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 "modelowanie neuronowe" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 54
Tytuł:
Modelowanie neuronowe w rozwiązywaniu wybranych problemów predykcyjnych inżynierii rolniczej
Neural modeling in solving some prediction problems of agricultural engineering
Autorzy:
Boniecki, P.
Niżewski, P.
Powiązania:
https://bibliotekanauki.pl/articles/334441.pdf
Data publikacji:
2010
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
modelowanie neuronowe
inżynieria rolnicza
neural modeling
agricultural engineering
Opis:
Proces prognozowania ma praktyczne zastosowanie w szerokim zakresie działalności ludzkiej, w tym również w rolnictwie. Jakość takich prognoz ma istotne znaczenie dla kolejnych etapów występujących w łańcuchu produkcyjno-dystrybucyjnym płodów rolnych. Celem pracy było wytworzenie neuronowego systemu informatycznego, pozwalającego na dokonanie prognozy wielkości plonu oraz zawartość skrobi w bulwach ziemniaków, na podstawie wybranych czynników agrotechnicznych.
Forecasting process has practical applications in a wide range of human activity, including agriculture. The quality of such predictions is important for subsequent phases occurring in the chain of production and distribution of agricultural products. The purpose of this work, was to design, to do, and to test the informational system, which is based in technology of the artificial network of neurons, which allows to predict the size of the crops, and the contents of the starch in the potatos bulb on the basis of the chosen agro-technical factors.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2010, 55, 1; 16-19
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rozpoznawanie wybranych odmian jabłek z wykorzystaniem modelowania neuronowego
Recognition of selected varieties of apples using neural modeling
Autorzy:
Jakubek, A.
Boniecki, A.
Dejewska, T.
Powiązania:
https://bibliotekanauki.pl/articles/334301.pdf
Data publikacji:
2009
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
jabłka
odmiana
modelowanie neuronowe
apple
variety
neural modeling
Opis:
W pracy podjęto próbę rozpoznawania odmian jabłek na podstawie ich cech charakterystycznych, z wykorzystaniem wybranych metod sztucznej inteligencji. W tym celu zastosowano wybrane topologie sztucznych sieci neuronowych, jako narzędzi do identyfikacji jabłek na podstawie ich cyfrowych obrazów.
The paper attempts to identify varieties of apples on the basis of their characteristics, using the chosen methods of artificial intelligence. For this purpose were used the selected topologies of artificial neural networks as tools to identify the apples on the basis of their digital images.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2009, 54, 1; 16-19
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie neuronowe procesów cieplnych zachodzących podczas kompostowania wybranych nawozów naturalnych
Neural modelling of thermal processes during composting of chosen natural fertilizers
Autorzy:
Olszewski, T.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/337464.pdf
Data publikacji:
2010
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
modelowanie neuronowe
kompostowanie
nawóz naturalny
proces cieplny
neural modelling
thermal process
composting
natural fertilizer
Opis:
Proces kompostowania polega na mikrobiologicznym rozkładzie substancji organicznych w warunkach tlenowych za pomocą mikroorganizmów termofilnych i pleśni. Podczas procesu kompostowania wydzielają się duże ilości ciepła, które może być wykorzystane do różnych celów. W literaturze światowej brak jest informacji o wykorzystaniu sieci neuronowych w modelowaniu procesów cieplnych zachodzących podczas kompostowania. Celem prezentowanej pracy było modelowanie procesu kompostowania stałych nawozów naturalnych z wykorzystaniem sztucznych sieci neuronowych, ze szczególnym uwzględnieniem analizy cieplnej zachodzących zjawisk. Skupiono się na estymacji ilości ciepła otrzymywanego w wyniku reakcji egzotermicznych zachodzących podczas procesu kompostowania. Dokonano analizy oraz wytworzono, przetestowano i zweryfikowano zbiór topologii sieci neuronowych, działających jako efektywne instrumenty predykcyjne. W tym celu wykorzystano pakiet oprogramowania analitycznego Statistica v. 7.1 moduł: "Sieci Neuronowe". Mała wartość ilorazu odchyleń standardowych oraz współczynnik korelacji bliski jedności świadczy o dobrej jakości otrzymanych sieci neuronowych.
Composting process depends on microbiological decomposition of organic matter in oxygenic conditions proceeded by the thermopile microorganisms and moulds. During the process there is a lot of heat energy emission which can be used for different aims. There is no information about neural network used for modelling of composting processes in the world publications. The objective of presented work was to model the composting process of solid natural fertilizers using the artificial neural networks. I focused mainly on thermal analysis of this process. Qualification of heat emission as a result of exothermic reactions during composting process was the focus of attention. The second stage was complex analysis as well as creating, testing and verification of series of neural networks topology. The analytical software package Statistica v. 7.1: 'Neural Networks' was used. Low ratio of standard deviations and correlation coefficient close to one, provide the most important information for the good assessment of the neural network.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2010, 55, 2; 56-61
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie neuronowe w zastosowaniu do oceny zarządzania bezpieczeństwem informacji w logistyce
Application of the neural modelling in the assessment of information security management in logistics
Autorzy:
Dębicka, E.
Świderski, A.
Powiązania:
https://bibliotekanauki.pl/articles/1378317.pdf
Data publikacji:
2014
Wydawca:
Polskie Wydawnictwo Ekonomiczne
Tematy:
zarządzanie bezpieczeństwem informacji
modelowanie neuronowe
usługi logistyczne
information security management
neural modelling
logistics services
Opis:
Proper management of the information security is an important issue affecting the quality of logistical services delivery. The article presents selected aspects of mathematical modelling of conducting its expert evaluation. The presented method of assessment is based on the use of artificial neural networks.
Źródło:
Gospodarka Materiałowa i Logistyka; 2014, 5; 19-24
1231-2037
Pojawia się w:
Gospodarka Materiałowa i Logistyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Mathematical modelling of thermal processes by the use of regression and neural models
Autorzy:
Rusinowski, H.
Plis, M.
Powiązania:
https://bibliotekanauki.pl/articles/240114.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
mathematical model
empirical functions
neural modeling
regression modeling
model matematyczny
funkcje empiryczne
modelowanie neuronowe
Opis:
The paper presents a description of used methods and exemplary mathematical models which are classified into theoretical-empirical models of thermal processes. Such models encompass equations resulting from the laws of physics and additional empirical functions describing processes for which analytical models are complex and difficult to develop. The principle of developing, advantages and disadvantages of presented models as well as quality prediction assessment were presented. Mathematical models of a steam boiler, a steam turbine as well as a heat recovery steam generator were described. Exemplary calculation results were presented and compared with measurements.
Źródło:
Archives of Thermodynamics; 2018, 39, 3; 111-127
1231-0956
2083-6023
Pojawia się w:
Archives of Thermodynamics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie neuronowe wybranych obiektów rolniczych z wykorzystaniem superformuły Johana Gielisa
Neuronal modelling of selected agricultural objects with usage of Johan Gieliss supershape
Autorzy:
Boniecki, P.
Olszewski, T.
Powiązania:
https://bibliotekanauki.pl/articles/334299.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
modelowanie neuronowe
sieć neuronowa
superformuła Johana Gielisa
neuronal modelling
neural network
Johan Gielis's supershape formula
Opis:
Celem pracy było badanie mozliwości klasyfikacyjnych sieci neuronowych w procesie identyfikacji ziarniaków pszenicy, jęczmienia oraz kukurydzy. Wykorzystana metoda separacji polegała na rozpoznawaniu różnic kształtów analizowanych obiektów. W celu identyfikacji kształtu, a następnie zakodowania pozyskanych danych empirycznych do postaci zbiorów uczących, wykorzystano tzw. superformułę zaproponowaną przez Johana Gielisa. Formuła ta pozwala na odwzorowanie dowolnego kształtu za pomocą sześciu niezależnych parametrów.
The aim of the work was to study the classifying possibilities of neural networks in the identification process of the wheat's, barley's and corn's kernel. Applied separation method depended on recognizing the shape differences of analysed objects. In order to identify the shape, and afterwards to encode the obtained empirical data into the training data sets the Johan Gielis's supershape formula was used. This formula permits for projection of any shape with a help of six independent parameters.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2008, 53, 1; 22-25
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Use of geostatic function to describe wheat grain mass quality
Zastosowanie funkcji geostatycznej do opisu jakości masy ziarna pszenicy
Autorzy:
Szwedziak, K,
Tukiendorf, M.
Powiązania:
https://bibliotekanauki.pl/articles/334649.pdf
Data publikacji:
2014
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
image analysis
quality
function geostatic
wheat
funkcja geostatyczna
komputerowa analiza obrazu
akwizycja obrazu
modelowanie neuronowe
Opis:
Examination of quality factors for agricultural and food products becomes more and more important because of their suitability for further processing and trade turnover. Independently of processing, agricultural and food industry is also expected to provide suitable protection for raw vegetable products generally characterised by inferior durability, and their processing into safe and durable food products, while maintaining proper taste quality. Computerised image analysis, neural modelling, and use of artificial intelligence methods have enormous future also in the fields of food industry and agriculture. Development of fast and efficient method is very much justified, since it will allow making accurate and quick observations without using any additional complex laboratory methods.
Badanie cech jakościowych produktów rolno-spożywczych ma coraz większe znaczenie ze względu na przydatność ich do dalszej przeróbki i obrotu handlowego. Zadaniem przemysłu rolno-spożywczego jest oprócz przetwórstwa także właściwe zabezpieczenie, na ogół mało trwałych surowców roślinnych oraz ich przetworzenie w bezpieczne i trwałe produkty spożywcze – z zachowaniem ich odpowiednich walorów smakowych. Komputerowa analiza obrazu, modelowanie neuronowe, wykorzystywanie metod sztucznej inteligencji ma ogromną przyszłość również w dziedzinie przemysłu spożywczego i rolnictwa. Opracowanie szybkiej i skutecznej metody jest jak najbardziej uzasadnione, gdyż to pozwoli na dokonywanie trafnych i szybkich obserwacji, bez używania dodatkowo skomplikowanych metod laboratoryjnych.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2014, 59, 1; 126-130
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przykład zastosowania sieci neuronowej w modelowaniu procesu mieszania układów ziarnistych
An example of the use of a neural network to model a mixing process of granular systems
Autorzy:
Tukiendorf, M.
Powiązania:
https://bibliotekanauki.pl/articles/289881.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
niejednorodna mieszanina ziarnista
stan równowagowy
modelowanie neuronowe
non-homogenous grainy mixture
balance status
neural modelling
Opis:
W pracy pokazano skuteczność i przydatność modelowania neuronowego w procesie mieszania dwuskładnikowego niejednorodnego układu ziarnistego mieszanego systemem funnel-flow.
In the study, an efficiency and usefulness of neural network was shown to model the mixing process of a two-components non-homogenous granular system during the funnel-flow mixing.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 7, 7; 375-382
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie neuronowe w obliczaniu współczynnika przenikania ciepła oraz wymaganej warstwy izolacji przegrody budowlanej
Neural modelling for calculating the heat transfer coefficient and required isolation layer of wall barier
Autorzy:
Dawidowicz, J.
Sidorowicz, W.
Powiązania:
https://bibliotekanauki.pl/articles/402833.pdf
Data publikacji:
2010
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
straty ciepła
współczynnik przenikania ciepła
modelowanie neuronowe
inteligencja obliczeniowa
warmth losses
heat transfer coefficient
neural modelling
calculation intelligence
Opis:
W referacie przedstawiono zastosowanie sztucznych sieci neuronowych do obliczania współczynnika przenikania ciepła U oraz model odwrotny, polegający na obliczaniu grubości warstwy izolacyjnej przy zadanym współczynniku. Opisano metodykę sporządzenia zbioru uczącego sztuczne sieci neuronowe oraz opisano zbiór przetestowanych sieci neuronowych. Metody sztucznej inteligencji, w tym sztuczne sieci neuronowe, pozwalają uwzględnić w obliczeniach wiele zjawisk i procesów trudnych do opisu matematycznego ze względu na swoją nieliniowość, stąd uzyskane modele neuronowe będą uzupełniane w przyszłości o dodatkowe parametry obliczeniowe.
The report presents the usage of artificial neural networks to calculate heat transfer coefficient U and the opposite model, which consists on calculating the thickness of the isolation layer with given coefficient. The methodology of making a set teaching artificial neural networks and the set of tested neural networks were described. The methods of artificial intelligence, including neural networks, let include in calculations many phenomena and processes hard to describe mathematically because of their nonlinearity, so obtained neural models will be completed by additional computable parameters in future.
Źródło:
Budownictwo i Inżynieria Środowiska; 2010, 1, 1; 17-24
2081-3279
Pojawia się w:
Budownictwo i Inżynieria Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Interaktywny system edukacyjny wprowadzający w zagadnienie sztucznych sieci neuronowych
Interactive educational system introducing into issue of artificial neural networks
Autorzy:
Olszewski, T.
Boniecki, P.
Weres, J.
Powiązania:
https://bibliotekanauki.pl/articles/287816.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sztuczna sieć neuronowa
edukacyjny system informatyczny
modelowanie neuronowe
sztuczna inteligencja
artificial neural network
educational computer system
artificial intelligence
Opis:
Dziedzina sztucznych sieci neuronowych ma swoje źródło w badaniach dotyczących sztucznej inteligencji. Stanowią one próbę naśladowania najważniejszych cech charakteryzujących biologiczne systemy nerwowe. Nazwą „sztuczne sieci neuronowe” (SSN) określa się dziś najczęściej symulatory programowe, umożliwiające modelowanie sieci na komputerach klasy PC. Sztuczne sieci neuronowe pozwalają na modelowanie systemów empirycznych o nieokreślonych zależnościach, trudnych do opisania tradycyjnymi, deterministycznymi metodami. Mają również zdolność generalizacji i uogólniania. Dzięki swym cechom SSN znajdują zastosowanie w rozwiązywaniu różnych problemów w wielu, niepowiązanych z sobą dziedzinach, jak: finanse, medycyna czy inżynieria rolnicza. Celowe jest więc wykonanie informatycznego systemu edukacyjnego, który pozwoli w łatwy i przystępny sposób zapoznać użytkownika z tematyką modelowania neuronowego.
The domain of artificial neural networks has its own source in the research of artificial intelligence. Artificial neural networks (ANN) are trying to imitate the most important features which represent the biological nervous systems. Nowadays in most cases the name of “artificial neural networks” define as programming simulators which allows the modeling of networks on PC computers. ANN permits to modeling empirical systems which have indefinable relationships and are hard to present in a traditional deterministic methods. They have as well the ability to generalize. Owing to its features, ANN applies in resolving variety of problems in many totally different areas, like: finances, medicine or agricultural engineering. It is purposeful to prepare educational informatics system which allows a user to get closer to subjects of neural modeling in easy and accessible way.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 8, 8; 293-298
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural identification of images showing selected varieties of stored potatoes
Neuronowa identyfikacja obrazów wybranych odmian magazynowanych ziemniaków
Autorzy:
Lange, D. M.
Przybył, K.
Łukomski, M.
Koszela, K.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/334965.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
artificial neural networks
neural modeling
image analysis
graphic descriptors
edible potato tubers
sztuczne sieci neuronowe
modelowanie neuronowe
analiza obrazu
deskryptor graficzny
bulwa
ziemniak jadalny
Opis:
In recent years, there has been a growing interest in the use of modern IT tools in agricultural engineering. Both image analysis methods and artificial neural networks, designed to reproduce the work of the human brain, serve to build predictive and classification models, highly useful for modern agriculture. Correct identification of both the seed material and the produced crops becomes a priority of agricultural engineering, ensuring adequate efficiency and cost-effectiveness of agrotechnical operations. This article presents a project whose aim was to develop an effective neural model for qualitative identification of the variety of stored consumer potato tubers by using input data obtained in the process of digital image analysis. The designed and created artificial neural network model (multilayer perceptron), using informations in the form of selected graphic descriptors, classifies three selected varieties of edible potato (Denar, Gala, Vineta).
W ostatnich latach dostrzec można wzrastające zainteresowanie wykorzystywaniem nowoczesnych narzędzi informatycznych w inżynierii rolniczej. Zarówno metody analizy obrazu, jak i sztuczne sieci neuronowe, mające odwzorowywać pracę ludzkiego mózgu, służą budowaniu modeli predykcyjnych i klasyfikacyjnych, wysoce użytecznych dla współczesnego rolnictwa. Właściwa identyfikacja zarówno materiału siewnego, jak i wytworzonych plonów, staje się priorytetem inżynierii rolniczej, zapewniając odpowiednią efektywność i opłacalność przeprowadzanych zabiegów agrotechnicznych. Niniejszy artykuł przedstawia projekt, którego celem było opracowanie efektywnego modelu neuronowego służącego do identyfikacji jakościowej odmiany magazynowanych bulw ziemniaków konsumpcyjnych przy użyciu danych wejściowych pozyskanych w procesie analizy obrazów cyfrowych. Zaprojektowany i wytworzony model sztucznej sieci neuronowej (perceptron wielowarstwowy), korzystający z informacji w postaci wybranych deskryptorów graficznych, klasyfikuje trzy wybrane odmiany ziemniaka jadalnego (Denar, Gala, Vineta).
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 110-113
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial neural networks as models neuronal electronic state offices
Autorzy:
Tchórzewski, J.
Leszko, K.
Powiązania:
https://bibliotekanauki.pl/articles/95129.pdf
Data publikacji:
2015
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
e-document
office
repository
artificial neural networks
neural modelling
MATLAB and Simulink
e-dokument
sztuczne sieci neuronowe
Matlab
Simulink
modelowanie neuronowe
urząd administracji publicznej
Opis:
The paper presents selected results of research on learning design and artificial neural network (ANN) models paperless office as a state defined as a document repository. A review of selected issues on artificial neural network, and environments to support their generation and learning. In particular, attention was drawn to the new modeling capabilities leading to obtaining neural models of electronic systems. Artificial neural network is designed and taught her electronic office model based on the size of the input 11 and 9 variables, par 72 trainees on the actual size of government agencies for the year 2007. The model was obtained in MATLAB and Simulink and using the Neural Network Toolbox. Showing the possibilities of using the model to test sensitivities and simulation in Simulink.
Źródło:
Information Systems in Management; 2015, 4, 3; 219-227
2084-5537
2544-1728
Pojawia się w:
Information Systems in Management
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Use of neuron image analysis to build classification model of corpora lutea of domestic cattle
Wykorzystanie neuronowej analizy obrazu w budowie modelu klasyfikacyjnego ciałek żółtych u bydła domowego
Autorzy:
Górna, K.
Zaborowicz, M.
Jaśkowski, B. M.
Idziaszek, P.
Okoń, P.
Boniecki, P.
Przybył, J.
Powiązania:
https://bibliotekanauki.pl/articles/337157.pdf
Data publikacji:
2016
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
neural modeling
computer image analysis
corpus luteum
ovaries
domestic cattle
modelowanie neuronowe
komputerowa analiza obrazu
ciałko żółte
jajnik
bydło domowe
Opis:
The paper presents the results of studies on the usefulness of the texture images USG (ultrasonography) analysis by GLCM (Gray Level Co-Occurrence Matrix) in neural modeling. Tests pertained to the efficacy of the classification of the corpora lutea located in ultrasound images of the domestic cattle ovaries performed by artificial neural networks. The tests were performed using three different methods: the first one used unprocessed images - raw, the second method used image processing - unsharp mask. In the third method the raw images were processed by filter reducing the noise - despeckle filter. For each of the presented methods, the best generated neural network model had the structure of the MLP (Multi Layers Perceptron). The best results, in terms of artificial neural network were obtained in the case of ultrasound images that were not processed prior to texture analysis. As a result, it generated MLP neural model of structure 5:5-8-1:1.
W pracy zaprezentowano wyniki przeprowadzonych badań nad przydatnością analizy tekstury obrazów USG (UltraSonoGraphy) metodą GLCM (Gray Level Co-Occurrence Matrix) w modelowaniu neuronowym. Sprawdzano skuteczność klasyfikacji przez sztuczne sieci neuronowe ciałek żółtych znajdujących się na obrazach USG jajników bydła domowego. Badania wykonano za pomocą trzech różnych metod: w pierwszej wykorzystano obrazy nieprzetworzone - surowe, w drugiej posłużono się metodą przetwarzania obrazu - filtrem wyostrzającym. Natomiast w trzecim sposobie obrazy surowe zostały przetworzone filtrem redukującym zaszumienia. Dla każdej z zaprezentowanych metod, najlepszy wygenerowany model sieci neuronowej miał strukturę MLP (Multi Layer Perceptron). Najlepsze wyniki, pod względem jakości sztucznej sieci neuronowej uzyskano w przypadku obrazów USG, które nie były przetwarzane przed analizą tekstur. W efekcie wygenerowano model neuronowy MLP o strukturze 5:5-8-1:1.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2016, 61, 3; 162-166
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
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:
Neuronowe rozpoznanie ciąży na podstawie obrazów ultrasonograficznych macicy krowy z wykorzystaniem systemu informatycznego "USG Recognizer"
Neural identification of the embryo of calf based on ultrasound images of the cow s womb using computer system "USG Recognizer"
Autorzy:
Kuzimska, T.
Boniecki, P.
Jaśkowski, J. M.
Przybył, K.
Powiązania:
https://bibliotekanauki.pl/articles/336377.pdf
Data publikacji:
2012
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
krowa
macica
ciąża
ultrasonografia
analiza obrazu
sztuczna inteligencja
sieci neuronowe
modelowanie neuronowe
systemy informatyczne
cow
womb
pregnancy
ultrasonography
image analysis
artificial intelligence
neural networks
neural modeling
computer systems
Opis:
W pracy zaprezentowano wytworzony, oryginalny system informatyczny "USG Recognizer", który zaopatrzony został w szereg funkcji wspomagających tworzenie adekwatnych zbiorów uczących, niezbędnych w procesie generowania modeli neuronowych. Dzięki tym funkcjonalnościom możliwa jest identyfikacja oraz ekstrakcja wiedzy zawartej w graficznych danych empirycznych, zakodowanej w postaci cyfrowych zdjęć ultrasonograficznych. W oparciu o zbudowaną aplikację wygenerowana została sztuczna sieć neuronowa, której celem było wspomaganie rozpoznania lub wykluczenia ciąży, dokonanego na podstawie ultrasonogramów macicy krowy. Zaproponowany system informatyczny "USG Recognizer" został zbudowany z wykorzystaniem środowisk: Visual Paradigm (UML 8.0) oraz Microsoft Visual Studio 2010 Professional Edition.
The software "USG Recognizer" that was described in this work is equipped with a binarization function with threshold. The application also fulfills some additional functions such as: contrast and closing. With this functionality it is possible to achieve empirical data from digital ultrasound photo of cow's womb. The artificial neural network was generated on the basis of created application. The main purpose of this network is to support an identification or exclusion of the gestation in user's ultrasound picture. "USG Recognizer" was created using Visual Paradigm (UML 8.0) and Microsoft Visual Studio 2010 Professional Edition environments.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2012, 57, 1; 96-100
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 54

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