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 "modele neuronowe" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-21 z 21
    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
    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
    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
    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
    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
    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
    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
    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
    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
    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
    Tytuł:
    Modelowanie przemysłowego procesu mielenia rudy z wykorzystaniem energetycznych wskaźników oceny
    Modeling of industrial ore grinding process using energetic factors of evaluation
    Autorzy:
    Trybalski, K.
    Krawczykowski, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/349569.pdf
    Data publikacji:
    2006
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    modelowanie statystyczne procesów mielenia
    sieci neuronowe
    modele regresyjne
    statistical modeling of grinding processes
    neural network
    regressive models
    Opis:
    W artykule przeprowadzono analizę kosztów węzła mielenia i klasyfikacji w jednym z zakładów wzbogacania rudy KGHM "Polska Miedź" S.A., wskazując najwyższą energochłonność procesu mielenia. Zaproponowano i obliczono wskaźniki technologiczno-energetyczne oceniające proces mielenia i klasyfikacji. Na ich podstawie zbudowano przykładowe modele: regresyjne oraz w postaci sieci neuronowych, ujmujące zależności pomiędzy wskaźnikami oceny procesu a danymi energetyczno-technologicznymi badanego procesu. Przeprowadzono porównanie uzyskanych modeli.
    The costs analysis of grinding and classification center in one of KGHM "Polska Miedź" SA ore enrichment plants was conducted in the paper, what identified the highest energy consumption of grinding process. The energetic-technological factors evaluating grinding and classification processes were then proposed and calculated. On their basis the examples of models were constructed, which were regressive ones and neural networks forms, taking into consideration dependencies between process evaluation factors and energetic-technological data of investigated process. The comparison of given models was carried out.
    Źródło:
    Górnictwo i Geoinżynieria; 2006, 30, 3/1; 327-346
    1732-6702
    Pojawia się w:
    Górnictwo i Geoinżynieria
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hybrid of neural networks and hidden Markov models as a modern approach to speech recognition systems
    Hybryda sieci neuronowych i ukrytych modeli Markowa jako nowoczesne podejście do rozpoznawania mowy
    Autorzy:
    Sokólski, P.
    Rutkowski, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/276753.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    sztuczne sieci neuronowe
    ukryte modele Markowa
    MFCC
    sterowanie
    artificial neural networks
    hidden Markov models
    speech recognition
    control
    Opis:
    The aim of this paper is to present a hybrid algorithm that combines the advantages of artificial neural networks and hidden Markov models in speech recognition for control purposes. The scope of the paper includes review of currently used solutions, description and analysis of implementation of selected artificial neural network (NN) structures and hidden Markov models (HMM). The main part of the paper consists of a description of development and implementation of a hybrid algorithm of speech recognition using NN and HMM and presentation of verification of correctness results.
    Celem artykułu jest przedstawienie algorytmów hybrydowych łączących zalety sztucznych sieci neuronowych i ukrytych modeli Markowa w zastosowaniach rozpoznawania mowy dla potrzeb sterowania. W zakres opracowania wchodzi przegląd stosowanych obecnie rozwiązań, opis i analiza implementacji wybranych struktur sieci neuronowych (NN) oraz ukrytych modeli Markowa (HMM). Główną część artykułu stanowi opis opracowywania hybrydowego algorytmu rozpoznawania mowy wykorzystującego NN i HMM oraz prezentacja wyników weryfikacji poprawności działania.
    Źródło:
    Pomiary Automatyka Robotyka; 2013, 17, 2; 449-455
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sieci Kohonena jako narzędzie wspomagające budowę prognoz kombinowanych
    Self-Organizing maps as a tool supporting the construction of combined forecasts
    Autorzy:
    Perzyńska, Joanna
    Powiązania:
    https://bibliotekanauki.pl/articles/449693.pdf
    Data publikacji:
    2017
    Wydawca:
    Zachodniopomorska Szkoła Biznesu w Szczecinie
    Tematy:
    modele ekonometryczne
    prognozy kombinowane
    sztuczne sieci neuronowe
    sieci Kohonena
    artificial neural network
    combined forecasts
    econometric models
    Self-Organizing Maps
    Opis:
    W artykule przedstawiono propozycję wykorzystania sieci Kohonena we wstępnym etapie budowy prognoz kombinowanych. Przy pomocy sieci Kohonena można podzielić zbiór dostępnych modeli na rozłączne klasy, a następnie dokonać redukcji ich liczby. Prognozy składowe prognoz kombinowanych wyznacza się wówczas na podstawie modeli należących do różnych klas, co ma zapewnić niepowielanie informacji oraz zwiększyć dokładność prognoz kombinowanych. Ilustracją rozważań o charakterze teoretycznym jest przykład empiryczny, w którym prognozy (indywidualne i kombinowane) wyznaczono dla zmiennej mikroekonomicznej wykazującej wahania sezonowe. Przeprowadzone badania potwierdziły użyteczność zaproponowanej metody.
    In the paper, the author presents suggestion of application of Self-Organizing Maps in the preliminary stage of construction of combined forecasts. Using the SOM, the set of available models can be divided into disjoint classes and then reduced. The component forecasts are then determined on the basis of models belonging to different classes, to ensure that information is not duplicated and to increase the accuracy of the combined forecasts. The illustration of theoretical considerations is the empirical example, in which individual and combined forecasts are calculated for economic variable with seasonal fluctations. The research confirms the usefulness of the suggested method.
    Źródło:
    Zeszyty Naukowe ZPSB Firma i Rynek; 2017, 2(52); 77-85
    2657-3245
    Pojawia się w:
    Zeszyty Naukowe ZPSB Firma i Rynek
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    „Śmieci na wejściu, śmieci na wyjściu”. Wpływ jakości koderów na działanie sieci neuronowej klasyfikującej wypowiedzi w mediach społecznościowych
    „Garbage in, Garbage out”. The Impact of Coders’ Quality on the Neural Network Classifying Text on Social Media
    Autorzy:
    Matuszewski, Paweł
    Powiązania:
    https://bibliotekanauki.pl/articles/2131910.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    sieci neuronowe
    klasyfikacja danych tekstowych
    modele nadzorowane
    opinion mining
    jakość koderów
    text classification
    neural networks
    supervised models
    quality of coders
    Opis:
    Jedna z głównych decyzji przy ręcznym kodowaniu danych tekstowych dotyczy tego, czy kodowanie ma być weryfikowane. W przypadku modeli nadzorowanych prowadzi to do istotnego dylematu: czy lepszym rozwiązaniem jest dostarczenie modelowi dużej liczby przypadków, na których będzie się uczyć kosztem weryfikacji poprawności danych, czy też zakodowanie każdego przypadku n-razy, co pozwoli porównać kody i sprawdzić ich poprawność, ale jednocześnie n-krotnie zmniejszy zbiór danych treningowych. Taka decyzja może zaważyć nie tylko na ostatecznych wynikach klasyfikatora. Z punktu widzenia badaczy jest istotna również dlatego, że – realistycznie zakładając, że badania mają ograniczone źródło finansowania – nie można jej cofnąć. Wykorzystując 100 tys. unikatowych i ręcznie zakodowanych tweetów przeprowadzono symulacje wyników klasyfikatora w zależności od kontrolowanego odsetka błędnie zakodowanych dokumentów. Na podstawie danych przedstawiono rekomendacje.
    One of the critical decisions when manually coding text data is whether to verify the coders’ work. In the case of supervised models, this leads to a significant dilemma: is it better to provide the model with a large number of cases on which it will learn at the expense of verifying the correctness of the data, or whether it is better to code each case n-times, which will allow to compare the codes and check their correctness but at the same time will reduce the training dataset by n-fold. Such a decision not only affect the final results of the classifier. From the researchers’ point of view, it is also crucial because, realistically assuming that research has limited funding, it cannot be undone. The study uses a simulation approach and provides conclusions and recommendations based on 100,000 unique and hand-coded tweets.
    Źródło:
    Studia Socjologiczne; 2022, 2; 137-164
    0039-3371
    Pojawia się w:
    Studia Socjologiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zarządzanie nieruchomościami z wykorzystaniem kognitywnej maszyny wnioskującej
    Real estate management using a cognitive reasoning machine
    Autorzy:
    Nowak-Nova, Dariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/23050824.pdf
    Data publikacji:
    2023-03-20
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    Automatyczne Modele Wyceny
    zarządzanie nieruchomościami
    uczenie maszynowe
    sieci neuronowe
    systemy kognitywne
    Automated Valuation Models
    real estate
    Machine Learning
    Neural Networks
    Cognitive Systems
    Opis:
    W artykule przedstawiono możliwość zastosowania Automatycznych Modeli Wyceny (AVMs), rozszerzonych o technologie algorytmów uczenia maszynowego i sztuczne sieci neuronowe, do przetwarzania kognitywnego w obszarze Facility Management. Opisano eksperymenty symulujące w procesach operacyjnego zarządzania nieruchomością, zachowania AVMs w kognitywnej maszynie wnioskującej. Badano poprawność działania algorytmów usług decyzyjnych wywoływanych przez zautomatyzowane silniki wnioskujące dla generalizacji informacji o nieruchomości oraz procesu planowania wykorzystującego algorytmy. Kluczowe wnioski z badania potwierdzają, że przyjęcie dla AVMs perspektywy kognitywnej i zastosowanie technologii algorytmów i sztucznych sieci neuronowych w operacyjnym zarządzaniu nieruchomością zwiększa produktywność procesów, tym samym przynosi korzyść zarządzającemu.
    The article presents the possibility of using Automatic Valuation Models (AVMs), extended with technologies of Machine Learning algorithms and Neural Networks, for cognitive processing in the area of Facility Management. Experiments simulating, in the processes of operational management of real estate, of AVMs’s behavior in a cognitive reasoning machine, have been described. The correctness of operation of decision service algorithms, triggered by automated inference engines, has been examined for generalization of information on the property and the planning process using the algorithms. The key findings of the study confirm that the adoption of a cognitive perspective for AVMs and the application of algorithm technology and artificial neural networks in the operational management of real estate, increases the productivity of the processes, and, thus brings benefits the managing entity.
    Źródło:
    Nowoczesne Systemy Zarządzania; 2023, 18, 1; 29-48
    1896-9380
    2719-860X
    Pojawia się w:
    Nowoczesne Systemy Zarządzania
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predictive regression models of monthly seismic energy emissions induced by longwall mining
    Regresyjne modele predykcyjne miesięcznej emisji energii sejsmicznej indukowanej eksploatacją w ścianie
    Autorzy:
    Jakubowski, J.
    Tajduś, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/219968.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    sejsmiczność indukowana
    wstrząsy górnicze
    zagrożenie tąpaniami
    eksploatacja ścianowa
    drzewa wzmacniane
    sieci neuronowe
    data mining
    modele regresyjne
    modele predykcyjne
    induced seismicity
    mining tremors
    rockburst hazard
    longwall mining
    boosted trees
    neural networks
    regression models
    predictive models
    Opis:
    This article presents the development and validation of predictive regression models of longwall mining-induced seismicity, based on observations in 63 longwalls, in 12 seams, in the Bielszowice colliery in the Upper Silesian Coal Basin, which took place between 1992 and 2012. A predicted variable is the logarithm of the monthly sum of seismic energy induced in a longwall area. The set of predictors include seven quantitative and qualitative variables describing some mining and geological conditions and earlier seismicity in longwalls. Two machine learning methods have been used to develop the models: boosted regression trees and neural networks. Two types of model validation have been applied: on a random validation sample and on a time-based validation sample. The set of a few selected variables enabled nonlinear regression models to be built which gave relatively small prediction errors, taking the complex and strongly stochastic nature of the phenomenon into account. The article presents both the models of periodic forecasting for the following month as well as long-term forecasting.
    W artykule przedstawiono budowę i walidację predykcyjnych modeli regresyjnych sejsmiczności indukowanej eksploatacją w ścianie, opartych na obserwacjach w 63 ścianach kopalni Bielszowice prowadzonych w 12 pokładach w latach 1992-2012. Zmienna prognozowaną jest logarytm miesięcznej sumy energii sejsmicznej wstrząsów w ścianie. Zestaw predyktorów składa się z siedmiu zmiennych ilościowych i jakościowych opisujących wybrane czynniki górnicze i geologiczne w ścianach. Do budowy modeli zastosowano dwie metody uczenia się maszyn: drzewa wzmacniane oraz sieci neuronowe. Zastosowano dwa rodzaje walidacji modeli: na losowej próbie walidacyjnej oraz na czasowej próbie walidacyjnej. Zestaw kilku wybranych zmiennych pozwolił na zbudowanie nieliniowych modeli regresyjnych, które, biorąc pod uwagę złożoną i silnie stochastyczną naturę zjawiska, dają względnie małe błędy pro gnozy. W artykule przedstawiono zarówno modele do prognozy okresowej na kolejny miesiąc jak i do prognozy długoterminowej.
    Źródło:
    Archives of Mining Sciences; 2014, 59, 3; 705-720
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie procesu osiadania terenu górniczego Kopalni Węgla Brunatnego Bełchatów - nowe podejście
    Land subsidence modeling in mining area of open pit Brown Coal Mine Bełchatów - a new approach
    Autorzy:
    Palmąka, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/2074851.pdf
    Data publikacji:
    2011
    Wydawca:
    Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
    Tematy:
    Bełchatów
    GIS
    geostatystyka
    interpolacja
    modele liniowe
    modele nieliniowe
    osiadanie terenu
    Sammon's mapping
    mapy samoorganizujące się
    SOM
    sieci neuronowe
    regresja liniowa
    geostatistics
    interpolation
    linear models
    land subsidence
    self-organizing map
    neural networks
    multiple linear regression
    Opis:
    From the beginning of open-pit mining works (i.e. ground massive dewatering, access excavation, cover dumping) in 1976, which were strictly connected with an exposure a brown coal beds on Bełchatów field it was noticed, that a land surface subsided in the vicinity of Brown Coal Mine Bełchatów. Quantitative land subsidence assessments, which are based on deterministic models (elastic ground model, consolidation model), are not efficient enough to simulate the process – adjusted coefficient of determination amounts R2kor2kor
    Źródło:
    Przegląd Geologiczny; 2011, 59; 245-250
    0033-2151
    Pojawia się w:
    Przegląd Geologiczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predykcyjny model dobowej emisji energii sejsmicznej indukowanej eksploatacją górniczą
    Predictive model of the daily release of seismic energy induced by mining
    Autorzy:
    Jakubowski, J.
    Lenart, Ł.
    Ożóg, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/166220.pdf
    Data publikacji:
    2014
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Górnictwa
    Tematy:
    sejsmiczność indukowana
    wstrząsy górnicze
    hazard sejsmiczny
    zagrożenie tąpaniami
    drzewa wzmacniane
    sieci neuronowe
    regresja logistyczna
    modele prognostyczne
    modele klasyfikacyjne
    induced seismicity
    mining tremors
    seismic hazard
    rockburst hazard
    data mining
    boosted trees
    neural networks
    logistic regression
    predictive model
    classification model
    Opis:
    W artykule przedstawiono budowę i ocenę predykcyjnego modelu klasyfikacyjnego dobowej emisji energii sejsmicznej indukowanej eksploatacją ścianową węgla. Model jest oparty na danych z katalogu wstrząsów i podstawowych danych o wydobyciu i ścianach eksploatowanych w partii XVI kopalni Piast w okresie od lipca 1987 do marca 2011. Zmienną prognozowaną jest dwustanowa zmienna określająca wystąpienie dobowej sumy energii sejsmicznej wstrząsów w rejonie ściany większej lub równej wartości progowej 10/5 J. Zastosowano trzy metody analityczne w schemacie data mining: regresję logistyczną, sieci neuronowe i drzewa wzmacniane. Jako najlepszy do celów prognozy wybrano model drzew wzmacnianych. Wyniki na zbiorze walidacyjnym pokazały jego dobrą zdolność predykcyjną, co zachęca do dalszych badań.
    This paper presents the design and evaluation of the classification predictive model of daily seismic activity induced by longwall mining. The model combines seismic catalog data, output volume and basic characteristics of the longwall faces in sector XVI of the Piast coal mine over the period of July 1987 to March 2011. The predicted variable defines the occurrence of a daily sum of seismic energy released nearby the longwall, that is greater than or equal to the threshold value of 10/5 J. Machine learning and statistical methods were applied, namely neural networks, stochastic gradient boosted trees and logistic regression. The design and evaluation of the classification predictive models were presented. The boosted tree model appeared to meet the prediction quality criteria best. The results of the model evaluation show its promising predictive capability.
    Źródło:
    Przegląd Górniczy; 2014, 70, 3; 18-25
    0033-216X
    Pojawia się w:
    Przegląd Górniczy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie dokładności różnych metod predykcji stężeń zanieczyszczeń powietrza
    A comparison of accuracies of different air pollutants concentration prediction methods
    Autorzy:
    Hoffman, S.
    Jasiński, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/297662.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    zanieczyszczenia powietrza
    monitoring powietrza
    stężenia chwilowe
    dane monitoringu
    brakujące dane
    luki pomiarowe
    aproksymacja
    modele szeregów czasowych
    modele regresyjne
    sieci neuronowe
    air monitoring
    hourly concentrations
    monitoring data
    air pollution
    missing data
    measure gaps
    approximation
    time series models
    regression models
    neural networks
    Opis:
    W analizie wykorzystano dane zarejestrowane w latach 2004-2008 na ośmiu stacjach monitoringu powietrza działających w różnych miejscowościach województw łódzkiego i mazowieckiego. W pracy badano możliwości aproksymacji stężeń zanieczyszczeń mierzonych na stacjach monitoringu powietrza. Ocenę jakości modelowania wykonano poprzez porównanie modelowanych stężeń ze stężeniami rzeczywistymi. Do predykcji stężeń wykorzystano sieci neuronowe. Porównywano dokładność pięciu różnych grup modeli: modeli szeregów czasowych, liniowych modeli regresji wielowymiarowej, nieliniowych modeli regresji wielowymiarowej, liniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu i nieliniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu. Celem praktycznym była rekomendacja optymalnych technik modelowania luki pomiarowej obejmującej pewien dłuższy fragment serii czasowej tylko jednego z zanieczyszczeń powietrza przy założeniu, że są dostępne wszystkie pozostałe dane, w tym dane pochodzące z sąsiednich stacji monitoringu powietrza. Wykonana analiza wykazała, że dla każdego z zanieczyszczeń powietrza należy rekomendować inne metody predykcji, ponieważ występują duże różnice w możliwościach modelowania poszczególnych zanieczyszczeń powietrza. Stężenia takich zanieczyszczeń, jak O3, SO2, PM10 można efektywnie modelować metodą szeregów czasowych, ale tylko do pewnego horyzontu prognozy, po którym regresyjne metody modelowania okazują się dokładniejsze. W modelowaniu stężeń O3 i PM10 efektywne może się okazać wykorzystanie stężeń tych zanieczyszczeń zarejestrowanych na innych stacjach monitoringu powietrza. W przypadku pozostałych zanieczyszczeń NO, NO2 i CO zasadne jest stosowanie tylko jednej metody modelowania - analizy regresji. Liniowe modele regresyjne są mniej dokładne od ich nieliniowych odpowiedników. Różnice dokładności obu typów modeli nie zawsze są duże. Dlatego modele liniowe mogą stanowić praktyczną alternatywę dla nieliniowych odpowiedników.
    Air monitoring data collected over a 5-year period at 8 different measure sites in Central Poland were used as the database for analysis purposes. Approximation of concentrations of monitored air pollutants were done by means of several prediction methods: time series analysis, regression analysis with predictors from a single monitoring station, and regression analysis with external predictors. Separate models were created for O3, NO2, NO, PM10, SO2, CO. Modelled and measured concentrations were compared. As a result prediction errors were calculated for each model. The main objective of analysis was a comparison of prediction results, and recommendation the most accurate modelling methods, dedicated to specified pollutants. The examination was made by means of artificial neural networks, which were employed to create all types of models.
    Źródło:
    Inżynieria i Ochrona Środowiska; 2009, 12, 4; 307-325
    1505-3695
    2391-7253
    Pojawia się w:
    Inżynieria i Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Development of models to study traffic accidents on the final sections of access roads to the cities: a case study of three major Iranian cities
    Autorzy:
    Fallah Tafti, Mehdi
    Roshani, Reza
    Powiązania:
    https://bibliotekanauki.pl/articles/1955155.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    traffic accidents
    city access roads
    entrance roads
    traffic safety
    accident prediction model
    neural networks
    wypadki drogowe
    drogi dojazdowe do miasta
    drogi wjazdowe
    bezpieczeństwo na drodze
    modele przewidywania wypadków
    sieci neuronowe
    Opis:
    The final sections of main access roads to the cities require especial attention as the frequency of accidents in these road sections are considerably higher than other parts of interurban roads. These road sections operate as an interface between the rural roads and urban streets. The previous researches available on this subject are limited and they have also mainly focused on a narrow range of factors contributing to the accidents in these areas. The main contribution of this research is to consider a relatively comprehensive range of potential factors , and to examine their impacts through the development and comparison of both conventional probabilistic models and Artificial Neural Network (ANN) models. For this purpose, information related to the main access roads of three major Iranian cities were collected. This information consisted of accident frequency data together with the field observations of traffic characteristics, roadway conditions and roadside features of these roads. Various ANN and probabilistic models were developed. The frequency of accidents, i.e. fatal, injured, or damaged accidents, was considered as the output of the developed models. The results indicated that a hybrid of ANN models, each comprised of 10 input variables representing traffic, roadway and roadside conditions, outperformed several probabilistic models, i.e. Poisson, Negative binomial, Zero-truncated Poisson, and Zero-truncated Negative Binomial models, also developed under similar conditions in this study. Moreover, effective roadway width, roadway lighting condition, the standard deviation of vehicles speed, percentage of drivers violating the speed limit, average annual daily traffic, percentage of heavy goods vehicles, the density of roadside commercial and industrial land uses, the density of median U-turns, the density of local access roads, and the effective width of the left-side shoulder were identified as the most effective factors contributing to the accidents in these areas. The developed ANN model can be used as a tool to predict accident rates in these road sections, and to estimate a potential reduction in the accident rates, following any improvements in the major factors contributing to the traffic accidents in these areas.
    Źródło:
    Archives of Transport; 2021, 59, 3; 129-148
    0866-9546
    2300-8830
    Pojawia się w:
    Archives of Transport
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparison of different types of neuronal nets for failures location within water-supply networks
    Porównanie różnych typów sieci neuronowych do lokalizacji awarii w sieciach wodociągowych
    Autorzy:
    Rojek, I.
    Studziński, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/1365982.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    sieci wodociągowe
    modele hydrauliczne sieci
    wykrywanie i lokalizacja wycieków wody
    sieci neuronowe MLP i Kohonena
    water supply networks
    network hydraulic models
    detection and location of water leaks
    MLP and Kohonen neuronal nets
    Opis:
    W artykule prezentowane są różne typy sieci neuronowych do lokalizacji awarii w sieci wodociągowej. Obecne wykorzystanie systemów monitorowania nie odpowiada ich możliwościom. Współcześnie systemy monitoringu służą jako autonomiczne programy do zbierania informacji o przepływach i ciśnieniach wody w pompowniach źródłowych, hydroforniach strefowych i końcówkach sieci wodociągowej, dając ogólną wiedzę o stanie jej pracy, gdy jednocześnie mogą i powinny być wykorzystane jako elementy IT systemów zarządzania siecią, w tym w szczególności w zakresie wykrywania i lokalizacji wycieków wody. Modele lokalizacji awarii sieci zostały utworzone przy wykorzystaniu jednokierunkowych sieci neuronowych ze wsteczną propagacją błędu typu MLP i sieci Kohonena.
    The different types of neuronal nets for failures location within a water-supply network are presented in the paper. The present utilization of the monitoring systems does not exhaust their possibilities. The monitoring systems operated as autonomic programs gather the information about flows and pressures of water in the source pumping stations, in the zones of hydrophore stations and also in some selected pipes of water network, giving general knowledge about state of its work, when simultaneously they could and should be used as elements of IT systems for network management, and particularly regarding detection and location of hidden water leaks. The models of network failures location are created by means of neuronal nets in the form of MLP and Kohonen nets.
    Źródło:
    Eksploatacja i Niezawodność; 2014, 16, 1; 42-47
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-21 z 21

      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