Temat: intelligent algorithm - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Man-algorithm Cooperation Intelligent Design of Clothing Products in Multi Links
Autorzy:: Han, Chen
Lei, Shen
Shaogeng, Zhang
Mingming, Wang
Ying, Tang
Powiązania:: https://bibliotekanauki.pl/articles/2056307.pdf
Data publikacji:: 2022
Wydawca:: Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:: intelligent algorithm
cooperation
clothing design
machine learning
efficiency
Opis:: The changes in technology have led to a synchronous change in the clothing design method, as well as media and artistic aesthetics in the same period. The intelligence algorithm is constantly increasing its participation in development and production in the clothing industry. In this study, a variety of intelligent algorithms, including the parameterised numer state algorithm, Generative Adversarial Networks, and style transfer were introduced into the multi-links of clothing product design and development, such as clothing shape, print pattern, texture craft, product vision, and so on. Then, an innovative clothing design method based on the cooperation of the intelligent algorithm and various human functional roles was constructed. The method improves the efficiency of the multiple links of clothing design, such as generating 10000 printing patterns every 72.12 seconds, and completing the migration of 92.7 frames of the garment process style every second. To a certain extent, this study realizes the scale economy of clothing design and reduces its marginal cost through the unlimited computing power brought about by Moore’s law of digital technology, which provides a reference for the exploration of clothing design in the era of industry 4.0.
Źródło:: Fibres & Textiles in Eastern Europe; 2022, 1 (151); 59--66
1230-3666
2300-7354
Pojawia się w:: Fibres & Textiles in Eastern Europe
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Combined modelling for iron ore demand forecasting with intelligent optimization algorithms
Modelowanie do prognozowania popytu na rudę żelaza połączone z inteligentnymi algorytmami optymalizacji
Autorzy:: Ren, Min
Dai, Jianyong
Zhu, Wancheng
Dai, Feng
Powiązania:: https://bibliotekanauki.pl/articles/1849613.pdf
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: iron ore demand
combined model
intelligent optimization algorithm
forecasting accuracy
ruda żelaza
model połączony
inteligentny algorytm optymalizacji
dokładność prognozowania
Opis:: The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.
Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.
Źródło:: Gospodarka Surowcami Mineralnymi; 2021, 37, 1; 21-38
0860-0953
Pojawia się w:: Gospodarka Surowcami Mineralnymi
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Combined modelling for iron ore demand forecasting with intelligent optimization algorithms
Modelowanie do prognozowania popytu na rudę żelaza połączone z inteligentnymi algorytmami optymalizacji
Autorzy:: Ren, Min
Dai, Jianyong
Zhu, Wancheng
Dai, Feng
Powiązania:: https://bibliotekanauki.pl/articles/1849620.pdf
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: iron ore demand
combined model
intelligent optimization algorithm
forecasting accuracy
ruda żelaza
model połączony
inteligentny algorytm optymalizacji
dokładność prognozowania
Opis:: The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.
Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.
Źródło:: Gospodarka Surowcami Mineralnymi; 2021, 37, 1; 21-38
0860-0953
Pojawia się w:: Gospodarka Surowcami Mineralnymi
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Finding frequent items: novel method for improving Apriori algorithm
Autorzy:: Karimtabar, Noorollah
Fard, Mohammad Javad Shayegan
Powiązania:: https://bibliotekanauki.pl/articles/27312914.pdf
Data publikacji:: 2022
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:: apriori algorithm
frequent itemset
intelligent method
Opis:: In this paper, we use an intelligent method for improving the Apriori algorithm in order to extract frequent itemsets. PAA (the proposed Apriori algorithm) pursues two goals: first, it is not necessary to take only one data item at each step – in fact, all possible combinations of items can be generated at each step; and second, we can scan only some transactions instead of scanning all of the transactions to obtain a frequent itemset. For performance evaluation, we conducted three experiments with the traditional Apriori, BitTableFI, TDM-MFI, and MDC-Apriori algorithms. The results exhibited that the algorithm execution time was significantly reduced due to the significant reduction in the number of transaction scans to obtain the itemset. As in the first experiment, the time that was spent to generate frequent items underwent a reduction of 52% as compared to the algorithm in the first experiment. In the second experiment, the amount of time that was spent was equal to 65%, while in the third experiment, it was equal to 46%.
Źródło:: Computer Science; 2022, 23 (2); 161--177
1508-2806
2300-7036
Pojawia się w:: Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Research on intelligent avoidance method of shipwreck based on bigdata analysis
Autorzy:: Li, W.
Huang, Q.
Powiązania:: https://bibliotekanauki.pl/articles/260002.pdf
Data publikacji:: 2017
Wydawca:: Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:: big data analysis
shipwreck
intelligent avoidance
genetic algorithm
Opis:: In order to solve the problem that current avoidance method of shipwreck has the problem of low success rate of avoidance, this paper proposes a method of intelligent avoidance of shipwreck based on big data analysis. Firstly,our method used big data analysis to calculate the safe distance of approach of ship under the head-on situation, the crossing situation and the overtaking situation.On this basis, by calculating the risk-degree of collision of ships,our research determined the degree of immediate danger of ships.Finally, we calculated the three kinds of evaluation function of ship navigation, and used genetic algorithm to realize the intelligent avoidance of shipwreck.Experimental result shows that compared the proposed method with the traditional method in two in a recent meeting when the distance to closest point of approach between two ships is 0.13nmile, they can effectively evade.The success rate of avoidance is high.
Źródło:: Polish Maritime Research; 2017, S 3; 113-120
1233-2585
Pojawia się w:: Polish Maritime Research
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Self-improving Q-learning based controller for a class of dynamical processes
Autorzy:: Musial, Jakub
Stebel, Krzysztof
Czeczot, Jacek
Powiązania:: https://bibliotekanauki.pl/articles/1845515.pdf
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: process control
Q-learning algorithm
reinforcement learning
intelligent control
on-line learning
Opis:: This paper presents how Q-learning algorithm can be applied as a general-purpose self-improving controller for use in industrial automation as a substitute for conventional PI controller implemented without proper tuning. Traditional Q-learning approach is redefined to better fit the applications in practical control loops, including new definition of the goal state by the closed loop reference trajectory and discretization of state space and accessible actions (manipulating variables). Properties of Q-learning algorithm are investigated in terms of practical applicability with a special emphasis on initializing of Q-matrix based only on preliminary PI tunings to ensure bumpless switching between existing controller and replacing Q-learning algorithm. A general approach for design of Q-matrix and learning policy is suggested and the concept is systematically validated by simulation in the application to control two examples of processes exhibiting first order dynamics and oscillatory second order dynamics. Results show that online learning using interaction with controlled process is possible and it ensures significant improvement in control performance compared to arbitrarily tuned PI controller.
Źródło:: Archives of Control Sciences; 2021, 31, 3; 527-551
1230-2384
Pojawia się w:: Archives of Control Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Self-improving Q-learning based controller for a class of dynamical processes
Autorzy:: Musial, Jakub
Stebel, Krzysztof
Czeczot, Jacek
Powiązania:: https://bibliotekanauki.pl/articles/1845530.pdf
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: process control
Q-learning algorithm
reinforcement learning
intelligent control
on-line learning
Opis:: This paper presents how Q-learning algorithm can be applied as a general-purpose selfimproving controller for use in industrial automation as a substitute for conventional PI controller implemented without proper tuning. Traditional Q-learning approach is redefined to better fit the applications in practical control loops, including new definition of the goal state by the closed loop reference trajectory and discretization of state space and accessible actions (manipulating variables). Properties of Q-learning algorithm are investigated in terms of practical applicability with a special emphasis on initializing of Q-matrix based only on preliminary PI tunings to ensure bumpless switching between existing controller and replacing Q-learning algorithm. A general approach for design of Q-matrix and learning policy is suggested and the concept is systematically validated by simulation in the application to control two examples of processes exhibiting first order dynamics and oscillatory second order dynamics. Results show that online learning using interaction with controlled process is possible and it ensures significant improvement in control performance compared to arbitrarily tuned PI controller.
Źródło:: Archives of Control Sciences; 2021, 31, 3; 527-551
1230-2384
Pojawia się w:: Archives of Control Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: AI-based Yolo v4 intelligent traffic light control system
Autorzy:: Prathap, Boppuru Rudra
Kumar, Kukatlapalli Pradeep
Chowdary, Cherukuri Ravindranath
Hussain, Javid
Powiązania:: https://bibliotekanauki.pl/articles/27314354.pdf
Data publikacji:: 2022
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: traffic jam
traffic light system
traffic management
intelligent monitoring
signal switching algorithm
artificial intelligence
Opis:: With the growing number of city vehicles, traffic management is becoming a persistent challenge. Traffic bottlenecks cause significant disturbances in our everyday lives and raise stress levels, negatively impacting the environment by increasing carbon emissions. Due to the population increase, megacities are experiencing severe challenges and significant delays in their day-to-day activities related to transportation. An intelligent traffic management system is required to assess traffic density regularly and take appropriate action. Even though separate lanes are available for various vehicle types, wait times for commuters at traffic signal points are not reduced. The proposed methodology employs artificial intelligence to collect live images from signals to address this issue in the current system. This approach calculates traffic density, utilizing the image processing technique YOLOv4 for effective traffic congestion management. The YOLOv4 algorithm produces better accuracy in the detection of multiple vehicles. Intelligent monitoring technology uses a signal-switching algorithm at signal intersections to coordinate time distribution and alleviate traffic congestion, resulting in shorter vehicle waiting times.
Źródło:: Journal of Automation Mobile Robotics and Intelligent Systems; 2022, 16, 4; 53--61
1897-8649
2080-2145
Pojawia się w:: Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: The use of artificial intelligence in automated in-house logistics centres
Zastosowanie sztucznej inteligencji w zautomatyzowanych centrach logistycznych
Autorzy:: Rymarczyk, T.
Kłosowski, G.
Powiązania:: https://bibliotekanauki.pl/articles/407666.pdf
Data publikacji:: 2018
Wydawca:: Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:: logistics
fuzzy logic
intelligent transportation system
genetic algorithm
logistyka
logika rozmyta
inteligentny system transportowy
algorytm genetyczny
Opis:: The paper deals with the problem of works transport organization in logistic center with the use of artificial intelligence algorithms. The presented approach is based on non-changeable path during travel along a given loop. The ordered set of containers requesting transport service was determined by fuzzy logic, while the sequence of containers in a loop was optimized by genetic algorithms. A solution for semi-autonomous transport vehicles wherein the control system informs the driver about optimal route was presented. The obtained solution was verified by a computer simulation.
Artykuł dotyczy problematyki sterowania transportem wewnątrzzakładowym w zautomatyzowanych centrach logistycznych z zastosowaniem metod sztucznej inteligencji. Zaprezentowane podejście zakłada predykcję niezmiennej trasy przejazdu środka transportu. Kolejność zbioru regałów wymagających obsługi transportowej jest determinowana przez logikę rozmytą, natomiast do optymalizacja trasy przejazdu wykorzystano algorytmy genetyczne. Zaprezentowano koncepcję środka transportu, w którym system sterowania informuje kierowcę dokąd ma jechać. Uzyskane rozwiązanie zostało zweryfikowane z wykorzystaniem metod symulacji komputerowej.
Źródło:: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2018, 8, 1; 48-51
2083-0157
2391-6761
Pojawia się w:: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Układ do diagnostyki automatyki budynkowej w systemie KNX
A diagnostic module for building automation in the KNX system
Autorzy:: Suproniuk, M.
Pizon, M.
Stachno, A.
Izworski, A.
Kocyk, E.
Powiązania:: https://bibliotekanauki.pl/articles/158346.pdf
Data publikacji:: 2014
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:: system KNX
diagnostyka inteligentnych instalacji elektrycznych
algorytm diagnostyczny systemu KNX
diagnosis of intelligent electrical installations
KNX diagnostic algorithm
Opis:: W artykule przedstawiono układ do diagnostyki inteligentnych instalacji elektrycznych w systemie KNX. Zadaniem układu jest określenie stanu pracy instalacji za pomocą zarejestrowanych w magistrali komunikacyjnej telegramów. Schemat układu pomiarowego służącego do pomiaru telegramów transmisyjnych w systemie KNX przedstawiony jest na rys. 1. Przeprowadzone badania pozwoliły opracować komplementarny algorytm służący do pomiaru oraz szczegółowej analizy telegramów transmisyjnych. W efekcie końcowym program generuje macierz o wymiarach [m, 8], gdzie m jest to liczba ramek w telegramie, która jest uwarunkowana od długości słowa użytecznego. Przeprowadzone badania pozwoliły stwierdzić skuteczność działania algorytmu oraz efektywność działania programu oraz wypracować podstawy do zaprototypowania uniwersalnego urządzenia służącego do diagnostyki systemów KNX.
The paper presents a diagnostic system for intelligent electrical installations KNX. The purpose of the system is to determine the status of the installation by registered communication telegram. The schematic diagram of the measurement system used to measure the transmission of telegrams KNX is shown in Figure 1. Measuring and testing the transmission of telegrams KNX requires special measurement systems, responsive to rapidly changing signals with average values of amplitude. This is because recording in the telegram large number of bits. The study made it possible to develop a complementary algorithm for measurement and detailed analysis of the transmission of telegrams. As the final effect, the program generates a matrix of dimensions [m, 8], where m is the number of frames in the telegram, which is determined by the useful word length. The study enabled determining the effectiveness of the algorithm and the program as well as developing the basis for prototyping a universal device for the diagnosis of KNX.
Źródło:: Pomiary Automatyka Kontrola; 2014, R. 60, nr 9, 9; 780-783
0032-4140
Pojawia się w:: Pomiary Automatyka Kontrola
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "intelligent algorithm" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język