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 "machine-learning control" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-10 z 10
    Tytuł:
    Coherent structures and flow control: genesis and prospect
    Autorzy:
    Gad-El-Hak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/201471.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    smart wings
    coherent structures
    reactive flow control
    adaptive control
    machine-learning control
    futuristic control systems
    microsensors
    microactuators
    artificial intelligence
    turbulent shear flows
    history of flow control
    history of coherent structures
    inteligentne skrzydła
    kontrola adaptacyjna
    mikroczujniki
    sztuczna inteligencja
    Opis:
    The genesis of both coherent structures and reactive flow control strategies is explored. Futuristic control systems that utilize microsensors and microactuators together with artificial intelligence to target specific coherent structures in a transitional or turbulent flow are considered. Of possible interest to the readers of this journal is the concept of smart wings, to be briefly discussed early in the article.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2019, 67, 3; 411-444
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Adaptive controller design for electric drive with variable parameters by Reinforcement Learning method
    Autorzy:
    Pajchrowski, T.
    Siwek, P.
    Wójcik, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/201068.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    Reinforcement Learning
    adaptive control
    electric drive
    machine learning
    Opis:
    The paper presents a method for designing a neural speed controller with use of Reinforcement Learning method. The controlled object is an electric drive with a synchronous motor with permanent magnets, having a complex mechanical structure and changeable parameters. Several research cases of the control system with a neural controller are presented, focusing on the change of object parameters. Also, the influence of the system critic behaviour is researched, where the critic is a function of control error and energy cost. It ensures long term performance stability without the need of switching off the adaptation algorithm. Numerous simulation tests were carried out and confirmed on a real stand.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2020, 68, 5; 1019-1030
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatic Strategies for Autonomous Virtual Characters
    Autorzy:
    Lach, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/93027.pdf
    Data publikacji:
    2007
    Wydawca:
    Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
    Tematy:
    genetic programming
    task control
    machine learning
    virtual characters animation
    Opis:
    Technique presented in the paper concerns automatic generation of strategies controlling virtual characters’ behaviour. Virtual people are currently widely used in many applications, especially in computer games, films and educational systems. A lot of researches focus on creating intelligent characters capable of deciding about their actions. The fully acceptable solution has not yet been found. The paper presents the problem of generating strategies by means of modified genetic programming. A new Guide-Path technique is introduced.
    Źródło:
    Studia Informatica : systems and information technology; 2007, 2(9); 57-68
    1731-2264
    Pojawia się w:
    Studia Informatica : systems and information technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Supervisory optimal control using machine learning for building thermal comfort
    Autorzy:
    Abdufattokhov, Shokhjakhon
    Mahamatov, Nurilla
    Ibragimova, Kamila
    Gulyamova, Dilfuza
    Yuldashev, Dilyorjon
    Powiązania:
    https://bibliotekanauki.pl/articles/2204083.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    building thermal comfort
    Gaussian processes
    machine learning
    model predictive control
    Opis:
    For the past few decades, control and building engineering communities have been focusing on thermal comfort as a key factor in designing sustainable building evaluation methods and tools. However, estimating the indoor air temperature of buildings is a complicated task due to the nonlinear and complex building dynamics characterised by the time-varying environment with disturbances. The primary focus of this paper is designing a predictive and probabilistic room temperature model of buildings using Gaussian processes (GPs) and incorporating it into model predictive control (MPC) to minimise energy consumption and provide thermal comfort satisfaction. The full probabilistic capabilities of GPs are exploited from two perspectives: the mean prediction is used for the room temperature model, while the uncertainty is involved in the MPC objective not to lose the desired performance and design a robust controller. We illustrated the potential of the proposed method in a numerical example with simulation results.
    Źródło:
    Operations Research and Decisions; 2022, 32, 4; 1--15
    2081-8858
    2391-6060
    Pojawia się w:
    Operations Research and Decisions
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using an LSTM network to monitor industrial reactors using electrical capacitance and impedance tomography - a hybrid approach
    Autorzy:
    Kłosowski, Grzegorz
    Rymarczyk, Tomasz
    Niderla, Konrad
    Kulisz, Monika
    Skowron, Łukasz
    Soleimani, Manuchehr
    Powiązania:
    https://bibliotekanauki.pl/articles/24200815.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    electrical tomography
    industrial system
    process control
    LSTM networks
    machine learning
    Opis:
    The article presents a new concept for monitoring industrial tank reactors. The presented concept allows for faster and more reliable monitoring of industrial processes, which increases their reliability and reduces operating costs. The innovative method is based on electrical tomography. At the same time, it is non-invasive and enables the imaging of phase changes inside tanks filled with liquid. In particular, the hybrid tomograph can detect gas bubbles and crystals formed during industrial processes. The main novelty of the described solution is the simultaneous use of two types of electrical tomography: impedance and capacitance. Another novelty is the use of the LSTM network to solve the tomographic inverse problem. It was made possible by taking the measurement vector as a data sequence. Research has shown that the proposed hybrid solution and the LSTM algorithm work better than separate systems based on impedance or capacitance tomography.
    Źródło:
    Eksploatacja i Niezawodność; 2023, 25, 1; art. no. 11
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Artificial intelligence-based hybrid forecasting models for manufacturing systems
    Autorzy:
    Rosienkiewicz, Maria
    Powiązania:
    https://bibliotekanauki.pl/articles/1841698.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    artificial neural network
    support vector machine
    extreme learning machine
    hybrid forecasting
    production planning
    maintenance
    quality control
    Opis:
    The paper addresses the problem of forecasting in manufacturing systems. The main aim of the research is to propose new hybrid forecasting models combining artificial intelligencebased methods with traditional techniques based on time series – namely: Hybrid econometric model, Hybrid artificial neural network model, Hybrid support vector machine model and Hybrid extreme learning machine model. The study focuses on solving the problem of limited access to independent variables. Empirical verification of the proposed models is built upon real data from the three manufacturing system areas – production planning, maintenance and quality control. Moreover, in the paper, an algorithm for the forecasting accuracy assessment and optimal method selection for industrial companies is introduced. It can serve not only as an efficient and costless tool for advanced manufacturing companies willing to select the right forecasting method for their particular needs but also as an approach supporting the initial steps of transformation towards smart factory and Industry 4.0 implementation.
    Źródło:
    Eksploatacja i Niezawodność; 2021, 23, 2; 263-277
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Assessment of the Possibility of Imitating Experts’ Aesthetic Judgments about the Impact of Knots on the Beauty of Furniture Fronts Made of Pine Wood
    Autorzy:
    Gajowniczek, Krzysztof
    Bator, Marcin
    Śmietańska, Katarzyna
    Górski, Jarosław
    Powiązania:
    https://bibliotekanauki.pl/articles/27323141.pdf
    Data publikacji:
    2023
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Instytut Informatyki Technicznej
    Tematy:
    image processing
    knots on the fronts
    machine learning
    preference learning
    solid wood furniture
    quality control
    importance of variables
    Opis:
    Our research aims to reconstruct expert preferences regarding the visual attractiveness of furniture fronts made of pine wood using machine learning algorithms. A numerical experiment was performed using five machine learning algorithms of various paradigms. To find the answer to the question of what determines the expert’s decision, we determined the importance of variables for some machine learning models. For random forest and classification trees, it involves the overall reduction in node impurities resulting from variable splitting, while for neural networks it uses the Garson algorithm. Based on the numerical experiments we can conclude that the best results of expert decision reconstruction are provided by a neural network model. The expert’s decision is better reconstructed for more beautiful images. The decision for nice images is made based on the best 4 or 5 variables, while for ugly images many more features are important. Prettier images and those for which the expert’s decision is better reconstructed have fewer knots.
    Źródło:
    Machine Graphics & Vision; 2023, 32, 2; 67--88
    1230-0535
    2720-250X
    Pojawia się w:
    Machine Graphics & Vision
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Self-adaptation of parameters in a learning classifier system ensemble machine
    Autorzy:
    Troć, M.
    Unold, O.
    Powiązania:
    https://bibliotekanauki.pl/articles/907767.pdf
    Data publikacji:
    2010
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    komputerowe uczenie się
    system klasyfikujący
    sterowanie adaptacyjne
    sterowanie parametryczne
    machine learning
    extended classifier system
    self-adaptation
    adaptive parameter control
    Opis:
    Self-adaptation is a key feature of evolutionary algorithms (EAs). Although EAs have been used successfully to solve a wide variety of problems, the performance of this technique depends heavily on the selection of the EA parameters. Moreover, the process of setting such parameters is considered a time-consuming task. Several research works have tried to deal with this problem; however, the construction of algorithms letting the parameters adapt themselves to the problem is a critical and open problem of EAs. This work proposes a novel ensemble machine learning method that is able to learn rules, solve problems in a parallel way and adapt parameters used by its components. A self-adaptive ensemble machine consists of simultaneously working extended classifier systems (XCSs). The proposed ensemble machine may be treated as a meta classifier system. A new self-adaptive XCS-based ensemble machine was compared with two other XCS-based ensembles in relation to one-step binary problems: Multiplexer, One Counts, Hidden Parity, and randomly generated Boolean functions, in a noisy version as well. Results of the experiments have shown the ability of the model to adapt the mutation rate and the tournament size. The results are analyzed in detail.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2010, 20, 1; 157-174
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Innovative methods of neural reconstruction for tomographic images in maintenance of tank industrial reactors
    Nowatorskie metody neuronowej rekonstrukcji obrazów tomograficznych w eksploatacji zbiornikowych reaktorów przemysłowych
    Autorzy:
    Rymarczyk, Tomasz
    Kłosowski, Grzegorz
    Powiązania:
    https://bibliotekanauki.pl/articles/1365287.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    electrical tomography
    industrial processes
    process control
    neural networks
    machine learning
    tomografia elektryczna
    procesy przemysłowe
    sterowanie procesami
    sieci neuronowe
    uczenie maszynowe
    Opis:
    The article presents an innovative concept of improving the monitoring and optimization of industrial processes. The developed method is based on a system of many separately trained neural networks, in which each network generates a single point of the output image. Thanks to the elastic net method, the implemented algorithm reduces the correlated and irrelevant variables from the input measurement vector, making it more resistant to the phenomenon of data noises. The advantage of the described solution over known non-invasive methods is to obtain a higher resolution of images dynamically appearing inside the reactor of artifacts (crystals or gas bubbles), which essentially contributes to the early detection of hazards and problems associated with the operation of industrial systems, and thus increases the efficiency of chemical process control.
    W artykule przedstawiono nowatorską koncepcję usprawnienia monitoringu i optymalizacji procesów przemysłowych. Opracowana metoda bazuje na systemie osobno wytrenowanych wielu sieci neuronowych, w którym każda sieć generuje pojedynczy punkt obrazu wyjściowego. Dzięki zastosowaniu metody elastic net zaimplementowany algorytm redukuje z wejściowego wektora pomiarowego zmienne skorelowane i nieistotne, czyniąc go bardziej odpornym na zjawisko zaszumienia danych. Przewagą opisywanego rozwiązania nad znanymi metodami nieinwazyjnymi jest uzyskanie wyższej rozdzielczości obrazów dynamicznie pojawiających się wewnątrz reaktora artefaktów (kryształów lub pęcherzy gazowych), co zasadniczo przyczynia się do wczesnego wykrycia zagrożeń i problemów związanych z eksploatacją systemów przemysłowych, a tym samym zwiększa efektywność sterowania procesami chemicznymi.
    Źródło:
    Eksploatacja i Niezawodność; 2019, 21, 2; 261-267
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Real-time training algorithms in neuroevolutionary navigational decision support system
    Algorytmy szkolenia w czasie rzeczywistym w neuroewolucyjnym systemie wsparcia podejmowania decyzji nawigacyjnych
    Autorzy:
    Łącki, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/222133.pdf
    Data publikacji:
    2012
    Wydawca:
    Akademia Marynarki Wojennej. Wydział Dowodzenia i Operacji Morskich
    Tematy:
    sztuczna inteligencja
    ewolucyjne sieci neuronowe
    nawigacja morska
    wyznaczanie tras
    manewrowanie
    sterowanie bezpieczeństwem okrętu
    symulacja komputerowa
    machine learning
    artificial intelligence
    evolutionary neural networks
    marine navigation
    routing and manoeuvring
    safe ship control
    computer simulation
    Opis:
    The paper presents the idea of using advanced machine learning algorithms to aid decision making in ship manoeuvring in real time. Evolutionary neural networks are used in this purpose. In the simulated model of manoeuvring ship a helmsman is treated as an individual in population of competitive helmsmen, which through environmental sensing and evolution processes learn how to navigate safely through restricted waters.
    Artykuł przedstawia koncepcję wykorzystania zaawansowanych algorytmów uczenia się maszyn dla wsparcia podejmowania decyzji manewrowania okrętem w czasie rzeczywistym. Do tego celu wykorzystywane są ewolucyjne sieci neuronowe. W symulowanym modelu manewrowania okrętem sternik jest traktowany jako jednostka w populacji konkurencyjnych sterników, którzy poprzez wyczuwanie środowiskowe i procesy ewolucyjne uczą się jak prowadzić nawigację bezpiecznie po ograniczonych akwenach.
    Źródło:
    Zeszyty Naukowe Akademii Marynarki Wojennej; 2012, R. 53 nr 4 (191), 4 (191); 93-104
    0860-889X
    Pojawia się w:
    Zeszyty Naukowe Akademii Marynarki Wojennej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-10 z 10

      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