Temat: modele neuronowe - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Metoda prognozowania wartości parametrów technicznych nowoczesnych maszyn rolniczych. Cz. II. Modele neuronowe do wyznaczania parametrów ciągników rolniczych
Method of forecasting technical parameter values of state-of-the-art farm machines. Part II. Neural models for setting out farm tractor parameters
Autorzy:: Francik, S.
Powiązania:: https://bibliotekanauki.pl/articles/289630.pdf
Data publikacji:: 2006
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: modele neuronowe
parametry techniczne
ciągnik rolniczy
neural models
farm tractor
technical parameters
Opis:: W pracy przedstawiono charakterystykę sztucznych sieci neuronowych opracowanych do prognozowania parametrów nowoczesnych ciągników rolniczych. Przedstawiono dokładność działania modeli, oraz architekturę sztucznych sieci neuronowych. Wśród opracowanych 21 modeli neuronowych znalazło się 16 trzy- i cztero-warstwowych perceptronów, 4 sieci o radialnych funkcjach bazowych i 1 sieć liniowa.
The paper presents a characteristic of artificial neural networks developed specifically for forecasting parameters of state-of-the-art farm tractors. Accuracy of model performance, and architecture of artificial neural networks were presented. Among 21 developed neural models there were 16 three- and four-layer perceptrons, 4 networks with radial base functions and 1 linear network.
Źródło:: Inżynieria Rolnicza; 2006, R. 10, nr 11(86), 11(86); 109-116
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Modele neuronowe zużywania elementów roboczych w glebie
Neural models for wearing of working elements in soil
Autorzy:: Napiórkowski, J.
Mikołajczak, P.
Powiązania:: https://bibliotekanauki.pl/articles/287462.pdf
Data publikacji:: 2006
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: zużycie
lemiesz płużny
gleba
skład granulometryczny
wilgotność
modele neuronowe
wear
ploughshare
soil
grain composition
moisture
neural models
Opis:: Przedstawiono próbę wykorzystania modeli neuronowych do prognozowania zużycia elementów roboczych narzędzi rolniczych użytkowanych w glebie. Podstawą opracowania modeli neuronowych były wyniki uzyskane z badań eksploatacyjnych zużycia lemieszy płużnych w dziesięciu gatunkach gleb. Wygenerowano 12 modeli neuronowych, oddzielnie dla przyjętych miar zużycia, gatunków gleb oraz postaci konstrukcyjnych elementu roboczego. Nie udało się wygenerować, z odpowiednią dokładnością dopasowania, jednego modelu neuronowego uwzględniającego warunki glebowe oraz postacie konstrukcyjne lemieszy płużnych.
The paper presents an attempt to use neural models to forecast wear of agricultural tool elements working in soil. Development of neural models was based on the results obtained after operation tests of ploughshare wear in ten soil types. 12 neural models were generated, separately for accepted wear measures, soil types and working element constructional forms. It turned out to be impossible to generate, with suitable matching accuracy, a single neural model taking into account soil conditions and ploughshare constructional forms.
Źródło:: Inżynieria Rolnicza; 2006, R. 10, nr 12(87), 12(87); 381-389
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Wykorzystanie sieci neuronowych w modelowaniu zależności między wybranymi cechami fizykochemicznymi i elektrycznymi miodu
The use of artificial neural networks for modeling of the relationships between physicochemical and electrical properties of honey
Autorzy:: Luczycka, D.
Pentos, K.
Powiązania:: https://bibliotekanauki.pl/articles/796772.pdf
Data publikacji:: 2014
Wydawca:: Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:: miod
cechy fizykochemiczne
cechy elektryczne
zaleznosci
sieci neuronowe sztuczne
analiza wrazliwosci
modele neuronowe
honey
physicochemical trait
electrical property
trait relationship
artificial neural network
sensitivity analysis
neural model
Opis:: Na cechy chemiczne i elektryczne miodu mają wpływ jego skład pyłkowy oraz zawartość wody. O ile zawartość wody można powiązać z analizowanymi parametrami zależnością funkcyjną, o tyle wpływ zawartości pyłków na badane cechy chemiczne i elektryczne miodu jest bardziej skomplikowanym zagadnieniem. W jednej próbce miodu można stwierdzić kilka do kilkunastu rodzajów pyłków różnych roślin, dlatego analiza jedynie wpływu pyłku przewodniego nie jest wystarczająca. Przedmiotem pracy jest wykorzystanie dwóch rodzajów sztucznych sieci neuronowych do tworzenia możliwie dokładnych modeli matematycznych uwzględniających zależność takich cech miodu, jak zawartość cukrów, aminokwasów, wolnych kwasów oraz przewodność elektryczna patoki od zawartości pyłków roślin i zawartości wody w próbce. Wykorzystując perceptron wielowarstwowy jako model matematyczny opisanych wyżej zależności, dokonano analizy wrażliwości. Na podstawie tej analizy możliwa była ocena wpływu parametrów wejściowych modelu na poszczególne wielkości wyjściowe. Sztuczne sieci neuronowe są wygodnym narzędziem do modelowania zależności pomiędzy cechami chemicznymi i elektrycznymi miodu a jego składem pyłkowym oraz zawartością wody. Większą dokładność modelu uzyskano wykorzystując perceptron wielowarstwowy o stosunkowo prostej strukturze. Sieci RBF generują model o znacznie niższej dokładności.
Pollen content and water content may inﬂuence the chemical and electrical parameters of honey. Water content can be related to analysed parameters by functional relationship but the inﬂuence of pollen content on honey chemical and electric parameters is more complicated. In one honey sample may be a few or several pollen of various plant types. The analysis only primary pollen inﬂuence is not adequate. The subject of this work is the use of two types of artiﬁcial neural networks to obtain accurate mathematical models describing the relationship between honey parameters like the content of sugars, amino acids, free acids, strained honey conductivity and both pollen content and water content. A total of 50 honey samples were used for this study. The honey samples with different production origin and varieties have been collected. Regarding the type of honey, in the samples group there were nectar, nectar-honeydew and honeydew honeys. Artiﬁcial neural networks are an useful tool for modeling relationships between chemical and electrical honey features as the output model parameters and both pollen content and water content as the input model parameters. Two neural network types were used for modeling task – multilayer perceptron and RBF network. Several dozen network structures were investigated and model quality assessment was based on the value of average relative error and standard deviation of the relative error calculated for both, training and test data sets. The values of average relative error as well as standard deviation of the relative error calculated for best network structures obtained in simulation tests prove the practical utility of neural models. The results obtained for RBF network show that the practical utility of this model is lower than multilayer perceptron (the values of average relative error exceed 20% for all structures tested). Using the multilayer perceptron as a mathematical model of these relationships, sensitivity analysis were executed. On the basis of this analysis, the assessment of the inﬂuence of model input parameters on some selected output parameters was possible. The results of the sensitivity analysis show that all input model parameters are statistically signiﬁcant for all output model parameters (error quotient ≥ 1). In case of the model describing relationship between strained honey conductivity and both, water content and pollen content, one can not identify dominant explanatory variables. The most signiﬁcant inﬂuence on glucose/ fructose content ratio, free acids content and proline content was observed for content of two pollen: Brassica napus and Brassicaceae.
Źródło:: Zeszyty Problemowe Postępów Nauk Rolniczych; 2014, 576
0084-5477
Pojawia się w:: Zeszyty Problemowe Postępów Nauk Rolniczych
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Aproksymacja stężeń zanieczyszczeń powietrza za pomocą neuronowych modeli szeregów czasowych
Aproximation of air monitoring data gaps by means of time-series neural models
Autorzy:: Hoffman, S.
Powiązania:: https://bibliotekanauki.pl/articles/297640.pdf
Data publikacji:: 2009
Wydawca:: Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
Tematy:: szereg czasowy
modele neuronowe
stężenia chwilowe
dane monitoringu
brakujące dane
luki pomiarowe
aproksymacja
time series
neural models
air pollution
air monitoring
hourly concentrations
monitoring data
missing data
measure gaps
approximation
Opis:: W pracy oceniono możliwości aproksymacji stężeń zanieczyszczeń mierzonych na stacjach monitoringu powietrza. Do predykcji stężeń wykorzystano neuronowe modele szeregów czasowych. Jakość modelowania testowano na rzeczywistych danych pochodzących ze stacji monitoringu powietrza Łódź-Widzew, zarejestrowanych w latach 2004-2008. Analizie poddano względnie kompletny zbiór danych, obejmujący stężenia 6 podstawowych zanieczyszczeń powietrza: O3, NO2, NO, PM10, SO2, CO. Celem badawczym było określenie i porównanie dokładności predykcji stężeń różnych zanieczyszczeń powietrza. Modelowanie przeprowadzono, stosując sztuczne sieci neuronowe. Trening sieci odbywał się przy użyciu liniowego algorytmu pseudoinwersji. Wyjściem modelu było stężenie wybranego zanieczyszczenia w określonym czasie. Wejściami były wartości stężeń zarejestrowane w godzinach wcześniejszych. Każdy model charakteryzowały dwie wielkości: horyzont prognozy i liczba wartości opóźnionych. W analizie określono dokładność predykcji stężeń wybranych zanieczyszczeń dla stałej liczby wartości opóźnionych równej 24 przy zmieniającym się horyzoncie prognozy od 1 do 240 godz. Jako kryterium jakości modelowania przyjęto wartość błędu aproksymacji.
An assessment of quality of air pollutants concentration modeling was the main research purpose. The examination was made by means of artificial neural networks, which were employed to create time-series models. The quality of approximation was tested on the actual set of air monitoring data, gathered over a 5-year period at the measure site in Lodz-Widzew (Central Poland). The examined time-series involved hourly concentrations of main air pollutants: O3, NO2, NO, PM10, SO2, CO. The research aim was the estimation and the comparison of prediction accuracy for different air pollutants. Time-series models were characterized by two parameters which might influence the prediction quality: lookahead and steps. For all models the constant number of steps equal 24 hours was assumed. The effect of changes of lookahead in the range 1÷ 240 hours was analyzed. It was stated that the decreasing of precision of time-series models with the increase of lookahead is observed. The drop of accuracy depends on pollutant. The furthest reasonable prognosis may be done for ozone concentration. Approximation accuracy shortens in the order: O3, CO, SO2, PM10, NO2, NO.
Źródło:: Inżynieria i Ochrona Środowiska; 2009, 12, 3; 231-239
1505-3695
2391-7253
Pojawia się w:: Inżynieria i Ochrona Środowiska
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Analiza porównawcza wybranych neuroregulatorów prędkości dla napędu z połączeniem sprężystym – wyniki badań
Comparative analyzis of chosen neurocontrollers for the drive system with elastic joint – tests results
Autorzy:: Kamiński, M.
Orłowska-Kowalska, T.
Powiązania:: https://bibliotekanauki.pl/articles/1813796.pdf
Data publikacji:: 2013
Wydawca:: Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:: sieci neuronowe
modele perceptronowe
modele radialne
regulacja prędkości
układ dwumasowy
Opis:: In the paper the comparative study of the MLP and RBF neurocontrollers, applied in the drive system with elastic joint are presented. The influence of the adaptation coefficients of both tested neurocontrollers to the dynamic performance and torsional vibration damping of the control structure, with only one feedback from the driven motor speed, is analyzed. This influence was tested for nominal as well as for changed parameters of the drive system.
Źródło:: Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały; 2013, 69, 33; 14--29
1733-0718
Pojawia się w:: Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Wykorzystanie modeli regresyjnych w problemach z zakresu ekonomiki rolnictwa
Regression models in agricultural economics
Autorzy:: Kisielinska, J.
Powiązania:: https://bibliotekanauki.pl/articles/868383.pdf
Data publikacji:: 2009
Wydawca:: The Polish Association of Agricultural and Agribusiness Economists
Tematy:: analiza regresji
ekonomika rolnictwa
modele regresyjne
sieci neuronowe
Opis:: Dokonano przeglądu modeli regresyjnych opracowanych dla problemów z zakresu ekonomiki rolnictwa. Okazało się, że autorzy stosują jedynie modele liniowe i linearyzowalne. Zwrócono uwagę na możliwość zastosowania nowoczesnych narzędzi jakimi są sieci neuronowe.
This paper reviews the regression models developed for issues of the economics of agriculture. It turned out that the authors use only the linear models and linearysing. Attention was drawn to the possibility of using modern tools to which neural networks are.
Źródło:: Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu; 2009, 11, 2
1508-3535
2450-7296
Pojawia się w:: Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Budowa prognoz złożonych dla sezonowych modeli przyczynowo-opisowych
Building of combined forecasts for seasonal causal-descriptive models
Autorzy:: Perzynska, J.
Powiązania:: https://bibliotekanauki.pl/articles/78511.pdf
Data publikacji:: 2009
Wydawca:: Zachodniopomorski Uniwersytet Technologiczny w Szczecinie. Wydawnictwo Uczelniane ZUT w Szczecinie
Tematy:: prognozy zlozone
modele sezonowe
modele przyczynowo-opisowe
sieci neuronowe sztuczne
analiza wariancji
analiza kowariancji
ekonometria
prognozowanie
Opis:: In the article author considers the situation in which several forecasts of the same variable are available. The forecasts was marked on basis of the causal-descriptive models for economic variable having the form of time series with seasonal fluctuations. Author creates new forecast of the same variable – the combined forecast which should be burdened with the smallest error. The author analyses four methods of creating combined forecasts as a weighted average and examines the efficiency of combined forecasts in comparison with individual forecasts. In the majority of the examination cases combined forecasts marked two methods: artificial neural networks and variance-covariance have smaller prediction errors than their component forecasts. It appears that the results of empirical research confirmed the higher efficiency of combined forecast in comparison with individual forecasts.
Źródło:: Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica; 2009, 57
2081-0644
Pojawia się w:: Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Przykłady wykorzystania modelowania neuronowego w praktyce rolniczej
Examples of the use of neural modeling in agricultural practice
Autorzy:: Przybylak, A.
Boniecki, P.
Zaborowicz, M.
Mo, Zhou
Przybyl, K.
Powiązania:: https://bibliotekanauki.pl/articles/883761.pdf
Data publikacji:: 2013
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: sieci neuronowe sztuczne
wykorzystanie
modelowanie neuronowe
modele klasyfikacyjne
system ObrazKoh
system Szkodniki
modele prognostyczne
system Neuronet
system Plon 1.0
system PrognozaPlony
system ProgAzot 1.1
Źródło:: Technika Rolnicza Ogrodnicza Leśna; 2013, 1
1732-1719
2719-4221
Pojawia się w:: Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Budowa neuronowych modeli prognostycznych na przykladzie wybranych zagadnien inzynierii rolniczej
Construction of neural forecasting models for example of selected issues in agricultural engineering
Autorzy:: Dejewska, T
Boniecki, P.
Jakubek, A.
Powiązania:: https://bibliotekanauki.pl/articles/883707.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: zbiory danych
modelowanie
modele prognostyczne
inzynieria rolnicza
sieci neuronowe sztuczne
uczenie sie
Opis:: Celem pracy było omówienie metodyki budowy modeli prognostycznych w oparciu o sztuczne sieci neuronowe. Podczas konstruowania modelu neuronowego realizującego predykcję występują często złożone problemy. Z uwagi na to przybliżono metody pozwalające na poprawny przebieg poszczególnych etapów budowy. Przedstawiono również wartość poznawczą i skuteczność działania tych modeli dla inżynierii rolniczej.
The aim of the following thesis was the description of methods of building of prognostic models with the use of the artificial neural networks. During constructing of neuronal model of prediction, a variety of complex problems may often appear. In consideration of those problems, some methods enabling appropriate course of each of the stages of building the model were presented. Moreover, a cognitive value and effectiveness of working of those models in the agricultural engineering were introduced.
Źródło:: Technika Rolnicza Ogrodnicza Leśna; 2009, 05; 7-10
1732-1719
2719-4221
Pojawia się w:: Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Porównanie cząstkowych modeli parametrycznych w zadaniu detekcji uszkodzeń sieci gazowej
Comparison of particular parametric models for faults detection in gas pipeline
Autorzy:: Syfert, M.
Jankowska, A.
Łabęda-Grudziak, Z.
Tabor, Ł.
Powiązania:: https://bibliotekanauki.pl/articles/155924.pdf
Data publikacji:: 2012
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:: detekcja uszkodzeń
modele cząstkowe
modele parametryczne
addytywne modele regresyjne
sztuczne sieci neuronowe
systemy rozmyte
faults detection
particular models
parametric models
additive regression models
artificial neural networks
fuzzy systems
Opis:: Zreferowano badania detekcji uszkodzeń gazociągu z użyciem cząstkowych modeli parametrycznych. Stosując trzy metody modelowania: addytywne modele regresyjne (najnowszą z badanych technik), sztuczne sieci neuronowe oraz układy rozmyte typu TSK opracowano aproksymacje ciśnień w węzłach sieci. Modele testowano w zadaniu detekcji wycieku oraz uszkodzenia czujnika pomiarowego. Wszystkie modele zapewniały dużą dokładność aproksymacji ciśnienia w poprawnych stanach pracy, wykazując także bardzo skuteczną detekcję uszkodzeń czujników pomiarowych ciśnień, natomiast w sytuacji symulowanych wycieków ich przydatność w detekcji była znacznie mniejsza.
The results of faults detection [1, 2, 3, 4, 5] in a gas system network (Fig. 1) with use of parametric partial models [6, 7, 8] are presented in the paper. This is a new approach to the task with use of exploratory data analysis [10, 11, 17] and partial models. Three techniques were used to build models of pressure in network nodes: additive regression (ADD - new method of modelling [10, 11, 12, 13, 14, 15]), artificial neural networks (ANN) [16, 17, 18] and TSK fuzzy logic modelling [8, 16, 17]. The measured pressures in adjacent nodes as well cumulative flows in the main line (from global analytical model [9]) of gasoline were the inputs of the models. For the analysed stations (in parts A and B marked in Fig. 1) a set of test failures in the form of leaks and damage of pressure sensors is given in Tab. 1.Using trial and error method, by evaluating the effectiveness of fault detection, there were obtained structures of models of different complexity for individual modelling techniques: ADD - presented by equations (1) and (2), ANN- (3) and (4), TSK- (5) and (6). The model order is not greater than 2. The exemplary results of leak detection with use of particular models are shown in Figs. 3, 5, 7 and of sensor fault detection in Figs. 4, 6, 8. In the conclusions there is summarised the relative accuracy of models (in Table 2), the relative normalized values of the studied residues of leaks - Tab.3 and the pressure sensor failures - Tab. 4. All models provided highly precise pressure approximation in non-fault states, but TSK and ADD models turned out to be the more accurate. Additionally, all of them were effective in case of pressure sensor fault detection, however, in case of simulated leakages their usefulness was much lower.
Źródło:: Pomiary Automatyka Kontrola; 2012, R. 58, nr 1, 1; 3-8
0032-4140
Pojawia się w:: Pomiary Automatyka Kontrola
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "modele neuronowe" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język