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 "fuzzy patterns" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Travel Time Forecasting Based on Fuzzy Patterns
    Autorzy:
    Kiersztyn, Adam
    Gandzel, Agnieszka Gandzel
    Koczan, Leopold
    Celiński, Maciej
    Powiązania:
    https://bibliotekanauki.pl/articles/2023310.pdf
    Data publikacji:
    2021
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    fuzzy clustering
    travel time forecasting
    fuzzy patterns
    transportation data
    Opis:
    Estimating travel time is one of the most important processes in logistics as well as in everyday life. In particular, when it comes to transportation services, efficient time management can be a competitive advantage, not to mention customer satisfaction, which can be easily translated into business success. Therefore, in this study we analyze various travel time estimation methods in combination with a well-known Fuzzy C-Means clustering algorithm. The proposed FCM-based solution has significant advantages, allowing for the determination of the optimal travel time. In an extensive numerical experiment, we present the application of the proposed method to estimate the time of a taxi trip around New York. Due to division of the city area into detailed areas and taking into account information about the travel time in the analysis, a model was obtained, that perfectly forecasts speed of taxi travel. In this study we consider various, competitive approaches to build such a model.
    Źródło:
    Advances in Science and Technology. Research Journal; 2021, 15, 3; 224-232
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modeling of self-induced vibrations that occur during the machining process of casting patterns with the use of the fuzzy-neural networks method
    Modelowanie drgań samowzbudnych powstających w procesie mechanicznej obróbki formierskich płyt odlewniczych za pomocą sieci rozmyto-neuronowych
    Autorzy:
    Herberg, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/354238.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    self-induced vibrations
    casting patterns
    fuzzy-neural networks
    local models
    drgania samowzbudne
    wzory odlewnicze
    sieci rozmyto-neuronowe
    płyty modelowe
    Opis:
    This article outlines a methodology of modeling self-induced vibrations that occur in the course of machining of metal objects, i.e. when shaping casting patterns on CNC machining centers. The modeling process presented here is based on an algorithm that makes use of local model fuzzy-neural networks. The algorithm falls back on the advantages of fuzzy systems with Takagi-Sugeno-Kanga (TSK) consequences and neural networks with auxiliary modules that help optimize and shorten the time needed to identify the best possible network structure. The modeling of self-induced vibrations allows analyzing how the vibrations come into being. This in turn makes it possible to develop effective ways of eliminating these vibrations and, ultimately, designing a practical control system that would dispose of the vibrations altogether.
    W procesie technologicznym wykonania odlewu, istotna pozycja jest omodelowanie odlewnicze, składające się z pojedynczych modeli lub zestawów modeli montowanych na płytach formierskich modelowych. Tak określone omodelowanie służy do odwzorowania w zagęszczonej masie formierskiej kształtu wnęki formy, odtwarzającej odlew zgodnie z technologicznością procesu. Szczególną rolę w jakości gotowego odlewu, przypisuje się jakości płyt modelowych wraz z zestawem modeli, stosowanych w automatach formierskich wykonujących formy odlewnicze. Produkcja płyt modelowych odbywa się na zautomatyzowanych stanowiskach obróbczych CNC, w których podczas procesu obróbki ubytkowej występują niepożądane drgania, zwłaszcza samowzbudne. Drgania niekorzystnie wpływaja na dokładnosc wymiarowa i jakosc powierzchni obrabianych płyt i modeli odlewniczych. Eliminacja drgan samowzbudnych w trakcie procesu skrawania jest jednym z warunków wykonania płyt modelowych o wysokiej jakości. W artykule przedstawiona zostanie metodyka modelowania drgań samowzbudnych za pomocą sieci rozmyto-neuronowych. Jest to pierwszy etap w eliminacji niepożądanych drgań samowzbudnych wystepujących w procesie wytwarzania płyt modelowych. Zamodelowanie drgań samowzbudnych umożliwia analizę procesu powstawania drgań i opracowanie skutecznych metod ich eliminacji, a docelowo zaprojektowanie układu regulacji niwelującego te drgania. Ponadto scharakteryzowano problemy eksploatacyjne, jako następstwo występowania drgań samowzbudnych. Przeanalizowano możliwosci zastosowania sieci rozmyto-neuronowych w celu modelowania drgań samowzbudnych wraz z omówieniem zalet i wad sieci. Przedstawiono również algorytm do tworzenia odpowiednich struktur sieci rozmyto-neuronowych dla modeli lokalnych i przykłady zastosowania algorytmu w procesie modelowania drgań samowzbudnych.
    Źródło:
    Archives of Metallurgy and Materials; 2013, 58, 3; 871-875
    1733-3490
    Pojawia się w:
    Archives of Metallurgy and Materials
    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