociągowej we Wrocławiu i Brzegu. Przedstawiona została propozycja struktury sieci neuronowej przystosowanej do prognozowania zapotrzebowania na wodę, a także omówiono metody przygotowania danych statystycznych do późniejszego wykorzystania przy prognozowaniu z zastosowaniem sieci neuronowych. Wykazano silne i słabe strony omawianej metody prognozowania, jej skuteczność i dokładność. Skuteczność sztucznych sieci neuronowych w prognozowaniu szeregów czasowych krótkotrwałego poboru wody okazała się w praktyce porównywalna ze skutecznością modeli klasy ARIMA.
    Water demand time series were modeled and forecast for the purpose of optimal control of water supply processes in municipal water supply systems. The verification of the artificial neural network models involved a separate water supply subsystem for Wrocław and the water supply system for Brzeg. A structure of artificial neural networks is proposed for water demand prediction. Methods of statistical data processing for further use with neural networks for water demand prediction are also discussed. The strengths and weaknesses of this approach are pointed out along with its efficiency and accuracy. The results show that the efficiency of neural networks in forecasting the water demand time series is comparable with the efficiency of ARIMA models. Hence, the neural networks can be used as an alternative to the ARIMA models.
    Źródło:
    Ochrona Środowiska; 2006, R. 28, nr 1, 1; 39-44
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Mathematical model of architecture and learning processes of artificial neural networks
    Autorzy:
    Bielecki, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/1931575.pdf
    Data publikacji:
    2003
    Wydawca:
    Politechnika Gdańska
    Tematy:
    artificial neural networks
    neuron
    learning process
    topological conjugacy
    gradient dynamical system
    Euler method
    Opis:
    A mathematical model of architecture and learning processes of multilayer artificial neural netwoks is discussed in the paper. Dynamical systems theory is used to describe the learning precess of networks consisting of linear, weakly nonlinear and nonlinear neurons. Conjugacy between a gradient dynamical system with a constant time step and a cascade generated by its Euler method theorem is applied as well.
    Źródło:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2003, 7, 1; 93-114
    1428-6394
    Pojawia się w:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The training of multiplicative neuron model based artificial neural networks with differential evolution algorithm for forecasting
    Autorzy:
    Bas, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/91575.pdf
    Data publikacji:
    2016
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    artificial neural networks
    multiplicative neuron model
    differential evolution
    algorithm
    forecasting
    sztuczne sieci neuronowe
    algorytm
    prognozowanie
    Opis:
    In recent years, artificial neural networks have been commonly used for time series forecasting by researchers from various fields. There are some types of artificial neural networks and feed forward artificial neural networks model is one of them. Although feed forward artificial neural networks gives successful forecasting results they have a basic problem. This problem is architecture selection problem. In order to eliminate this problem, Yadav et al. (2007) proposed multiplicative neuron model artificial neural network. In this study, differential evolution algorithm is proposed for the training of multiplicative neuron model for forecasting. The proposed method is applied to two well-known different real world time series data.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2016, 6, 1; 5-11
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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