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 "diagnostyka sieci" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 58
Tytuł:
Advances in model-based fault diagnosis with evolutionary algorithms and neural networks
Autorzy:
Witczak, M.
Powiązania:
https://bibliotekanauki.pl/articles/908460.pdf
Data publikacji:
2006
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
diagnostyka uszkodzeń
algorytmy ewolucyjne
sieci neuronowe
odporność
fault diagnosis
evolutionary algorithms
neural networks
robustness
Opis:
Challenging design problems arise regularly in modern fault diagnosis systems. Unfortunately, the classical analytical techniques often cannot provide acceptable solutions to such difficult tasks. This explains why soft computing techniques such as evolutionary algorithms and neural networks become more and more popular in industrial applications of fault diagnosis. The main objective of this paper is to present recent developments regarding the application of evolutionary algorithms and neural networks to fault diagnosis. In particular, a brief introduction to these computational intelligence paradigms is presented, and then a review of their fault detection and isolation applications is performed. Close attention is paid to techniques that integrate the classical and soft computing methods. A selected group of them is carefully described in the paper. The performance of the presented approaches is illustrated with the use of the DAMADICS fault detection benchmark that deals with a valve actuator.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2006, 16, 1; 85-99
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of cepstrum and spectrum histograms of vibration engine body for setting up the clearance model of the piston-cylinder assembly for RBF neural classifier
Wykorzystanie histogramów widma i cepstrum drgań korpusu silnika do budowy wzorców luzu w układzie tłok-cylinder dla klasyfikatora neuronowego RBF
Autorzy:
Czech, P.
Madej, H.
Powiązania:
https://bibliotekanauki.pl/articles/1366311.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
diagnostyka
silniki spalinowe
sieci neuronowe
diagnostics
combustion engines
artificial neural networks
Opis:
W artykule przedstawiono próbę oceny zużycia złożenia tłok-cylinder za pomocą sygnału drgań rejestrowanego na kadłubie silnika ZI. Obiektem badań był czterocylindrowy silnik spalinowy o pojemności 1,1 dm3. Diagnozowanie silnika spalinowego metodami drganiowymi jest szczególnie utrudniona ze względu na występowanie wielu źródeł drgań, co jest przyczyną wzajemnego zakłócania symptomów uszkodzeń. Diagnozowanie uszkodzeń silników metodami wibroakustycznymi jest trudne także ze względu na konieczność analizy sygnałów niestacjonarnych i impulsowych. W procesie diagnozowania stosuje się różne sposoby selekcji sygnału użytecznego. Zmiany stanu technicznego silnika wywołane wczesnymi fazami jego zużycia są trudne do wykrycia ze względu na maskowania usterek mechanicznych przez adaptacyjne układy sterowania silnika. Z przeprowadzonych badań wynika, że istnieje możliwość wykorzystania sztucznych sieci neuronowych do oceny luzu w układzie tłok-cylinder.
The paper presents an attempt to evaluate the wear of piston-cylinder assembly with the aid of vibration signal recorded on spark ignition (SI) engine body. The subject of the study was a four-cylinder combustion engine 1.1 dm3. Diagnosing combustion engines with vibration methods is specifically difficult due to the presence of multiple sources of vibration interfering with the symptoms of damages. Diagnosing engines with vibro-accoustic methods is difficult also due to the necessity to analyse non-stationary and transient signals. Various methods for selection of usable signal are utilised in the diagnosing process. Changes of the engine technical condition resulting from early stages of wear are difficult to detect for the effect of mechanical defect masking by adaptive engine control systems. According to the studies carried out, it is possible to utilise artificial neural networks for the evaluation of the clearance in piston-cylinder assembly.
Źródło:
Eksploatacja i Niezawodność; 2011, 4; 15-20
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of genetic algorithms in the task of choosing inputs for probabilistic neural network classifier of faults of gear-tooth
Autorzy:
Czech, P.
Mikulski, J.
Powiązania:
https://bibliotekanauki.pl/articles/393327.pdf
Data publikacji:
2015
Wydawca:
Polskie Stowarzyszenie Telematyki Transportu
Tematy:
gearbox
diagnostics
neural networks
Wigner-Ville transform
genetic algorithm
skrzynia biegów
diagnostyka
sieci neuronowe
transformata Wignera-Ville'a
algorytm genetyczny
Opis:
In this article are presented results of trials of building an application based on probabilistic neural network, used to diagnose damages to the gear wheel teeth in the form of cracks at the base of the tooth. To determine the proper network learning process is necessary to get from the tested object numerous set of input data. Conducted researches are based on data obtained from the identified model of gear working in the drive system, which made it possible to acquire the necessary amount of data. In experiments was tested the usefulness of different sets of descriptors of teeth damages, constructed on the basis of vibratory signals, processed using the Wigner-Ville transform. Often the problem, which makes the proper learning of the neural classifiers impossible is the size of the network structure. Therefore, in further studies was examined the usefulness of genetic algorithms which task is selecting an input data for the artificial neural networks of PNN type.
Źródło:
Archives of Transport System Telematics; 2015, 8, 3; 15-19
1899-8208
Pojawia się w:
Archives of Transport System Telematics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of some advanced signal processing techniques for rolling element bearing fault detection
Zastosowanie zaawansowanych metod analizy sygnału w wykrywaniu uszkodzeń elementów tocznych łożysk
Autorzy:
Yiakopoulos, C.
Antoniadis, I.
Powiązania:
https://bibliotekanauki.pl/articles/328017.pdf
Data publikacji:
2005
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka łożysk
ślepa separacja sygnałów
sieci neuronowe
defective rolling element bearings
neural networks
Opis:
Vibration response of rotating machines is typically mixed and corrupted by a variety of interfering sources and noise, leading to the necessity for the isolation of the useful signal components. A relevant frequently encountered industrial case is the need for the separation of the vibration responses of the same type of bearings inside the same machine. For this purpose, a Blind Source Separation procedure is applied, based on the maximization of the information transferred in a neural network structure. As has been proven, this approach is quite effective in separating signals with super-Gaussian distributions, as it is the case of the vibration response of defective rolling element bearings. The role of the non-linear sigmoid function used in the neural network of the method is discussed and the Kullback-Leibler information divergence is considered as a tool to adapt this non-linearity to the bearing distributions considered. The effectiveness of the method is demonstrated in an experimental application, where a class of optimum non-linear functions is compared to the classical logistic function.
Sygnał drganiowy maszyn wirujących jest zazwyczaj zakłócony przez interferujące z nim sygnały innych źródeł oraz zakłócenia, co prowadzi do potrzeby ekstrachowania użytecznych składowych takiego sygnału. Często spotykanym w praktyce przemysłowej przypadkiem jest potrzeba separacji sygnałów drganiowych pochodzących od łożysk tego samego typu znajdujących się w tej samej maszynie. Do tego celu zastosowano procedurę ślepej separacji sygnałów wykorzystującą maksymalizację informacji przenoszonej przez strukturę sieci neuronowej. Zostało udowodnione, że w przypadku analizy sygnału wibroakustycznego generowanego przez uszkodzony element łożyska tocznego, takie podejście do separacji sygnałów może być efektywne przy założeniu ich super-gaussowskiego rozkładu. Rozważono możliwość adaptacji nieliniowej funkcji sigmoidalnej i dywergencji informacji Kullback-Leibler'a jako narzędzi wykrywania nieliniowości w sygnałach. W celu dostosowania nieliniowości do rozkładów sygnałów łożysk wykorzystywano nieliniową funkcję sigmoidalną oraz rozbieżność informacji Kullback-Leibler'a. Efektywność przedstawionej metody została zaprezentowana na przykładzie, w którym klasa optymalnych nieliniowych funkcji jest porównywana z klasycznymi funkcją logistyczną.
Źródło:
Diagnostyka; 2005, 36; 33-38
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial Neural Networks Approaches to Monitoring of Combustion in a Fluid Boiler
Monitorowanie kotłów fluidalnych z zastosowaniem neuronowych modeli spalania
Autorzy:
Jankowska, A.
Kornacki, S.
Powiązania:
https://bibliotekanauki.pl/articles/972155.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sztuczne sieci neuronowe
wirtualne analizatory
diagnostyka kotłów energetycznych
artificial neural networks
virtual analyzers
fluid boilers diagnosis
Opis:
The paper describes the applications of artificial neural network models to calculating the emission of exhaust gases and early detection of a steam leak in power fluid boilers. Both tasks are related to the monitoring of boilers operation necessary for fulfilling the ecological requirements (balancing and reduction of the contamination emissions) and limiting the damage results. The paper describes especially problems, that are of general character and are important for implementation of industrial applications similar to other industrial plants.
Opisano zastosowanie modeli neuronowych do wyliczania emisji zanieczyszczeń powietrza oraz do wczesnego wykrywania nieszczelności parowych w energetycznych kotłach fluidalnych. Oba zadania związane są z monitorowaniem pracy kotłów koniecznym dla spełnienia wymagań ekologicznych (bilansowanie i redukcja emisji zanieczyszczeń) oraz ograniczeniem skutków awarii. W artykule przedstawiono zwłaszcza te zagadnienia, które mają charakter ogólny i są ważne przy tworzeniu tego typu przemysłowych aplikacji dla innych obiektów przemysłowych.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 3, 3; 149-151
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Barwy jako kryterium w neuronowym rozpoznaniu stanu grzybiczego skory u zwierzat
Colors as a criterion for neural diagnosis of fungal skin of animals
Autorzy:
Dejewska, T
Boniecki, P.
Jakubek, A.
Zaborowicz, M.
Powiązania:
https://bibliotekanauki.pl/articles/883093.pdf
Data publikacji:
2010
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
bydlo
choroby skory
bydlo polskie holsztynsko-fryzyjskie
bydlo czarno-biale
bydlo jersey
grzybica skory
zmiany chorobowe
skora zdrowa
barwa skory
zdjecia cyfrowe
komputerowa analiza obrazu
zbiory danych
sieci neuronowe sztuczne
uczenie sie
diagnostyka chorob
Opis:
Celem pracy było zbadanie istoty informacji dotyczących barw, zakodowanych w obrazie cyfrowym fragmentów skóry bydła domowego w procesie budowy modelu neuronowego. Prace badawcze przeprowadzono w oparciu o trzy rasy bydła domowego: polski holsztyno-fryz, czarno-biała, jersey. Wskazano optymalną topologię sieci, która dokonuje klasyfikacji jedynie na podstawie próbek koloru. Zwrócono także uwagę na wyniki kwalitatywne i możliwości polepszenia jej parametrów jakościowych. Przedstawiono równie¿ perspektywy rozbudowy systemu informatycznego do szerszego zastosowania w tej dziedzinie.
The aim of this study was to examine the essence of the information on color encoded in digital image fragments of bovine skin in the construction of neural model. Research based on three bovine breeds: polish holsztyn-friesian, black and white, jersey. An optimal network topology, which makes the classification basing solely on the color of samples, was indicated Also the attention was paid to the results and possibilities for improvement of the qualitative parameters. Prospects of development of the computer system for wider application in this field were also presented
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2010, 05; 11-12
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Bayesian reliability models of Weibull systems: State of the art
Autorzy:
Zaidi, A.
Ould Bouamama, B.
Tagina, M.
Powiązania:
https://bibliotekanauki.pl/articles/330104.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
modelowanie hierarchiczne
system Weibulla
sieci bayesowskie
diagnostyka uszkodzeń
hierarchical modeling
reliability
Weibull
Bayesian networks
fault diagnosis
Opis:
In the reliability modeling field, we sometimes encounter systems with uncertain structures, and the use of fault trees and reliability diagrams is not possible. To overcome this problem, Bayesian approaches offer a considerable efficiency in this context. This paper introduces recent contributions in the field of reliability modeling with the Bayesian network approach. Bayesian reliability models are applied to systems with Weibull distribution of failure. To achieve the formulation of the reliability model, Bayesian estimation of Weibull parameters and the model's goodness-of-fit are evoked. The advantages of this modelling approach are presented in the case of systems with an unknown reliability structure, those with a common cause of failures and redundant ones. Finally, we raise the issue of the use of BNs in the fault diagnosis area.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2012, 22, 3; 585-600
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Breast cancer diagnosis using wrapper-based feature selection and artificial neural network
Autorzy:
Naveed, Nawazish
Madhloom, Hayan T.
Husain, Mohd Shahid
Powiązania:
https://bibliotekanauki.pl/articles/1956040.pdf
Data publikacji:
2021
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
breast cancer diagnosis
feature selection
neural network
grid search
machine learning
diagnostyka raka piersi
dobór cech
sieć neuronowa
przeszukiwanie sieci
uczenie maszynowe
Opis:
Breast cancer is commonest type of cancers among women. Early diagnosis plays a significant role in reducing the fatality rate. The main objective of this study is to propose an efficient approach to classify breast cancer tumor into either benign or malignant based on digitized image of a fine needle aspirate (FNA) of a breast mass represented by the Wisconsin Breast Cancer Dataset. Two wrapper-based feature selection methods, namely, sequential forward selection(SFS) and sequential backward selection (SBS) are used to identify the most discriminant features which can contribute to improve the classification performance. The feed forward neural network (FFNN) is used as a classification algorithm. The learning algorithm hyper-parameters are optimized using the grid search process. After selecting the optimal classification model, the data is divided into training set and testing set and the performance was evaluated. The feature space is reduced from nine feature to seven and six features using SFS and SBS respectively. The highest classification accuracy recorded was 99.03% with FFNN using the seven SFS selected features. While accuracy recorded with the six SBS selected features was 98.54%. The obtained results indicate that the proposed approach is effective in terms of feature space reduction leading to better accuracy and efficient classification model.
Źródło:
Applied Computer Science; 2021, 17, 3; 19-30
1895-3735
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification of fault diagnosis in a gear wheel by used probabilistic neural network, fast Fourier transform and principal component analysis
Klasyfikacja uszkodzeń przekładni zębatych przy wykorzystaniu probabilistycznej sieci neuronowej, szybkiej transformaty Fouriera oraz analizy PCA
Autorzy:
Czech, P.
Powiązania:
https://bibliotekanauki.pl/articles/374597.pdf
Data publikacji:
2007
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
przekładnie zębate
diagnostyka uszkodzeń przekładni
probabilistyczne sieci neuronowe
transformata Fouriera
analiza PCA
tooth gear
gear diagnosis
probbilistic neural network
Fourier transform
principial componenet analysis
Opis:
This paper presents the results of an experimental application of artificial neural network as a classifier of the degree of cracking of a tooth root in a gear wheel. The neural classifier was based on the artificial neural network of Probabilistic Neural Network type (PNN). The input data for the classifier was in a form of matrix composed of statistical measures, obtained from fast Fourier transform (FFT) and principal component analysis (PCA). The identified model of toothed gear transmission, operating in a circulating power system, served for generation of the teaching and testing set applied for the experiment.
W artykule przedstawiono wyniki z eksperymentów, których celem było wykorzystanie sztucznej sieci neuronowej jako klasyfikatora stopnia pęknięcia u podstawy zębów kół przekładni. W badaniach użyto probabilistycznych sieci neuronowych (PNN). Dane wejściowe dla klasyfikatorów stanowiły miary statystyczne uzyskane z sygnałów drganiowych, przy wykorzystaniu szybkiej transformaty Fouriera (FFT) oraz analizy PCA. Zidentyfikowany model przekładni zębatej, pracującej w układzie napędowym, posłużył jako źródło danych uczących i testujących dla sztucznych sieci neuronowych.
Źródło:
Transport Problems; 2007, 2, 4; 99-106
1896-0596
2300-861X
Pojawia się w:
Transport Problems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Convolutional neural networks for early computer diagnosis of child dysplasia
Konwolucyjne sieci neuronowe do wczesnej diagnostyki komputerowej dysplazji u dzieci
Autorzy:
Bilynsky, Yosyp
Nikolskyy, Aleksandr
Revenok, Viktor
Pogorilyi, Vasyl
Smailova, Saule
Voloshina, Oksana
Kumargazhanova, Saule
Powiązania:
https://bibliotekanauki.pl/articles/27315470.pdf
Data publikacji:
2023
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
convolutional neural networks
computer diagnosis
ultrasound image child dysplasia
konwolucyjne sieci neuronowe
diagnostyka komputerowa
obrazowanie ultrasonograficzne dysplazji dziecięcej
Opis:
The problem in ultrasound diagnostics hip dysplasia is the lack of experience of the doctor in case of incorrect orientation of the hip joint and ultrasound head. The aim of this study was to evaluate the ability of the convolutional neural network (CNN) to classify and recognize ultrasound imaging of the hip joint obtained at the correct and incorrect position of the ultrasound sensor head in the computer diagnosis of pediatric dysplasia. CNN's such as GoogleNet, SqueezeNet, and AlexNet were selected for the study. The most optimal for the task is the use of CNN GoogleNet showed. In this CNN used transfer learning. At the same time, fine-tuning of the network and additional training on the database of 97 standards of ultrasonic images of the hip joint were applied. Image type RGB 32 bit, 210 × 300 pixels are used. Fine-tuning has been performed the lower layers of the structure CNN, in which 5 classes are allocated, respectively 4 classes of hip dysplasia types according to the Graf, and the Type ERROR ultrasound image, where position of the ultrasound sensor head and of the hip joint in ultrasound diagnostics are incorrect orientation. It was found that the authenticity of training and testing is the highest for the GoogleNet network: when classified in the training group accuracy is up to 100%, when classified in the test group accuracy – 84.5%.
Problemem w diagnostyce ultrasonograficznej dysplazji stawu biodrowego jest brak doświadczenia lekarzy w zakresie nieprawidłowej orientacji stawu biodrowego i głowicy ultrasonograficznej. Celem tego badania była ocena zdolności konwolucyjnej sieci neuronowej (CNN) do klasyfikowania i rozpoznawania obrazów ultrasonograficznych stawu biodrowego uzyskanych przy prawidłowym i nieprawidłowym położeniu głowicy ultrasonograficznej we wspomaganej komputerowo diagnostyce dysplazji dziecięcej. Do badania wybrano sieci CNN, takie jak GoogleNet, SqueezeNet i AlexNet. Wykazano, że najbardziej optymalne dla tego zadania jest użycie CNN GoogleNet. Jednocześnie w CNN zastosowano metodologię uczenia transferowego. Zastosowano precyzyjne dostrojenie sieci i dodatkowe szkolenie na podstawie 97 próbek obrazów ultrasonograficznych stawu biodrowego, typ obrazu RGB 32 bity, 210 × 300 pikseli. Przeprowadzono dostrajanie dolnych warstw struktury CNN, w której zidentyfikowano 5 klas, odpowiednio 4 klasy typów dysplazji stawu biodrowego według Grafa oraz obraz ultrasonograficzny typu ERROR, w którym pozycja głowicy ultrasonograficznej i stawu biodrowego w diagnostyce ultrasonograficznej mają nieprawidłową orientację. Stwierdzono, że niezawodność szkolenia i testowania jest najwyższa dla sieci GoogleNet: podczas klasyfikacji w grupie szkoleniowej dokładność wynosi do 100%, podczas klasyfikacji w grupie testowej dokładność wynosi 84,5%.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 2; 56--63
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Deep learning versus classical neural approach to mammogram recognition
Autorzy:
Kurek, J.
Świderski, B.
Osowski, S.
Kruk, M.
Barhoumi, W.
Powiązania:
https://bibliotekanauki.pl/articles/200919.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
convolutional neural networks
breast cancer diagnosis
mammogram recognition
diagnostic features
splotowe sieci neuronowe
diagnostyka raka piersi
rozpoznawanie
mammografia
cechy diagnostyczne
Opis:
Automatic recognition of mammographic images in breast cancer is a complex issue due to the confusing appearance of some perfectly normal tissues which look like masses. The existing computer-aided systems suffer from non-satisfactory accuracy of cancer detection. This paper addresses this problem and proposes two alternative techniques of mammogram recognition: the application of a variety of methods for definition of numerical image descriptors in combination with an efficient SVM classifier (so-called classical approach) and application of deep learning in the form of convolutional neural networks, enhanced with additional transformations of input mammographic images. The key point of the first approach is defining the proper numerical image descriptors and selecting the set which is the most class discriminative. To achieve better performance of the classifier, many image descriptors were defined by means of applying different characterization of the images: Hilbert curve representation, Kolmogorov-Smirnov statistics, the maximum subregion principle, percolation theory, fractal texture descriptors as well as application of wavelet and wavelet packets. Thanks to them, better description of the basic image properties has been obtained. In the case of deep learning, the features are automatically extracted as part of convolutional neural network learning. To get better quality of results, additional representations of mammograms, in the form of nonnegative matrix factorization and the self-similarity principle, have been proposed. The methods applied were evaluated based on a large database composed of 10,168 regions of interest in mammographic images taken from the DDSM database. Experimental results prove the advantage of deep learning over traditional approach to image recognition. Our best average accuracy in recognizing abnormal cases (malignant plus benign versus healthy) was 85.83%, with sensitivity of 82.82%, specificity of 86.59% and AUC = 0.919. These results are among the best for this massive database.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 831-840
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Deep neural networks for skin lesions diagnostics
Głębokie sieci neuronowe dla diagnostyki zmian skórnych
Autorzy:
Michalska-Ciekańska, Magdalena
Powiązania:
https://bibliotekanauki.pl/articles/2174701.pdf
Data publikacji:
2022
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
deep neural networks
transfer learning
dermatoscopic images
skin lesions diagnostics
głębokie sieci neuronowe
obraz dermatoskopowy
diagnostyka zmian skórnych
Opis:
Non-invasive diagnosis of skin cancer is extremely necessary. In recent years, deep neural networks and transfer learning have been very popular in the diagnosis of skin diseases. The article contains selected basics of deep neural networks, their interesting applications created in recent years, allowing the classification of skin lesions from available dermatoscopic images.
Nieinwazyjna diagnostyka nowotworów skóry jest niezwykle potrzebna. W ostatnich latach bardzo dużym zainteresowaniem w diagnostyce chorób skóry cieszą się głębokie sieci neuronowe i transfer learning. Artykuł zawiera wybrane podstawy głębokich sieci neuronowych, ich ciekawe zastosowania stworzone w ostatnich latach, pozwalające na klasyfikację zmian skórnych z dostępnych obrazów dermatoskopowych.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2022, 12, 3; 50--53
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnostics of analog systems using Artificial Neural Networks
Diagnostyka systemów analogowych z wykorzystaniem sztucznych sieci neuronowych
Autorzy:
Bilski, P.
Powiązania:
https://bibliotekanauki.pl/articles/277729.pdf
Data publikacji:
2017
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
artificial intelligence
artificial neural networks
fault detection
analog systems diagnostics
sztuczna inteligencja
sztuczne sieci neuronowe
wykrywanie uszkodzeń
diagnostyka systemów analogowych
Opis:
The paper presents the diagnostic applications of artificial neural networks (ANN). Aims and problems present in the contemporary diagnostics are introduced. The structure of the artificial intelligence-based system is presented and discussed in detail. Various approaches to design the on-line fault detection and location system using artificial intelligence approaches are introduced. The generic architecture of the ANN and its variations are presented. Next, their diagnostic applications, advantages and drawbacks are discussed. Application of RBF ANN-based diagnostic module to detect and identify faults of the 5th order lowpass filter is presented. Finally, usability and limitations of the ANN-based diagnostic system are provided.
W artykule przedstawiono zastosowania sztucznych sieci neuronowych w diagnostyce systemów analogowych. Opisano główne cele diagnostyki oraz problemy spotykane obecnie podczas detekcji i lokalizacji uszkodzeń. Wprowadzono ogólną strukturę systemu diagnostycznego opartego na metodach sztucznej inteligencji. Przedstawiono różne metody inteligentne, które mogą zostać zastosowane w systemie działającym w trybie on-line. Następnie omówiono ogólną architekturę sztucznej sieci neuronowej oraz jej cechy szczególnie istotne z punktu widzenia detekcji i lokalizacji uszkodzeń. Specyficzne architektury sieci wraz z ich zastosowaniami diagnostycznymi przedstawiono w szczegółach. Na przykładzie filtru dolnoprzepustowego 5. rzędu przedstawiono działanie metody diagnostycznej wykorzystującej sieć neuronową typu RBF. Omówiono możliwości i ograniczenia stosowalności sztucznych sieci neuronowych jako narzędzia diagnostycznego.
Źródło:
Pomiary Automatyka Robotyka; 2017, 21, 4; 23-32
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnostyka doboru średnic przewodów wodociągowych za pomocą sztucznych sieci neuronowych typu MLP: przykład obliczeniowy
Diagnostics diameter selection of water pipes by using MLP artificial neural networks: case of study
Autorzy:
Dawidowicz, J.
Powiązania:
https://bibliotekanauki.pl/articles/402715.pdf
Data publikacji:
2015
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
system dystrybucji wody
obliczenia hydrauliczne
dobór średnic
diagnostyka procesów
sieci neuronowe
water distribution system
hydraulic calculations
selection of diameters
diagnostics processes
neural networks
Opis:
Obliczenia systemów dystrybucji wody wykonywane są najczęściej wielokrotnie, gdyż po pierwszych obliczeniach z reguły nie uzyskuje się poprawnego rozwiązania z technicznego punktu widzenia. Pojawiają się różnorodne problemy, które powinny być rozpoznane i zlokalizowane. Po każdym przebiegu obliczeniowym następuje ocena wyników, korekta danych i kolejne obliczenia. Przyjmując, że obliczenia są wieloetapowym procesem mającym na celu uzyskanie właściwego rozwiązania, można mówić obliczeniach jako o procesie obliczeniowym oraz diagnostyce procesu obliczeniowego. W niniejszym artykule zamieszczono przykład obliczeniowy metody diagnostycznej, mającej na celu ocenę poprawności doboru średnic przewodów wodociągowych. Proponowana metoda opiera się na teorii diagnostyki procesów oraz modelowania neuronowego.
Calculations of water distribution systems are the most frequently performed, because after the first calculations the correct solution, from a technical point of view, are generally not obtained. After each run the calculation takes evaluation of the results, correction of data and next calculation. Assuming that the calculation is a process to obtain the right solutions, we can talk about the process of calculation and diagnosis of the calculation. This article provides an example of calculation diagnostic method aimed at assessing the selection of diameter water pipes. The proposed method is based on the theory of diagnostic processes and neural modelling.
Źródło:
Budownictwo i Inżynieria Środowiska; 2015, 6, 2; 61-68
2081-3279
Pojawia się w:
Budownictwo i Inżynieria Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnostyka łożysk silnika indukcyjnego na podstawie prądu zasilającego przy użyciu sztucznych sieci neuronowych
Diagnostics of induction motor bearings with use of supply current signal and artificial neural networks
Autorzy:
Ciszewski, T.
Swędrowski, L.
Powiązania:
https://bibliotekanauki.pl/articles/152328.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
diagnostyka
silnik indukcyjny
sieci neuronowe
uszkodzenia łożysk
diagnostics
induction motor
neural networks
bearings defects
Opis:
W artykule zawarto wyniki badań dotyczące diagnostyki łożysk silnika indukcyjnego na podstawie pomiarów prądu zasilającego z wykorzystaniem sztucznych sieci neuronowych. Zaprezentowano wyniki uczenia sieci oraz rezultaty testów przeprowadzonych na danych spoza zbioru uczącego. Badania wykonane zostały na obiektach z celowo wprowadzonymi uszkodzeniami łożysk. Przedstawiona nowa koncepcja zakłada użycie zestawu sieci neuronowych wybieranych na podstawie prędkości obrotowej silnika podczas pomiaru. Metoda ta ma szanse na wdrożenie w przemyśle.
The paper contains research results on the diagnostics of induction motor bearings by measuring the supply current with usage of artificial neural networks. Bearing failure amount is greater than 40% of all engine failures, so their damage-free operation is so important [1]. Tests were performed on objects with intentionally made bearings defects. Section 2 introduces the concept of artificial neural networks. It presents the general structure of a multilayer neural network (Fig.1) and the model of a single neuron (Fig. 2) which explains how to create an output signal (1,2). A backpropagation algorithm was chosen to be the learning method for the network being created. It uses equation (4) for calculating the errors in the k-th layer. As the model data for the network learning, DREAM vibration diagnostics system results were used. Section 3 describes how the network input data was created. The essence of the algorithm is to choose the right set of weights for each rotor speed. This is an innovative solving of this diagnostic problem. The results of this study are listed in Table 1. Equations (6) - (14) describe how each error was counted. The method presented in this paper, after developing, can be very useful for industry.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 4, 4; 316-318
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 58

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