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 "calculation intelligence" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Modelowanie neuronowe w obliczaniu współczynnika przenikania ciepła oraz wymaganej warstwy izolacji przegrody budowlanej
    Neural modelling for calculating the heat transfer coefficient and required isolation layer of wall barier
    Autorzy:
    Dawidowicz, J.
    Sidorowicz, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/402833.pdf
    Data publikacji:
    2010
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    straty ciepła
    współczynnik przenikania ciepła
    modelowanie neuronowe
    inteligencja obliczeniowa
    warmth losses
    heat transfer coefficient
    neural modelling
    calculation intelligence
    Opis:
    W referacie przedstawiono zastosowanie sztucznych sieci neuronowych do obliczania współczynnika przenikania ciepła U oraz model odwrotny, polegający na obliczaniu grubości warstwy izolacyjnej przy zadanym współczynniku. Opisano metodykę sporządzenia zbioru uczącego sztuczne sieci neuronowe oraz opisano zbiór przetestowanych sieci neuronowych. Metody sztucznej inteligencji, w tym sztuczne sieci neuronowe, pozwalają uwzględnić w obliczeniach wiele zjawisk i procesów trudnych do opisu matematycznego ze względu na swoją nieliniowość, stąd uzyskane modele neuronowe będą uzupełniane w przyszłości o dodatkowe parametry obliczeniowe.
    The report presents the usage of artificial neural networks to calculate heat transfer coefficient U and the opposite model, which consists on calculating the thickness of the isolation layer with given coefficient. The methodology of making a set teaching artificial neural networks and the set of tested neural networks were described. The methods of artificial intelligence, including neural networks, let include in calculations many phenomena and processes hard to describe mathematically because of their nonlinearity, so obtained neural models will be completed by additional computable parameters in future.
    Źródło:
    Budownictwo i Inżynieria Środowiska; 2010, 1, 1; 17-24
    2081-3279
    Pojawia się w:
    Budownictwo i Inżynieria Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Multilayer Perceptron for the Calculation of Pressure Losses in Water Supply Lines
    Zastosowanie perceptronu wielowarstwowego do obliczeń strat ciśnienia w przewodach wodociągowych
    Autorzy:
    Czapczuk, A.
    Dawidowicz, J.
    Piekarski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/1813822.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    water distribution systems
    artificial intelligence
    expert systems
    artificial neuronal networks
    heuristic methods
    calculation of pressure losses
    systemy dystrybucji wody
    sztuczna inteligencja
    systemy ekspertowe
    sztuczne sieci neuronowe
    metody heurystyczne
    obliczenia strat ciśnienia
    Opis:
    Numerical methods have been widely used for many years in the design and operation of water supply systems. Specialised computer programmes offer more and more facilities, especially for data entry and viewing, but they still function on the basis of predetermined algorithms. At present, however, we strive to create computational programmes with a certain degree of creativity, which should make it easier for users to make decisions at various stages of the task and improve the quality of their solutions. The increasing power of computers will not solve complex problems alone. Only by introducing appropriate calculation methods can we obtain the right results. It seems that classical algorithms with a formalised course can be supplemented, nowadays, with far more advanced computational techniques. This paper presents an literature review on the use of artificial neural networks in the design and operation of water distribution systems. Presented in the second part of the paper, is an overview of the artificial neural network, developed for the calculation of pressure losses in water supply lines. The calculation of hydraulic piping with the EPANET programme for various input parameters resulted in a collection of 16,260 training examples. Input parameters of the neural network include pipe length, measurable flow, absolute roughness coefficient and the nominal diameter. Very high compatibility was obtained between the calculation results for those pressure losses obtained from the EPANET programme and those obtained from the multi-layered perceptron with one hidden layer.
    Metody numeryczne stosuje się powszechnie od wielu lat w projektowaniu i eksploatacji systemów zaopatrzenia w wodę. Specjalistyczne programy komputerowe oferują coraz więcej udogodnień, szczególnie w zakresie wprowadzania danych oraz przeglądania wyników, lecz nadal funkcjonują na podstawie z góry określonych algorytmów. Obecnie dąży się jednak do stworzenia programów obliczeniowych, które będzie charakteryzować pewien stopień kreatywności, co powinno ułatwić użytkownikom podejmowanie decyzji na różnych etapach realizacji zadania i poprawić jakość rozwiązań. Zwiększająca się moc obliczeniowa komputerów samoistnie nie rozwiąże złożonych problemów. Dopiero wprowadzanie odpowiednich metod obliczeniowych, pozwala uzyskać właściwe efekty. Wydaje się, że klasyczne algorytmy o sformalizowanym przebiegu, można obecnie uzupełnić znacznie bardziej zaawansowanymi technikami obliczeniowymi. W niniejszej pracy dokonano przeglądu literatury w zakresie zastosowania sztucznych sieci neuronowych w projektowaniu systemów dystrybucji wody. W drugiej części artykułu zamieszczono omówienie sztucznej sieci neuronowej do obliczeń strat ciśnienia w przewodach wodociągowych. W wyniku obliczeń hydraulicznych przewodów wodociągowych za pomocą programu EPANET dla różnych wartości parametrów wejściowych uzyskano zbiór 16260 przykładów uczących. Parametry wejściowe sieci neuronowej to długość przewodu, przepływ miarodajny, współczynnik chropowatości bezwzględnej oraz średnica nominalna. Uzyskano bardzo wysoką zgodność pomiędzy wynikami obliczeń strat ciśnienia z programu EPANET i perceptronu wielowarstwowego z jedną warstwą ukrytą.
    Źródło:
    Rocznik Ochrona Środowiska; 2017, Tom 19; 200-210
    1506-218X
    Pojawia się w:
    Rocznik Ochrona Środowiska
    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