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 1-54 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
    Tytuł:
    Zastosowanie sieci FBM w neuronowym modelowaniu mieszania dwuskładnikowych układów ziarnistych
    The use of a neural network in modeling of a two-component granular systems’ mixing
    Autorzy:
    Tukiendorf, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/288584.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    ziarniste układy niejednorodne
    statyczny mieszalnik płytkowy
    modelowanie neuronowe
    sztuczna sieć neuronowa
    Flexible Bayesia Modeling
    FBM
    non-homogenous granular systems
    static plate mixer
    neural modeling
    Opis:
    Pokazano wyniki symulacji neuronowej procesów mieszania niejednorodnych układów ziarnistych. Mieszano dwuskładnikowy układ ziarnisty przy pomocy statycznego mieszalnika płytkowego. Estymacji rozkładów koncentracji składnika kluczowego dokonywano w oparciu o predykcję sztucznej sieci neuronowej Flexible Bayesian Modeling o 20 ukrytych warstwach neuronów. Porównano statystycznie wyniki modelu empirycznego i predyktowanego. Określono współczynnik korelacji.
    The results of a neural network’s simulation of the mixing processes of non-homogenous granular systems were shown. A twocomponent granular system was mixed using a static plate mixer. Estimations of the key component’s concentration distribution were performed based on the artificial neural network’s prediction for the assumed numbers of neurons’ hidden layers. The empirical and the predicted results were statistically compared. A correlation coefficient was estimated between them.
    Źródło:
    Inżynieria Rolnicza; 2005, R. 9, nr 14, 14; 367-373
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Model procesu sortowania obiektów przy wykorzystaniu podejścia neuronowego
    Модель процесу сортування об`єктів з використанням нейропідходу
    The model of objects’ sorting process by using neuro approach
    Autorzy:
    Lotysh, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/408026.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    automatyczna kontrola
    sieci neuronowe
    modelowanie komputerowe
    automatic control
    neural networks
    computer simulation
    Opis:
    W artykule zaproponowane zostały imitacyjne komputerowe modele sortowania za pomocą normalnego trybu pracy oraz trybu neuronowego. Na podstawie modelu opracowano algorytm oraz otrzymane oprogramowanie, które implementuje system kontroli sortowania obiektów za pomocą wykorzystania podejścia neuronowego.
    В роботі пропонуютьcя імітаційні комп’ютерні моделі сортування зі звичайним режимом роботи та з режимом нейроуправління. На базі моделі розроблено алгоритм та отримано програмне забезпечення, яке реалізує систему управління сортуванням об`єктів з використанням нейропідходів.
    Imitational sorting computer models with ordinary operating regime and with neurooperating regime are proposed in the article. On the basis of the model the algorithm is developed and the software is received, which realizes the system of sorting operating of the objects by using neuro approaches.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2015, 4; 92-98
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sztuczne sieci neuronowe w modelowaniu procesów z ograniczonym zbiorem danych w inżynierii rolniczej
    Neural networks in modeling agricultural engineering processes with limited date file
    Autorzy:
    Trajer, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/286483.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    sztuczne sieci neuronowe
    modelowanie
    inżynieria rolnicza
    artificial neural network
    modeling
    agricultural engineering
    Opis:
    Celem pracy jest przedstawienie metody neuronowego modelowania procesów z ograniczonym zbiorem danych. W przykładzie wykorzystano bazę danych zmian cen przechowywanej marchwi. Podano koncepcję budowy modelu neuronowego, który pomimo ograniczonego zbioru danych posiadać może zadowalające własności uogólniające, w sensie rozszerzenia zasięgu jego stosowalności poza zbiór uczący.
    In this paper the analysis of the neural modeling of the agricultural engineering process was presented. The problems of effectiveness and quality neural networks in these processes was discussed.
    Źródło:
    Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 173-180
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    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:
    Możliwości informatyki kwantowej do poprawy dokładności modelowania. Część 1 – Kwantowy algorytm ewolucyjny
    Possibility of quantum computer to improve accuracy of modeling. Part 2. Quantum evolutionary algorithm
    Autorzy:
    Tchórzewski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/376693.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    algorytmy ewolucyjne
    informatyka kwantowa
    modelowanie systemów
    sztuczne sieci neuronowe
    środowisko MATLABA i Simulinka
    Opis:
    W pracy zamieszczono wybrane wyniki badania wykorzystania informatyki kwantowej do zwiększenia stopnia dokładności algorytmów ewolucyjnych poprawiających parametry modeli neuronalnych systemów, co zostało zweryfikowane na wybranych przykładach takich systemów jak m.in. ruch robota PR-02. W modelowaniu neuronalnym wykorzystuje się sztuczne sieci neuronowe, które projektuje się, a następnie uczy modeli systemów na bazie danych liczbowych. Parametry sztucznych sieci neuronowych, a zwłaszcza elementy macierzy wag, biasów i parametry funkcji aktywacji można poprawiać za pomocą algorytmów ewolucyjnych. Okazuje się, że wprowadzenie rozwiązań z zakresu informatyki kwantowej do algorytmów ewolucyjnych, a zwłaszcza dotyczących tworzenia kwantowej populacji początkowej, kwantowych operatorów krzyżowania i mutacji oraz kwantowej selekcji znacznie poprawia dokładność paramentów modeli neuronalnych, co zostało zweryfikowane w środowisku MATLABA i Simulinka.
    The paper presents selected results of the use of quantum computing to increase the degree of accuracy of evolutionary algorithms to improve the performance of models of neuronal movement of the end of the robot arm PR-02. For modeling, neural used SSN, which are designed and taught system models based on figures. ANN parameters, especially the elements of the matrix weights, biases, and the parameters of the activation function can be improved by using evolutionary algorithms. It turns out that the introduction of solutions in the field of quantum computing to evolutionary algorithms, especially for the creation of quantum initial population, quantum operators crossover and mutation, and quantum selection greatly improves the accuracy of modeling, as has been verified in the environment MATLAB and Simulink.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2016, 88; 133-141
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie modeli sieci neuronowych do identyfikacji składu litologicznego rudy miedzi
    Application of neural networks models to lithological composition determination of copper ore
    Autorzy:
    Krawczykowska, A.
    Trybalski, K.
    Krawczykowski, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/349707.pdf
    Data publikacji:
    2009
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    typy litologiczne rud miedzi
    modelowanie
    sieci neuronowe
    lithological types of copper ore
    modelling
    neural networks
    Opis:
    Artykuł dotyczy zastosowania modeli sieci neuronowych w rozpoznawaniu typów litologicznych rudy miedzi. Do sprawdzenia zdolności predykcyjnych najskuteczniejszych modeli wykorzystano zbiory danych uzyskane z analizy zdjęć skaningowych dwóch charakterystycznych mieszanek różnych typów litologicznych: mieszanki z przewagą rudy piaskowcowej oraz mieszanki z przewagą rudy węglanowej i łupkowej. Wyniki rozpoznawania porównano z rzeczywistymi udziałami poszczególnych typów litologicznych rud miedzi w analizowanych mieszankach.
    The paper concerns the application of neural networks models in recognition of lithological types of copper ore. To verify the predictive abilities of the most efficient models, the data sets given by scanning photos analyzes of two characteristic mixtures of various lithological types were applied. These were mixture with the advantage of sandstone ore and mixture with the advantage of carbonate and shale ores. The results of recognition were compared with the real contents of individual lithological types of copper ore in analyzed mixtures.
    Źródło:
    Górnictwo i Geoinżynieria; 2009, 33, 4; 141-151
    1732-6702
    Pojawia się w:
    Górnictwo i Geoinżynieria
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie perceptronowych sieci neuronowych w zagadnieniu wyceny nieruchomości
    Applying perceptron-based neural networks in property valuation
    Autorzy:
    Morajda, Janusz
    Powiązania:
    https://bibliotekanauki.pl/articles/414876.pdf
    Data publikacji:
    2005
    Wydawca:
    Małopolska Wyższa Szkoła Ekonomiczna w Tarnowie
    Tematy:
    sieci neuronowe
    modelowanie procesów gospodarczych
    wycena nieruchomości
    neural networks
    economic process modeling
    real estate valuation
    Opis:
    Artykuł przedstawia wykorzystanie sieci neuronowych typu perceptron do szacowania wartości nieruchomości metodą porównawczą, tzn. w oparciu o dane dotyczące innych, wycenianych wcześniej obiektów. Autor podjął próbę wykorzystania zbioru sieci typu perceptron do aproksymacji funkcji gęstości prawdopodobieństwa dla ceny sprzedaży danej nieruchomości, co wnosi więcej informacji dotyczącej wartości obiektu i możliwości negocjacji ostatecznej ceny.
    The article presents a method for applying a system of multi-layer perceptron-based neural networks, trained to implement a classification task, in the field of property valuation. The presented method, rooted in the ability of such networks to approximate the probability of input vector membership in a defined class, makes it possible to assess a probability density distribution for property prices instead of an output in the form of a single price. The generated neural model was used for research based on a set of data concerning property prices in Boston area. The article includes research results and conclusions supporting viability of the approach.
    Źródło:
    Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie; 2005, 7; 101-108
    1506-2635
    Pojawia się w:
    Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Numerical prediction of component-ratio-dependent compressive strength of bone cement
    Autorzy:
    Machrowska, Anna
    Karpiński, Robert
    Jonak, Józef
    Szabelski, Jakub
    Krakowski, Przemysław
    Powiązania:
    https://bibliotekanauki.pl/articles/117777.pdf
    Data publikacji:
    2020
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    artificial neural networks
    mathematical modelling
    biomaterials
    bone cement
    sztuczne sieci neuronowe
    modelowanie matematyczne
    biomateriały
    cement kostny
    Opis:
    Changes in the compression strength of the PMMA bone cement with a variable powder/liquid component mix ratio were investigated. The strength test data served to develop basic mathematical models and an artificial neural network was employed for strength predictions. The empirical and numerical results were compared to determine modelling errors and assess the effectiveness of the proposed methods and models. The advantages and disadvantages of mathematical modelling are discussed.
    Źródło:
    Applied Computer Science; 2020, 16, 3; 87-101
    1895-3735
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Możliwości informatyki kwantowej do poprawy dokładności modelowania. Część 2 – KAE na przykładzie ruchu robota PR-02
    Possibility of quantum computer to improve accuracy of modeling. Part 2. KAE on example on motion robot PR-02
    Autorzy:
    Tchórzewski, J.
    Wołynka, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/377920.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    sztuczne sieci neuronowe
    algorytmy ewolucyjne
    środowisko MATLABA i Simulinka
    robot PR-02
    modelowanie systemów
    informatyka kwantowa
    Opis:
    Artykuł zawiera wybrane wyniki badań dotyczące próby opracowania kwantowego algorytmu ewolucyjnego i jego implementacji w j. Matlab do poprawy parametrów modelu neuralnego ruchu ramienia robota PR-02. Populację początkową zbudowano na bazie macierzy wag sztucznej sieci neuronowej. Wylosowane wartości poszczególnych chromosomów populacji początkowej zostały przekształcone na wartości binarne, a te z kolei na wartości kwantowe przy wykorzystaniu opracowanej w tym celu funkcji quatization(). Wartość kwantowa genu została określona na podstawie silniejszego stanu czystego reprezentowanego przez podchromosomy, do czego została wykorzystana funkcja dequantization(). Selekcję osobników przeprowadzono na bazie modelu neuralnego ruchu robota PR-02 zaimplementowanego w j. Matlab jako funkcja calculationsNeuralNetworks().
    The article contains selected results of research on trying to develop a quantum evolutionary algorithm and its implementation in Matlab to improve the parameters of the model of neural movement of the robot arm PR-02. The initial population is constructed on the basis of the matrix weights artificial neural network. The drawn values of individual initial population of chromosomes have been converted to binary values, and the latter value using quantum developed for this purpose function of quatization(). The value of the quantum of the gene was determined on the basis of a stronger state of pure represented by subchromosomes, what was used a function of dequantization(). Selection of individuals was carried out based on the model of neural traffic robot PR-02 implemented as a function of calculationsNeuralNetworks().
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2016, 88; 143-152
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie różnic parametrów termicznych powietrza mierzonych metodami standardową i automatyczną
    Neural network modelling of air temperature differences measured with standard and automatic method
    Autorzy:
    Kajewska-Szkudlarek, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/35906.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Instytut Agrofizyki PAN
    Tematy:
    powietrze
    temperatura powietrza
    parametry termiczne
    sieci neuronowe
    modelowanie
    air
    air temperature
    thermal parameter
    neural network
    modelling
    Opis:
    W pracy analizowano szeregi czasowe dobowych różnic między wynikami standardowych i automatycznych pomiarów trzech parametrów termicznych powietrza – temperatury średniej, maksymalnej i minimalnej. Celem pracy było stworzenie modelu analizowanych szeregów czasowych z wykorzystaniem sztucznych sieci neuronowych, które posłużyły do identyfikacji pojawiających się w nich wzorców oraz ich powtarzalności. Wykorzystano wyniki badań prowadzonych w okresie 2000-2009 na terenie Obserwatorium Uniwersytetu Przyrodniczego Wrocław- Swojec. Do realizacji założonego celu wykorzystano sieci perceptronowe o pojedynczej warstwie ukrytej, stworzone w programie MATLAB (Neural Network Toolbox) oraz STATISTICA 10. Analizowano architekturę opracowanych sieci, liczbę cykli w procesie uczenia, zmiany wartości błędu średniokwadratowego i zależności między wartościami parametrów uzyskanych z pomiarów za pomocą przyrządów meteorologicznych oraz prognozowanych przez sieci. Pomimo wielu prób nie uzyskano modelu o zadowalającej jakości. Stwierdzono, że szeregi czasowe miały charakter białego szumu, czyli występowanie różnic między obiema metodami pomiaru temperatury powietrza cechowała losowość i brak wyraźnej cykliczności oraz trendu.
    The paper presents an analysis of time series concerning diurnal differences between standard and automatic results of measurements of three air thermal parameters – mean (Tm), maximum (Tmax) and minimum (Tmin) temperature. By means of artificial neural networks an attempt at identification of the occurring patterns and their repetition was made. The study was conducted in the period of 2000-2009 on the site of Agro- and Hydrometeorology Observatory Wroclaw-Swojec which belongs to the Wroclaw University of Environmental and Life Sciences. In order to achieve the intended aim, single-layer perceptron networks were used, created in MATLAB (Neural Network Toolbox) and STATISTICA 10. The following aspects were subjected to the analysis: the architecture of the developed networks, the number of cycles in the learning process, the changes in Mean Squared Error (MSE), and the correlations between the values of the parameters obtained by means of meteorological instruments and the ones prognosticated by the networks. Despite multiple attempts, no model of satisfying quality was obtained. It was concluded that the nature of the time series was that of white noise, meaning that the occurrence of differences between both air temperature measurement methods were characterised by randomness and a lack of visible circularity and trend.
    Źródło:
    Acta Agrophysica; 2016, 23, 3
    1234-4125
    Pojawia się w:
    Acta Agrophysica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wear of Railway Tyre Steels Modelling Using Artificial Neural Networks
    Modelowanie zużycia stali na obręcze kół kolejowych za pomocą sztucznych sieci neuronowych
    Autorzy:
    Witaszek, Mirosław
    Witaszek, Kazimierz
    Powiązania:
    https://bibliotekanauki.pl/articles/1857830.pdf
    Data publikacji:
    2020
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    wear
    tyre steels
    artificial neural networks
    modelling
    zużycie
    stale na obręcze kół kolejowych
    sztuczne sieci neuronowe
    modelowanie
    Opis:
    In the paper the results of sliding wear tests were used to model the dependence of steel volume loss on railway wheel tyres on selected material parameters and sliding conditions. The material properties included in this modelling were the hardness and chemical composition of the tyre material (specimens) and the hardness of the mating material (counter-specimens). The conditions for sliding were the initial maximum Hertzian pressure and the sliding distance. The tests were carried out in the ring-block system. Artificial neural networks were used for modelling. It was found that the constructed model made it possible to quantify the volume loss from the above–mentioned factors. A clear influence of the pressure, friction distance, and hardness of both cooperating materials on the studied wear was found. The influence of the chemical composition is less noticeable due to the rather narrow range of its allowable changes. The microscopic tests allowed us to identify the main wear mechanisms in the sliding friction of the tested tyre and rail steels.
    W pracy przedstawiono wykorzystanie wyników badań zużycia przy tarciu ślizgowym do modelowania zależności zużycia objętościowego stali na obręcze kół kolejowych od wybranych parametrów materiału i warunków współpracy. Własnościami materiału uwzględnionymi w tym modelowaniu były twardość oraz skład chemiczny materiału obręczy (próbki) oraz twardość materiału współpracującego (przeciwpróbki). Warunkami współpracy były początkowy, maksymalny nacisk Hertza i droga tarcia. Badania przeprowadzono w układzie klocek–krążek. Do modelowania wykorzystano sztuczne sieci neuronowe. Stwierdzono, że zbudowany model pozwolił na określenie zależności ilościowych ubytku objętościowego od wyżej wymienionych czynników. Wskazano występowanie wyraźnego wpływ nacisku, drogi tarcia, twardości obu współpracujących materiałów na badane zużycie. Wpływ składu chemicznego jest mniej zauważalny z powodu dość wąskiego zakresu dopuszczalnych jego zmian. Badania mikroskopowe pozwoliły na zidentyfikowanie głównych mechanizmów zużywania przy tarciu ślizgowym badanych stali obręczowych i szynowej.
    Źródło:
    Tribologia; 2020, 294, 6; 77-85
    0208-7774
    Pojawia się w:
    Tribologia
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Artificial Neural Networks to Predict the Air Permeability of Woven Fabrics
    Zastosowanie sztucznych sieci neuronowych do przewidywania przepuszczalność powietrza tkanin
    Autorzy:
    Matusiak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/233122.pdf
    Data publikacji:
    2015
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    woven fabrics
    air permeability
    artificial neural networks
    modelling
    tkaniny
    przepuszczalność powietrza
    sztuczne sieci neuronowe
    modelowanie
    przepływ powietrza
    Opis:
    Air permeability is one of the most important utility properties of textile materials as it influences air flow through textile material. Air permeability plays a significant role in textiles for clothing due to their influence on physiological comfort. Air permeability is also very important in technical textiles, especially for filtration, automotive airbags, parachutes, etc. The air permeability of textile materials depends on their porosity. There are a lot of structural properties of textile materials influencing air permeability and there are also statistically significant interactions between the main factors influencing the air permeability of fabrics. It justifies the application of artificial neural networks (ANNs) to predict the air permeability of textile materials on the basis of their structural parameters. Within the framework of the work presented ANNs were applied to predict the air permeability of cotton woven fabrics.
    Przepuszczalność powietrza jest jedną z ważniejszych właściwości użytkowych materiałach włókienniczych. Wpływa ona na przepływ powietrza przez materiał włókienniczy. Przepuszczalność powietrza odgrywa istotną rolę w materiałach włókienniczych przeznaczonych na odzież z uwagi na ich wpływ na odczuwanie komfortu fizjologicznego. Przepuszczalność powietrza jest także bardzo ważna w przypadku tekstyliów technicznych, w szczególności przeznaczonych na filtry, spadochrony,poduszki powietrzne itp. Przepuszczalność powietrza materiałów włókienniczych zależy od ich porowatości. Istnieje wiele właściwości strukturalnychmateriałów włókienniczych wpływających na przepuszczalność powietrza. Występują również statystycznie istotne interakcje pomiędzy głównymi czynnikami wpływającymi na przepuszczalność powietrza tkanin. To uzasadnia zastosowanie sztucznych sieci neuronowych do przewidywania przepuszczalności powietrza materiałów włókienniczych na podstawie ich parametrów strukturalnych. W ramach niniejszej pracy sztuczne sieci neuronowe zostały zastosowane do przewidywania przepuszczalności powietrza tkanin bawełnianych.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2015, 1 (109); 41-48
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie ruchu pojazdu typu ROV w płaszczyźnie pionowej z wykorzystaniem sieci neuronowych
    Modelling of the movement of rov vehicle in vertical plane using neural networks
    Autorzy:
    Matejski, M.
    Dramski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/366412.pdf
    Data publikacji:
    2008
    Wydawca:
    Polskie Towarzystwo Medycyny i Techniki Hiperbarycznej
    Tematy:
    modelowanie ruchu bezzałogowych pojazdów podwodnych
    sieci neuronowe
    modeling of the move of unmanned underwater vehicles
    neural networks
    Opis:
    Modelowanie ruchu bezzałogowych pojazdów podwodnych może być efektywnie realizowane z użyciem sieci neuronowych zdolnych do zilustrowania tego procesu. W tym artykule przedstawiono sposób budowania sieci neuronowych oraz proces ich nauczania. Wszystkie eksperymenty przeprowadzono na WTM/PS na pojeździe podwodnym typu ROV - KRAB.
    Modeling of the move of unmanned underwater vehicles can effectively be realized with use of neural networks capable to illustrate the modeled process. In this paper a method of a construction of neural networks and a learning process is presented. All experiments were carried out at the Faculty of Maritime Technologies of Szczecin University of Technology on the underwater vehicle ROV type - KRAB.
    Źródło:
    Polish Hyperbaric Research; 2008, 1(22); 7-14
    1734-7009
    2084-0535
    Pojawia się w:
    Polish Hyperbaric Research
    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:
    Modeling of fuel consumption using artificial neural networks
    Modelowanie zużycia paliwa przy pomocy sztucznych sieci neuronowych
    Autorzy:
    Witaszek, Kazimierz
    Powiązania:
    https://bibliotekanauki.pl/articles/329548.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    fuel consumption
    modeling
    artificial neural network
    SNNS
    OBDII data
    zużycie paliwa
    modelowanie
    sztuczne sieci neuronowe
    dane OBDII
    Opis:
    The article presents a model of operational fuel consumption by a passenger car from the B segment, powered by a spark ignition engine. The model was developed using artificial neural networks simulated in the Stuttgart Neural Network Simulator (SNNS) package. The data for the model was obtained from longterm operational tests, during which data from the engine control unit were recorded via the OBDII diagnostic interface. The model is based on neural networks with two hidden layers, the size of which was selected using an original iterative algorithm. During the structure selection process, a total of 576 different networks were tested. The analysis of the obtained test errors made it possible to select the optimal structure of the 6-19-17-1 model. The network input values were: vehicle speed and acceleration, road slope, throttle opening degree, selected gear number and engine speed. The networks were trained using the efficient RPROP method. A correctly trained network, based on the set parameters, was able to forecast the instantaneous fuel consumption. These forecasts showed a high correlation with the measured values. Average fuel consumption calculated on their basis was close to the real value, which was calculated on the basis of two consecutive fuelings of the vehicle.
    W artykule przedstawiono model eksploatacyjnego zużycia paliwa przez samochód osobowy z segmentu B, zasilany silnikiem o zapłonie iskrowym. Model opracowano przy wykorzystaniu sztucznych sieci neuronowych, których działanie symulowano w pakiecie Stuttgart Neural Network Simulator (SNNS). Dane do modelu pozyskano z długotrwałych badań eksploatacyjnych, podczas których rejestrowano przez interfejs diagnostyczny OBDII dane pochodzące z jednostki sterującej silnikiem. Model oparto na sieciach neuronowych o dwu warstwach ukrytych, których wielkość dobrano przy pomocy autorskiego, iteracyjnego algorytmu. Podczas procesu doboru struktury przebadano łącznie 576 różnych sieci. Analiza uzyskanych błędów testowania pozwoliła na wybór optymalnej struktury modelu 6-19-17-1. Wielkościami wejściowymi sieci były: prędkość i przyspieszenie pojazdu, nachylenie drogi, stopień otwarcia przepustnicy, numer wybranego biegu oraz prędkość obrotowa silnika. Sieci uczono przy użyciu wydajnej metody RPROP. Poprawnie nauczona sieć na podstawie zadanych parametrów była w stanie prognozować chwilowe zużycie paliwa. Prognozy te wykazywały wysoką korelację ze zmierzonymi wartościami. Obliczone na ich podstawie średnie zużycie paliwa było zbliżone do rzeczywistej wartości, którą obliczono na podstawie dwu kolejnych tankowań pojazdu.
    Źródło:
    Diagnostyka; 2020, 21, 4; 103-113
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sieci neuronowe i ich wykorzystanie w analizie danych ekonomicznych na przykładzie prognozowania sprzedaży energii elektrycznej
    Neural networks and their use in analysis of economic data based on the example of electric energy sales forecast
    Autorzy:
    Morajda, Janusz
    Powiązania:
    https://bibliotekanauki.pl/articles/415458.pdf
    Data publikacji:
    2005
    Wydawca:
    Małopolska Wyższa Szkoła Ekonomiczna w Tarnowie
    Tematy:
    sieci neuronowe
    prognozy gospodarcze
    modelowanie procesów gospodarczych
    energia elektryczna
    neural networks
    economic forecast
    economic process modeling
    electric power
    Opis:
    Artykuł poświęcono problematyce sieci neuronowych i ich zastosowaniom w modelowaniu nieliniowych zjawisk ekonomicznych. W szczególności omówiono kierunki badań nad sieciami neuronowymi, ich charakterystykę ze zwróceniem uwagi na sieci typu perceptron oraz zamieszczono przykład ich zastosowania w procesie prognozowania sprzedaży energii elektrycznej.
    The paper shows neural networks being an important tool used for analysis of economic data. A historic outline has been presented along with modem ways of investigation referring to these types of tools. General characteristics and classification of neural networks have been outlined too, with particular attention paid to perceptron-based networks. The most important applications of neural methods in business and economy have been described here. An example of an efficient use of the perceptron-based network in the process of a short term forecasting in the sales of electric energy performed by local power stations has been presented as well.
    Źródło:
    Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie; 2005, 7; 87-100
    1506-2635
    Pojawia się w:
    Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Use of Artificial Neural Networks for Modelling of Seam Strength and Elongation at Break
    Zastosowanie sztucznych sieci neuronowych dla modelowania wytrzymałości szwów i wydłużenia przy zerwaniu
    Autorzy:
    Yildiz, Z.
    Dal, V.
    Ünal, M.
    Yildiz, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/232292.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    textile fabrics
    artificial neural networks
    seam strength
    modeling
    tekstylia
    sztuczne sieci neuronowe
    szew wytrzymałościowy
    modelowanie
    wydłużenia przy zerwaniu
    Opis:
    The strength and elongation at break of a seam are very important characteristics of comfort clothing. Optimum seam strength must be durable enough to do our daily activities easily. Some parameters such as the type and count of the sewing yarn, the seam density, the size of the sewing needle, and type of stitch affecting the strength and elongation at break of the seam. In this study two kinds of fabrics (gabardine and poplin) were chosen for experiments. As sewing parameters, two different types of stitches (plain and chain stitch), five seam densities (3, 4, 5, 6 and 7 seams/cm), two kinds of sewing needles (SPI and SES), and three kinds of sewing yarns (cotton, core-spun, and PBT yarns) were used in experiments. With these materials 120 different seam variations were developed. Each sampless seam strength was tested according to the ISO 13935-1[1] standard using an Instron 4411 instrument. After the testing process, an artificial neural network model was developed to predict the seam strength and elongation at break values. The test results were applied to multi layer perceptron and radial basis function neural network modeling. These two neural network types were compared in terms of the accuracy of the modeling system. The results show that the artificial neural network model produces reliable estimates of seam strength and elongation at break (R=1, MSE=3.33E-05).
    Wytrzymałość szwu i wydłużenie przy zerwaniu są bardzo ważnymi cechami ubrań z punktu widzenia wygody noszenia. Optymalna wytrzymałość szwu musi być wystarczająco duża, aby z łatwością wykonywać nasze codzienne czynności. Niektóre z parametrów, takich jak typ oraz numer przędzy, gęstość szwu, rozmiar igły do szycia, typ ściegu wpływają na wytrzymałość szwu i wydłużenie przy zerwaniu. Badania przeprowadzono na dwóch rodzajach tkanin (gabardyna i popelina), stosując dwa różne rodzaje szwów (proste i łańcuszkowy), szwy o pięciu gęstościach (3, 4, 5, 6 i 7 szwy/cm), dwa rodzaje igieł (SPI i SES) i trzy rodzaje przędz (bawełniana zwykła, rdzeniowa i przędze PBT), otrzymując 120 wariantów szwów. Wytrzymałość każdej próbki została zbadana zgodnie z normą ISO 13935-1 za pomocą przyrządu Instron 4411. Następnie, opracowano model sztucznej sieci neuronowej w celu przewidzenia wartości wytrzymałości szwów i wydłużenia przy zerwaniu. Wyniki badań zostały przetworzone w wielowarstwowym perceptronie i funkcji radialnej modelowania sieci neuronowej. Obydwa typy sieci neuronowych zostały porównane pod względem dokładności modelowania. stwierdzono, że za pomocą modelu sztucznych sieci neuronowych można uzyskać wiarygodne wyniki (R = 1, MSE = 3.33E-05).
    Źródło:
    Fibres & Textiles in Eastern Europe; 2013, 5 (101); 117-123
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Detekcja nieszczelności kotła fluidalnego z użyciem modeli rozmyto-neuronowych
    Approach to boiler leak detection with fuzzy neural models
    Autorzy:
    Szadkowski, B.
    Jankowska, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/257517.pdf
    Data publikacji:
    2011
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    detekcja awarii
    systemy rozmyto-neuronowe
    kocioł fluidalny
    modelowanie
    detection of outage
    fuzzy-neural system
    fluidised bed boiler
    modelling
    Opis:
    Zreferowano badania modelowe nad detekcją nieszczelności kotłów fluidalnych z wykorzystaniem danych z archiwum. Modelowanie prowadzono w przyborniku Fuzzy Logic pakietu Matlab. Omówiono dwa podejścia do rozwiązania problemu. W pierwszym - opracowano modele rozmyto-neuronowe typu Takagi-Sugeno-Kanga (TSK) 4 zmiennych procesowych o dużej wrażliwości na przeciek. Uśrednione residua tych zmiennych, w przesuwnym oknie czasowym, pozwoliły wykryć 7 z 8 rozważanych przypadków nieszczelności. Oceniono długość okna i uzyskane wyprzedzenie detekcji względem wyłączenia bloku. Następnie opracowano i przetestowano model awarii o binarnym wyjściu. Równoległe wykorzystanie opracowanych modeli pozwoliło na wykrycie z kilkudniowym wyprzedzeniem wszystkich analizowanych awarii, potwierdzając przydatność modeli TSK w ważnym zadaniu eksploatacyjnym. Wskazano dalsze kierunki prac.
    The research results into leak detection in a fluidised bed boiler are presented. The studies took advantage of the historical data from DCS in the professional power plant. Models of neuro-fuzzy Takagi-Sugeno-Kanga (TSK) type were built and tested in the Fuzzy Toolbox of Matlab. The roots of boiler outage (in water-steam pressure system and aside from this system) are indicated. The two approaches to leak detection task are described. In the first, the models of the 4 process variables sensitive to leakage were built. The residues of these models were evaluated in a moving time window. The length of the time window and the advance of leakage detection are discussed. Next, the model the TSK of the boiler faults with binary output was built and tested. Training data was collected for 3 cases of raised outage (models output - 1) and the normal work of installation (models output - 0). The parallel usage of proposed TSK models provided a successful detection of all studied fault cases a few days in advance. This has confirmed the suitability of the fuzzy neural models in an important exploitation task.
    Źródło:
    Problemy Eksploatacji; 2011, 2; 181-188
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Określanie mechanicznych właściwości skał na podstawie właściwości fizycznych przy użyciu sztucznych sieci neuronowych
    Prediction of mechanical properties of rocks based on their physical properties using Artificial Neural Networks
    Autorzy:
    Słota-Valim, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1835231.pdf
    Data publikacji:
    2018
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    właściwości sprężyste
    właściwości wytrzymałościowe
    sztuczne sieci neuronowe
    modelowanie geomechaniczne
    elastic properties
    strength properties
    Artificial Neural Networks
    geomechanical modelling
    Opis:
    W niniejszej pracy opracowano szereg związków między poszukiwaną cechą geomechaniczną, w tym parametrami sprężystymi – modułem Younga (E) i współczynnikiem Poissona (ʋ) oraz parametrami wytrzymałościowymi – wytrzymałością na ściskanie jednoosiowe (UCS) oraz stałą Biota (α), a cechami ośrodka, które najczęściej są standardowo mierzone lub szacowane dla większości obiektów złożowych. Cel pracy realizowano na obiekcie o potencjale węglowodorowym, w którym przedmiotem zainteresowania był interwał osadów dolnego paleozoiku, zdeponowanych w północnej części basenu bałtyckiego na obszarze koncesji Wejherowo. Do opracowania związków między poszukiwaną właściwością geomechaniczną ośrodka skalnego a innymi, standardowo mierzonymi lub interpretowanymi cechami fizycznymi skały zastosowano sztuczne sieci neuronowe z użyciem algorytmu wstecznej propagacji błędów (ang. back propagation). Algorytm wstecznej propagacji był wykorzystywany w środowisku oprogramowania Petrel (Schlumberger).
    In this work, a number of relationships were found between the geomechanical properties, including elastic moduli – Young’s modulus (E) and Poisson’s ratio (ʋ) and strength properties – uniaxial compression strength (UCS) and Biot’s coefficient (α), and commonly measured and interpreted properties, fitting in a standard exploration of the reservoir rock. For this purpose, the shale formation of lower Paleozoic age deposited in the northern part of the Baltic Basin were investigated. An artificial neural network using back propagation algorithm, was used to develop the relationship between the geomechanical properties and other, more commonly measured or interpreted physical properties of rocks.
    Źródło:
    Nafta-Gaz; 2018, 74, 5; 343-355
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sterowania dawką koagulantu w czasie rzeczywistym w celu zwiększenia skuteczności procesu koagulacji
    Use of real time coagulant dose control to upgrade the efficiency of the coagulation process
    Autorzy:
    Kłos, M.
    Gumińska, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/237145.pdf
    Data publikacji:
    2011
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    koagulacja
    sterowanie dawką koagulantu
    jakość wody
    sztuczne sieci neuronowe
    modelowanie
    coagulation
    coagulant dose control
    water quality
    artificial neural networks
    modeling
    Opis:
    Zagadnienie sterowania dawką koagulantu w procesie oczyszczania wód powierzchniowych nie jest jeszcze zagadnieniem w pełni rozwiązanym. Stosowane w praktyce wodociągowej rozwiązania techniczne opierają się głównie na określeniu korelacji między wybranymi wskaźnikami jakości ujmowanej wody, np. mętnością, potencjałem elektrokinetycznym (analiza prądu strumieniowego) i ich wykorzystaniem w prostych układach automatyki. W artykule przedstawiono wyniki badań nad założeniami pracy układu oczyszczania wody działającego zgodnie z proponowanymi algorytmami sterującymi dawkowaniem koagulantu. Badania przeprowadzono w zakładzie oczyszczania wody powierzchniowej w rejonie pogórskim, w którym wody charakteryzują się dużą zmiennością jakości. Analiza wyników badań, wykorzystująca zarówno klasyczne modele matematyczne, jak i sztuczne sieci neuronowe, dała podstawy systemu sterowania dawką koagulantu, pozwalającego na rozszerzenie funkcjonalności układu wykorzystującego standardowy analizator prądu strumieniowego.
    There are no simple solutions to the problem of coagulant dose control in the process of surface water treatment. Those currently being used in engineering are generally focused on determining the correlation between some of the parameters that describe the quality of raw water, e.g. turbidity or the electrokinetic potential (streaming current analysis), and on implementing them in simple automatics. This paper describes the results of investigations that underlie the assumptions for the water treatment train, and based on these data proposes an algorithm for coagulant dose control. Pertinent studies were conducted at a surface water treatment plant located in a foot-hill area. The water entering the treatment plant is highly variable in quality. Analysis of the test results (where use was made of both classical mathematical models and artificial neural networks) enabled formulation of the principles for the system of coagulant dose control, which consequently upgraded the functionality of the system involving a standard stream current analyzer. słowa kluczowe polskie: Koagulacja, sterowanie dawką koagulantu, jakość wody, sztuczne sieci neuronowe, modelowanie.
    Źródło:
    Ochrona Środowiska; 2011, 33, 4; 71-76
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Minimising backbreak at the Dewan Cement limestone quarry using an artificial neural network
    Minimalizacja zasięgu kruszenia złoża poza obszarem prac strzałowych w kamieniołomie wydobywającym wapień do produkcji cementu w Dewan, przy wykorzystaniu sztucznych sieci neuronowych
    Autorzy:
    Muhammad, K.
    Shah, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/219371.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    sieci neuronowe
    zasięg kruszenia
    analiza wrażliwości
    modelowanie
    projektowanie robót strzałowych
    kamieniołom
    neural network
    backbreak
    sensitivity analysis
    modeling
    blast design
    quarry
    Opis:
    Backbreak, defined as excessive breakage behind the last row of blastholes in blasting operations at a quarry, causes destabilisation of rock slopes, improper fragmentation, minimises drilling efficiency. In this paper an artificial neural network (ANN) is applied to predict backbreak, using 12 input parameters representing various controllable factors, such as the characteristics of explosives and geometrical blast design, at the Dewan Cement limestone quarry in Hattar, Pakistan. This ANN was trained with several model architectures. The 12-2-1 ANN model was selected as the simplest model yielding the best result, with a reported correlation coefficient of 0.98 and 0.97 in the training and validation phases, respectively. Sensitivity analysis of the model suggested that backbreak can be reduced most effectively by reducing powder factor, blasthole inclination, and burden. Field tests were subsequently carried out in which these sensitive parameters were varied accordingly; as a result, backbreak was controlled and reduced from 8 m to less than a metre. The resulting reduction in powder factor (kg of explosives used per m3 of blasted material) also reduced blasting costs.
    Kruszenie części złoża poza obszarem prowadzonych prac strzałowych oznacza nadmierne pękanie skał poza ostatnim rzędem otworów strzałowych w trakcie prac w kamieniołomach i prowadzi do destabilizacji górotworu poprzez zmianę nachylenia warstw skalnych, powoduje niepotrzebną fragmentację skał i obniża efektywność prac wiertniczych. W pracy tej wykorzystano sztuczną sieć neuronową (ANN) do przewidywania zasięgu kruszenia dalszej części złoża przy wykorzystaniu 12 parametrów wejściowych. Parametry te opisują różne zmienne czynniki, np. charakterystyka materiału wybuchowego czy przyjęty plan prac strzałowych w kamieniołomie Deewan w regionie Hattar w Pakistanie. Prowadzono proces uczenia sieci dla różnej architektury modelu, wybrano model 12-2-1 ANN, jako model najprostszy, zapewniający najlepszy wynik a współczynniki korelacji uzyskane dla fazy uczenia i walidacji wyniosły odpowiednio 0.98 i 0.97. Przeprowadzona analiza wrażliwości modelu wykazała że zasięg kruszenia dalszych części złoża obniżyć można poprzez zmianę parametrów ładunku strzelniczego, zmianę nachylenia otworów strzałowych oraz zmianę przybitki. Badania terenowe w czasie których ulegały zmianie wartości wyżej wymienionych wrażliwych parametrów wykazały, że zasięg kruszenia złoża poza obszarem prac strzałowych ograniczono z uprzednich 8 m do wielkości poniżej jednego metra. Obniżenie współczynnika charakteryzującego ładunek (kg zastosowanego materiału wybuchowego przypadający na 1 m3 rozkruszonego materiału skalnego) pozwoliło także na obniżenie kosztów prac strzałowych.
    Źródło:
    Archives of Mining Sciences; 2017, 62, 4; 795-806
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Budowa numerycznego modelu rzeźby terenu toru wodnego metodą opartą na przekrojach
    The Construction of a Numerical Terrain Relief Model of a Fairway by the Cross-Sections Method
    Autorzy:
    Stateczny, A.
    Kozak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/360648.pdf
    Data publikacji:
    2006
    Wydawca:
    Akademia Morska w Szczecinie. Wydawnictwo AMSz
    Tematy:
    numeryczny model rzeźby terenu
    radialne sieci neuronowe
    modelowanie dna
    EXPLO-SHIP 2006
    Numerical Terrain Relief Model
    radial neural networks
    bottom modeling
    Opis:
    Artykuł przedstawia metodę budowy numerycznego modelu rzeźby terenu proponowaną dla torów wodnych. Metoda oparta jest na przekrojach aproksymowanych z wykorzystaniem sieci radialnych (RBF), z przyrostowym doborem liczby neuronów radialnych. Przekroje adaptacyjnie dopasowują się do modelowanej powierzchni oraz założonego przez użytkownika błędu, co zapewnia redukcję danych i możliwość wizualizacji powierzchni w czasie rzeczywistym. Do badań wykorzystano powierzchnie testowe oraz rzeczywiste punkty pomiarowe z toru wodnego Szczecin - Świnoujście.
    A method of constructing a Numerical Terrain Relief Model dedicated to fairways is presented. The method is based on approximated cross-sections using RBF networks with an incremental selection of radial neurons number. Adaptive cross-sections adjust to the model surface and to an error assumed by the user, which reduces the amount of data and makes it possible to visualize the surface in real time. The research made use of test surfaces as well as real measurement points located in the Szczecin - Świnoujście fairway.
    Źródło:
    Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2006, 11 (83); 269-277
    1733-8670
    2392-0378
    Pojawia się w:
    Zeszyty Naukowe Akademii Morskiej w Szczecinie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie kartograficzne z wykorzystaniem neurorozmytych automatów komórkowych
    Using of neuro-fuzzy cellular automata for cartographic modelling
    Autorzy:
    Olszewski, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/130338.pdf
    Data publikacji:
    2003
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    automaty komórkowe
    modelowanie nieliniowe
    generalizacja
    sieci neuronowe
    systemy wnioskowania rozmytego
    cellular automata
    non-linear modelling
    generalization
    neural networks
    fuzzy inference systems
    Opis:
    Mapa jako środek przekazu informacji chorologicznej, tj. informacji o rozmieszczeniu obiektów i zjawisk w przestrzeni geograficznej, podlega ograniczeniom wynikającym z zakresu pojemności informacyjnej. W procesie przekazu kartograficznego istnieje zatem konieczność celowego uogólnienia informacji źródłowej realizowanego poprzez generali-zację. Jednym ze sposobów generalizacji jest agregacja danych przestrzennych. Istnieje wiele algorytmicznych metod agregacji, większość z nich związana jest z generalizacją danych zapisanych w formacie wektorowym. Dla danych źródłowych w postaci rastrowej wymaga to pracochłonnej wstępnej konwersji formatu raster → wektor oraz wynikowej konwersji wektor → raster. Autor podjął próbę zastosowania bezpośredniej agregacji obiektów powierzchniowych na obrazach rastrowych. Przeprowadzone badania wskazują na celowość zastosowania metod tzw. sztucznej inteligencji obliczeniowej, jako metody kartograficznego modelowania tak zdefiniowanych danych źródłowych. W artykule omówiono trzy wybrane metody sztucznej inteligencji obliczeniowej (automaty komórkowe, sztuczne sieci neuronowe i systemy wnioskowania rozmytego) oraz ich zastosowanie w procesie generalizacji kartograficznej.
    Investigations which have been performed by the author justify utilisation of methods of the, so-called, artificial intelligence, as a complex method of cartographic modelling of source data. Of the many existing methods for area aggregation a majority concern maps in vector format. The author investigated some approaches to direct aggregation of area objects in raster maps. This includes cellular automata, neural networks and fuzzy inference systems. The essence of cellular automata is the ability to create complex, global patterns and spatial behaviour, based on simple rules of changes of local range and on knowledge concerning individual cells. Therefore a model of the cartographic generalization process, combining the nature of quantitative generalization of the content and the form with the nature of qualitative generalization, may be developed based on the theory of non-linear cellular automata.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2003, 13a; 171-180
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelling of moment of friction under increasing load using artificial neural networks
    Modelowanie przebiegu momentu tarcia pod narastającym obciążeniem z wykorzystaniem sztucznych sieci neuronowych
    Autorzy:
    Gocman, K.
    Kałdoński, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/243205.pdf
    Data publikacji:
    2007
    Wydawca:
    Instytut Techniczny Wojsk Lotniczych
    Tematy:
    tribologia
    tarcie graniczne
    smarność
    modelowanie procesów tribologicznych
    sztuczne sieci neuronowe
    tribology
    boundary friction
    lubricity
    modeling of tribological processes
    artificial neural networks
    Opis:
    Searching models of tribological quantities taking into account every processes proceeded in friction pairs is one of the most important problem in present tribology. Existing models of wear and friction are unfortunately imperfect -they do not reflect every occurrences proceeded in tribological pairs, especially in case of boundary friction. Complicated and nonlinear nature of friction processes force researching of non-analytical models. In view of their properties, the artificial neural networks (ANN) could become very useful instruments. The results preliminary tests on influence of load and rotational speed on moment offriction are presented in this paper. Tests were carried out under increasing load and at the range of rotational speed 500 - 1500 rpm. The analysis of results was elaborated and run of moment offriction on base of artificial neural network was modeled. The different kinds of ANN and different training algorithms were applied to obtain the best quality of built models. In particular the schema of the friction, the moment of the friction in a load function for selected rotational speeds, the structure of the GRNN network, composition experimental data and results of the modelling are illustrated in the paper.
    Modelowanie wielkości tribologicznych, uwzględniające wszystkie procesy zachodzące w węźle tarcia jest jednym z najważniejszych zadań współczesnej tribologii. Istniejące modele zużycia i tarcia są niestety niedoskonałe - nie odzwierciedlają one wszystkich zjawisk zachodzących w węźle tarcia, zwłaszcza w wypadku występowania tarcia granicznego. Złożony i nieliniowy charakter procesów zachodzących w węźle tarcia wymusza poszukiwanie modeli innych niż analityczne. Ze względu na swoje właściwości, bardzo użytecznym narzędziem mogą stać się sztuczne sieci neuronowe (SSN). W artykule przedstawiono wstępne wyniki badań wpływu obciążenia i prędkości obrotowej na przebieg momentu tarcia. Badania przeprowadzone zostały przy obciążeniu narastającym płynnie w czasie testu, w zakresie prędkości obrotowych od 500 do 1500 obr/min. Po przeprowadzonej analizie wyników badań, na bazie sztucznych sieci neuronowych zbudowany został model przebiegu momentu tarcia. W czasie modelowania wykorzystano różne rodzaje sieci neuronowych oraz zastosowano różne algorytmy uczące, aby uzyskać jak najlepszą jakość budowanego modelu. W szczególności schemat węzła tarcia, moment tarcia w funkcji obciążenia dla wybranych prędkości obrotowych, struktura sieci GRNN, zestawienie danych eksperymentalnych i wyników modelowania są zilustrowane w artykule.
    Źródło:
    Journal of KONES; 2007, 14, 2; 171-177
    1231-4005
    2354-0133
    Pojawia się w:
    Journal of KONES
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelling and Analysis of the Synergistic Alloying Elements Effect on Hardenability of Steel
    Autorzy:
    Sitek, Wojciech
    Trzaska, Jacek
    Gemechu, W. F.
    Powiązania:
    https://bibliotekanauki.pl/articles/2203932.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    hardenability
    artificial neural networks
    multiple regression
    steel alloy
    modelling and simulation
    hartowność
    sztuczne sieci neuronowe
    regresja wielokrotna
    stal
    modelowanie i symulacja
    Opis:
    The paper presents a methodology of modeling relationships between chemical composition and hardenability of structural alloy steels using computational intelligence methods, that are artificial neural network and multiple regression models. Particularly, the researchers used unidirectional multilayer teaching method based on the error backpropagation algorithm and a quasi-newton methods. Based on previously known methodologies, it was found that there is no universal method of modeling hardenability, and it was also noted that there are errors related to the calculation of the curve. The study was performed on large set of experimental data containing required information on about the chemical compositions and corresponding Jominy hardenability curves for over 400 data steel heats with variety of chemical compositions. It is demonstrated that the full practical usefulness of the developed models in the selection of materials for particular applications with intended performance in the area of application.
    Źródło:
    Archives of Foundry Engineering; 2022, 22, 4; 102--108
    1897-3310
    2299-2944
    Pojawia się w:
    Archives of Foundry Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Soft modelling of the shaping of metal profiles in rapid tube hydroforming technology
    Autorzy:
    Sadłowska, Hanna
    Kochański, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/29520063.pdf
    Data publikacji:
    2022
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    rapid tube hydroforming
    RTH
    manufacturing
    constitutive modelling
    soft modelling
    finite element method
    FEM
    artificial neural networks
    ANN
    hydroformowanie rur
    produkcja
    modelowanie konstytutywne
    miękkie modelowanie
    metoda elementów skończonych
    MES
    sztuczne sieci neuronowe
    Opis:
    The paper presents an approach to the impact of process parameters in innovative RTH (Rapid Tube Hydroforming) technology for shaping closed metal profiles in flexible and deformable dies. In order to implement the assumed deformation of the deformed profile, the RTH technology requires the monitoring and control of numerous technological parameters, including geometric, material, and technological variables. The paper proposes a two-stage research procedure considering hard modelling (constitutive) and soft modelling (data-driven). Due to the complexity of the technological process, it was required to develop a numerical finite element method FEM model focused on obtaining the adequate profile deformation measured by the ellipsoidality of the cylindrical profile. Based on the results of the numerical experiments, a preliminary soft mathematical model using ANN was developed. Analysing the soft model results, several statistical hypotheses were made and verified to investigate the significance of selected process parameters. Thanks to this, it was possible to select the most important process parameters, i.e., the properties of moulding sands used for RTH dies: the angle of internal friction and cohesion.
    Źródło:
    Computer Methods in Materials Science; 2022, 22, 4; 201-210
    2720-4081
    2720-3948
    Pojawia się w:
    Computer Methods in Materials Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Koncepcja symulatora nawigacyjnego planowania podróży z wykorzystaniem modelu neuronowego układu napędu statku
    The concept of a navigational travel planning simulator using the neural model of the propulsion system of the ship
    Autorzy:
    Rudzki, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/344237.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Morski w Gdyni. Wydawnictwo Uniwersytetu Morskiego w Gdyni
    Tematy:
    modelowanie
    sztuczne sieci neuronowe
    układ napędu statku
    symulator
    nawigacyjne planowanie podróży
    modeling
    artificial neural networks
    ship propulsion system
    simulator
    navigational travel planning
    Opis:
    W artykule przedstawiono koncepcję symulatora nawigacyjnego planowania podróży, zbudowanego na bazie programu nawigacyjnego OpenCPN. Poprzez dodatkowy plug-in możliwości programu zostaną rozszerzone o moduł do planowania i symulacji trasy żeglugi z uwzględnieniem warunków meteorologicznych panujących na akwenie. Pozycja statku na potrzeby symulacji trasy będzie wyznaczana na podstawie przyjętego kursu zgodnie z zaplanowaną trasą oraz prędkości wyliczanej przez sztuczną sieć neuronową z uwzględnieniem warunków meteorologicznych.
    The article presents the concept of a navigation simulator for travel planning based on the OpenCPN navigation program. Through an additional plug-in the program capabilities will be extended with a module for planning and simulating shipping routes taking into account meteorological conditions on the basin. The position of the ship for the simulation of the route will be determined on the basis of the accepted course of the ship, according to the planned route and velocity calculated by the artificial neural network, taking into account the forecasted meteorological conditions.
    Źródło:
    Prace Wydziału Nawigacyjnego Akademii Morskiej w Gdyni; 2017, 32; 84-90
    1730-1114
    Pojawia się w:
    Prace Wydziału Nawigacyjnego Akademii Morskiej w Gdyni
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neuronowa estymacja poziomu emisji biometanu z typowych substratów rolniczych
    Neural estimation of methane emission level from typical agricultural substrates
    Autorzy:
    Pilarski, K.
    Boniecki, P.
    Dach, J.
    Koszela, K.
    Lewicki, A.
    Zbytek, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/336379.pdf
    Data publikacji:
    2012
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    kiszonka
    biogaz
    metan
    procesy
    ocena
    sztuczna inteligencja
    sieci neuronowe
    modelowanie
    badania
    silage
    biogas
    methane
    processes
    evaluation
    artificial intelligence
    neural networks
    modeling
    experimentations
    Opis:
    Efektywnym podejściem do estymacji procesów zachodzących w złożonych systemach empirycznych inżynierii rolniczej jest wykorzystanie nowoczesnych metod, jakie reprezentują neuronowe techniki predykcyjne. Sztuczne sieci neuronowe stanowią intensywnie rozwijającą się dziedzinę wiedzy, coraz częściej stosowaną w wielu obszarach zarówno nauki, jak również praktyki. Podstawą działania sztucznych sieci neuronowych są algorytmy uczące, umożliwiające zaprojektowanie odpowiedniej topologii sieci oraz dobór parametrów tej struktury. W pracy zaproponowano wykorzystanie technik neuronowego modelowania do estymacji poziomu zawartości metanu w biogazie, emitowanego w trakcie procesu fermentacji metanowej kiszonki. Uzyskane wyniki badań potwierdzają hipotezę, że predykcyjny model neuronowy, opisujący produkcję metanu w trakcie procesu fermentacji kiszonki w biofermentorze, jest właściwym instrumentem dla dokonania oceny prognozowania poziomu tej emisji.
    The usage of modern methods, which represent predictive neural techniques is an effective approach to the estimation of the processes occurring in the complex empirical systems of agricultural engineering. The artificial neural networks are a rapidly expanding field of knowledge used increasingly in many areas of science, as well as practice. The learning algorithms, enabling the design of appropriate network topology and selection of the parameters of this structure, matched to the problem to be solved are the basis of functioning of artificial neural networks. The paper proposes the use of neural modeling techniques to estimate the level of methane content in the biogas emitted over the methane fermentation process of silage. Obtained research results confirm the hypothesis that predictive neural model describing the methane production during the silage fermentation process in biofermentor is an appropriate tool to assess the forecasting of the level of this emission.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2012, 57, 1; 115-119
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnostyka torów pomiarowych i urządzenia wykonawczego w układzie regulacji turbiny kondensacyjnej
    Diagnostic of measuring tracks and executive device in control system for condensing turbine
    Autorzy:
    Pawlak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/155014.pdf
    Data publikacji:
    2006
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    układ regulacji
    modelowanie rozmyte
    sieci neuronowe
    diagnostyka
    tory pomiarowe
    elementy wykonawcze
    fault diagnosis
    power control
    power generation
    turbines
    fuzzy modeling
    fault tolerant systems
    Opis:
    Przedstawiono układ regulacji turbiny kondensacyjnej odporny na uszkodzenia torów pomiarowych. Opisano działania układu regulacji turbiny kondensacyjnej pracującej w układzie blokowym. Zaprezentowano charakterystykę sygnałów wchodzących do regulatora i metody wykrywania uszkodzeń dla danego toru pomiarowego. Opisano zasadę działania i system diagnostyki dla urządzenia wykonawczego
    In this paper described fault tolerant system of regulation of condensing turbine on damages of measuring - tracks. One presented characterization of signals entering to controler and methods of detecting of damages measuring - track and executive device.
    Źródło:
    Pomiary Automatyka Kontrola; 2006, R. 52, nr 11, 11; 48-50
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Recursive Partitioning application in the assessment of the climatic conditions impact of non- CO2 GHGs on agricultural emissions
    Zastosowanie metody Recursive Partitioning w ocenie wpływu warunków klimatycznych na rolnicze emisje gazów cieplarnianych innych niż CO2
    Autorzy:
    Kolasa-Więcek, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/334096.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    gazy cieplarniane
    CH4
    N2O
    modelowanie
    sieci neuronowe
    drzewa decyzyjne
    warunki meteorologiczne
    greenhouse gases
    modeling
    neural networks
    decision trees
    meteorological conditions
    Opis:
    Agricultural practices contribute to emissions of the greenhouse gases (GHGs) such a methan (CH4) and nitrous oxide (N2O). Their estimated share from agricultural sources is assessed at around 50% of CH4 and 60% of N2O emissions. The efforts made by the agricultural sector aim to limit and reduce emissions. Due to their significant share, all the complementary knowledge information concerning their reduction are highly precious. The paper proposes the use of neural modeling techniques and the summary of results by modeling based on a decision tree (Recursive Partitioning) to estimate the levels of methane and nitrous oxide emissions from agriculture under varying weather conditions in Poland. The obtained results support the hypothesis that neural model describing the effect of meteorological conditions on the CH4and N2O emissions is an appropriate tool for the assessment of the projected emission level.
    Praktyki rolnicze przyczyniają się do emisji gazów cieplarnianych (GGC), takich jak metan (CH4) i podtlenku azotu (N2O). Ich szacunkowy udział ze źródeł rolniczych oceniany jest na około 50% emisji CH4 i 60% emisji N2O. Wysiłki podejmowane przez sektor rolny mają na celu ograniczenie i redukcję ich emisji. Ze względu na ich znaczący udział, wszelkie informacje dopełniające wiedzę na temat możliwości ich redukcji są niezwykle cenne. W pracy zaproponowano wykorzystanie technik neuronowego modelowania oraz posumowania wyników z wykorzystaniem modelowania w oparciu o drzewo decyzyjne (Recursive Partitioning) do estymacji poziomu metanu i podtlenku azotu emitowanych z rolnictwa przy zmiennych warunkach meteorologicznych w Polsce. Uzyskane wyniki badań potwierdzają hipotezę, że model neuronowy, opisujący wpływ warunków meteorologicznych na emisję CH4 i N2O, jest właściwym instrumentem dla dokonania oceny prognozowania poziomu tej emisji.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2013, 58, 1; 96-101
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimization of pin fin heat sink by application of CFD simulations and DOE methodology with neural network approximation
    Autorzy:
    Kasza, K.
    Malinowski, Ł.
    Królikowski, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/265135.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    wymiana ciepła
    optymalizacja projektu
    radiator
    sieci neuronowe
    modelowanie numeryczne
    polimery
    heat transfer
    design optimization
    heat sink
    neural network approximation
    numerical modeling
    thermally conductive polymer
    Opis:
    A design optimization of a staggered pin fin heat sink made of a thermally conductive polymer is presented. The influence of several design parameters like the pin fin height, the diameter, or the number of pins on thermal efficiency of the natural convection heat sink is studied. A limited number of representative heat sink designs were selected by application of the design of experiments (DOE) methodology and their thermal efficiency was evaluated by application of the antecedently validated and verified numerical model. The obtained results were utilized for the development of a response surface and a typical polynomial model was replaced with a neural network approximation. The particle swarm optimization (PSO) algorithm was applied for the neural network training providing very accurate characterization of the heat sink type under consideration. The quasi-complete search of defined solution domain was then performed and the different heat sink designs were compared by means of thermal performance metrics, i.e., array, space claim and mass based heat transfer coefficients. The computational fluid dynamics (CFD) calculations were repeated for the most effective heat sink designs.
    Źródło:
    International Journal of Applied Mechanics and Engineering; 2013, 18, 2; 365-381
    1734-4492
    2353-9003
    Pojawia się w:
    International Journal of Applied Mechanics and Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metod sztucznej inteligencji w energetyce
    The applications of artificial intelligence techniques in energy systems
    Autorzy:
    Ściążko, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/276892.pdf
    Data publikacji:
    2011
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    energetyka
    sztuczna inteligencja
    sieci neuronowe
    algorytmy genetyczne
    modelowanie
    optymalizacja
    odnawialne źródła energii
    energy science
    artificial intelligence
    neural network
    genetic algorithm
    modeling
    optimization
    renewable energy
    Opis:
    Artykuł prezentuje możliwości wykorzystania metod sztucznej inteligencji w energetyce. Zastosowania te można podzielić na trzy grupy: modelowanie, przewidywanie i planowanie (optymalizacja) oraz kontrola procesów. W artykule pokazano typowe przykłady użycia sztucznej inteligencji, charakterystyczne dla każdej z grup. Przedstawiono także możliwe przyszłe wykorzystania tego typu metodologii, w szczególności w inteligentnych systemach elektroenergetycznych - Smart Grid. Druga część artykułu przedstawia i omawia przykład wykorzystania sztucznej inteligencji w modelowaniu systemu elektroenergetycznego, złożonego z następujących elementów: elektrociepłownia geotermalna, źródło geotermalne, miejska sieć ciepłownicza oraz zakład przemysłowy. Zadanie polegało na przygotowaniu modelu komputerowego rozważanego systemu oraz wielokryte-rialnej optymalizacji problemu. Jakość każdego z rozwiązań była oceniana na podstawie dwóch różnych funkcji dopasowania: obliczonej wartości kosztów inwestycyjnych oraz sprawności egzergetycznej systemu. Pokazano w jaki sposób można wykorzystać genetyczny algorytm optymalizacji wielokryterialnej oraz modelowanie zastępcze z wykorzystaniem sztucznej sieci neuronowej do analizy zadanego problemu. Rezultaty optymalizacji zostały zobrazowane na diagramie Pareto, na ich podstawie pokazano kilka typów możliwych rozwiązań projektowych (niewielkie koszty inwestycyjne i niska sprawność, wysokie koszty inwestycyjne ale wysoka sprawność oraz rozwiązanie pośrednie). Dla modelu zastępczego określono jego dokładność oraz dopasowanie do oczekiwanych rezultatów.
    Paper presents possible applications of artificial intelligence techniques in the energy science problems. Those applications can be divided into three groups: modeling, predictions and planning (optimization) and process control. Article shows typical examples of use artificial intelligence in each group. Moreover there are presented the future possibilities of application, for example in Smart Grid's problems. Second part of the article introduces the case study of using artificial intelligence techniques in real life problem of analysis of complicated energy system. Its main elements are geothermal power plant, district heating system, industrial plant and electrical grid. The task was to model the system and run the multi criteria optimization. The quality of each solution was graded by the different objective functions: investment cost and energy efficiency. The paper presents multi criteria genetic optimization algorithm and neural network surrogate modeling for given problem. The optimization's results can be found in the Pareto diagram - they show different possible solutions (with low investment cost and low efficiency, with high cost and high efficiency or with mediumvalues). The quality of surrogate model is presented on the regression graph for neural network.
    Źródło:
    Pomiary Automatyka Robotyka; 2011, 15, 7-8; 53-59
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie i analiza kręgosłupa ludzkiego w kontekście badań wad postawy i klasyfikacji bólów krzyża
    Modeling and analysis of the human spine in the context of the posture study and pain classification
    Autorzy:
    Długosz, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/274613.pdf
    Data publikacji:
    2011
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    system Vicon
    motion capture
    modelowanie kręgosłupa
    biomechanika
    sztuczne sieci neuronowe
    bóle krzyża
    Vicon system
    spine modeling
    biomechanics
    artificial neural networks (ANNs)
    low back pain (LBP)
    Opis:
    Badania dotyczące kręgosłupa ludzkiego, jego funkcji i schorzeń bądź patologii są prowadzone przez licznych specjalistów z różnych dziedzin nauki, w tym medycyny, biomechaniki czy inżynierii rehabilitacyjnej. Niniejsza praca przedstawia aktualny stan wiedzy na temat metod dynamicznych wykorzystujących sztuczne sieci neuronowe do klasyfikacji i analizy bólów krzyża. W artykule opisano również badania nad stworzeniem precyzyjnego modelu szkieletu człowieka do celów analizy ruchu kręgosłupa przy użyciu systemu Vicon.
    Research on the human spine, its function and disease or pathology, are conducted by numerous experts from various fields, including medicine, biomechanics and rehabilitation engineering. This paper presents the state-of-the-art of knowledge about dynamic methods using artificial neural networks for low back pain (LBP) classification and analysis. The article also describes research on the development of a precise model of human skeleton for spine motion analysis using Vicon system.
    Źródło:
    Pomiary Automatyka Robotyka; 2011, 15, 12; 97-99
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neural networks in mining sciences – general overview and some representative examples
    Sieci neuronowe w naukach górniczych – ogólne omówienie i kilka reprezentatywnych przykładów
    Autorzy:
    Tadeusiewicz, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/219318.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    neural networks
    applications in mining sciences
    process modeling
    systems modeling
    machine learning
    modeling of the oil mining process
    forecasting of reservoir properties
    sieci neuronowe
    zastosowania w naukach górniczych
    modelowanie procesów
    modelowanie systemów
    uczenie maszyn
    modelowanie procesu wydobycia ropy naftowej
    przewidywanie właściwości zbiornikowych pokładów geologicznych
    Opis:
    The many difficult problems that must now be addressed in mining sciences make us search for ever newer and more efficient computer tools that can be used to solve those problems. Among the numerous tools of this type, there are neural networks presented in this article – which, although not yet widely used in mining sciences, are certainly worth consideration. Neural networks are a technique which belongs to so called artificial intelligence, and originates from the attempts to model the structure and functioning of biological nervous systems. Initially constructed and tested exclusively out of scientific curiosity, as computer models of parts of the human brain, neural networks have become a surprisingly effective calculation tool in many areas: in technology, medicine, economics, and even social sciences. Unfortunately, they are relatively rarely used in mining sciences and mining technology. The article is intended to convince the readers that neural networks can be very useful also in mining sciences. It contains information how modern neural networks are built, how they operate and how one can use them. The preliminary discussion presented in this paper can help the reader gain an opinion whether this is a tool with handy properties, useful for him, and what it might come in useful for. Of course, the brief introduction to neural networks contained in this paper will not be enough for the readers who get convinced by the arguments contained here, and want to use neural networks. They will still need a considerable portion of detailed knowledge so that they can begin to independently create and build such networks, and use them in practice. However, an interested reader who decides to try out the capabilities of neural networks will also find here links to references that will allow him to start exploration of neural networks fast, and then work with this handy tool efficiently. This will be easy, because there are currently quite a few ready-made computer programs, easily available, which allow their user to quickly and effortlessly create artificial neural networks, run them, train and use in practice. The key issue is the question how to use these networks in mining sciences. The fact that this is possible and desirable is shown by convincing examples included in the second part of this study. From the very rich literature on the various applications of neural networks, we have selected several works that show how and what neural networks are used in the mining industry, and what has been achieved thanks to their use. The review of applications will continue in the next article, filed already for publication in the journal „Archives of Mining Sciences“. Only studying these two articles will provide sufficient knowledge for initial guidance in the area of issues under consideration here.
    Liczne i trudne problemy, jakie muszą być obecnie rozwiązywane w naukach górniczych, skłaniają do poszukiwanie i wypróbowywania wciąż nowszych i bardziej sprawnych narzędzi informatycznych, które mogą być wykorzystane do rozwiązywania tych problemów. Wśród narzędzi tego typu, które wprawdzie jeszcze powszechnie wykorzystywane nie są, z pewnością zasługują na uwagę, warto rozważyć przedstawiane w tym artykule sieci neuronowe. Sieć neuronowa, której schemat przedstawiony jest na rysunku 1, jest narzędziem tak zwanej sztucznej inteligencji, wywodzącym się z prób modelowania struktury i funkcji biologicznych systemów nerwowych. Początkowo budowane i badane wyłącznie z ciekawości naukowej, jako komputerowe modele fragmentów ludzkiego mózgu, sieci neuronowe nieoczekiwanie okazały się skutecznym narzędziem w wielu zastosowaniach: w technice, w medycynie, w ekonomii a nawet w naukach społecznych. Mogą one dostarczać pojedynczych rozwiązań (wartości oszacowań poszukiwanych parametrów, lub przesłanek do podjęcia określonych decyzji), bądź całych wektorów rozwiązań – jakkolwiek w tym drugim przypadku celowe jest rozważenie kwestii, czy zastosować jedną sieć o wielu wyjściach, czy kilka sieci mających pojedyncze wyjście (Rys. 2). Przy tworzeniu sieci neuronowych trzeba wybierać stopień złożoności jej struktury, co nie jest łatwe, ponieważ sieć o zbyt ubogiej strukturze (zwłaszcza dysponująca zbyt mała liczbą tak zwanych neuronów ukrytych) może nie podołać rozwiązaniu bardziej złożonego zadania, natomiast sieć mająca zbyt skomplikowaną i bogatą strukturę zawsze sprawia kłopoty podczas procesu uczenia. Proces uczenia jest kluczem do wszystkich zastosowań sieci neuronowych. Kluczem do skutecznego nauczenia sieci rozwiązywania jakiejś klasy zadań jest posiadanie tak zwanego zbioru uczącego, to znaczy zbioru przykładowych zadań wraz z ich prawidłowymi rozwiązaniami (Rys. 4). Wprowadzając na wejście sieci dane stanowiące przesłanki do rozwiązania zadania i porównując odpowiedź sieci z prawidłową odpowiedzią zapisaną w zbiorze uczącym można na podstawie wykrytego błędu automatycznie korygować parametry sieci, co prowadzi zwykle do tego, że sieć po pewnym czasie sama nauczy się rozwiązywania rozważanej klasy zadań. Dzięki korzystaniu z procesu uczenia (opartego na przykładach, a nie na regułach) sieć neuronowa może rozwiązywać zadania, dla których my (użytkownicy sieci) nie dysponujemy wiedzą, jak te zadania należy rozwiązywać (Rys. 6). Dzięki temu sieć neuronowa może służyć jako model dowolnego złożonego procesu, co pozwala na wykonywanie dla tego procesu wielu istotnych czynności (Rys. 7). Niestety, mimo niewątpliwych zalet sieci neuronowych w naukach górniczych są one stosowane raczej rzadko. Prezentowany artykuł ma przekonać Czytelników, że sieci neuronowe mogą się okazać bardzo przydatne także w naukach górniczych. Artykuł stanowi również użyteczne wstępne wprowadzenie do wiedzy o sieciach neuronowych. Praca zawiera bowiem informacje o tym, jak są zbudowane nowoczesne sieci neuronowe, jak one działają i jak można ich używać. To wstępne omówienie przedstawione w artykule może pomóc w tym, by Czytelnik wyrobił sobie opinię, czym jest to narzędzie, jakie ma właściwości i w związku z tym do czego może mu się przydać. Oczywiście skrótowe wprowadzenie do problematyki sieci neuronowych zawarte w prezentowanym artykule nie wystarczy tym Czytelnikom, którzy dadzą się przekonać i naprawdę będą chcieli użyć sieci neuronowych. Będą oni potrzebowali jeszcze sporej porcji szczegółowej wiedzy, żeby mogli zacząć samodzielnie tworzyć takie sieci i ich używać w praktyce. Jednak jeśli decyzja o wypróbowaniu możliwości sieci neuronowych będzie pozytywna, to zainteresowany Czytelnik będzie mógł w artykule znaleźć odnośniki do pozycji literatury, pozwalających szybko i sprawnie poznać technikę sieci neuronowych na poziomie wystarczającym do rozpoczęcia własnych prac z tym wygodnym narzędziem. Będzie to tym łatwiejsze, że obecnie dostępnych jest sporo gotowych programów komputerowych pozwalających szybko i bez wysiłku tworzyć sztuczne sieci neuronowe, uruchamiać je, uczyć i wykorzystywać praktycznie. Oczywiście kluczową sprawą jest kwestia, jak tych sieci używać w naukach górniczych. O tym, że jest to możliwe i celowe przekonują jednak przykłady zawarte w drugiej części opracowania. Z przebogatej literatury, dotyczącej różnych zastosowań sieci neuronowych, wybrano kilkanaście prac, które pokazują, jak i do czego sieci neuronowych w górnictwie użyto i co zostało osiągnięte dzięki ich zastosowaniu. Ten przegląd zastosowań będzie kontynuowany w następnym artykule, zgłoszonym już do publikacji w czasopiśmie „Archiwum Górnictwa” i dopiero przestudiowanie obydwu tych artykułów dostarczy wiedzy wystarczającej do wstępnej orientacji w obszarze rozważanej tu problematyki.
    Źródło:
    Archives of Mining Sciences; 2015, 60, 4; 971-984
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie technik sztucznych sieci neuronowych do predykcji wybranych parametrów jako uzupełnienia zbioru danych wejściowych w konstrukcji modeli parametrycznych 3D
    The use of artificial neural network techniques to predict selected parameters as a supplement to the input data set in the construction of 3D parametric models
    Autorzy:
    Kaczmarczyk, Weronika
    Brodzicki, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/2143629.pdf
    Data publikacji:
    2021
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    predykcja 1D
    sieci neuronowe
    estymacja parametryczna
    modelowanie 3D
    charakterystyka złoża węglowodorów
    1D prediction
    artificial neural network
    parametrical estimation
    3D modeling
    hydrocarbon reservoir characterization
    Opis:
    W artykule przedstawiono możliwości wykorzystania sztucznych sieci neuronowych (SSN) do predykcji parametrycznej w profilach otworów wiertniczych, której zastosowanie uzupełniło zestaw informacji we wszystkich otworach wiertniczych zlokalizowanych w obrębie analizowanego obszaru. Zaprezentowana w artykule metodologia może być użyta w przypadku braku możliwości specjalistycznej interpretacji krzywych geofizyki wiertniczej, uzupełniającej brakujące dane. Zestaw wykorzystanych w pracy danych obejmował rozwiązania w profilach 10 otworów wiertniczych, z których cztery otwory charakteryzowały się pełnym zestawem danych analizowanych w ramach niniejszego artykułu, obejmujących prędkość fali podłużnej, porowatość efektywną, nasycenie węglowodorami, moduł Younga i współczynnik Poissona. Wykorzystując technikę działania sztucznych sieci neuronowych, przeprowadzono predykcję brakujących informacji, bazując na relacjach pomiędzy analizowanymi parametrami w otworach, gdzie estymowane dane były dostępne. W ostatnich latach obserwuje się dynamiczny rozwój technologii szeroko pojętego uczenia maszynowego (ang. machine learning) i tak zwanej sztucznej inteligencji. Niewiele pozostaje dziedzin nauki, w których nie miałyby one zastosowania. Tak jest również w branży naftowo-gazowniczej. Parametr nasycenia węglowodorami, pomimo wyzwań, jakie niesie za sobą interpretacja tego parametru, również został poddany próbie estymacji, potwierdzając niskimi wartościami korelacji pomiędzy analizowanymi parametrami, że wymaga zdecydowanie bardziej zaawansowanych prac o indywidualnym charakterze. Wyniki predykcji parametrycznej, poddane wcześniej walidacji poprzez charakterystykę parametrów R (różnica pomiędzy wartością rzeczywistą a estymowaną) i RMSE (pierwiastek błędu średniokwadratowego), zostały w kolejnym kroku zaaplikowane w procesie modelowania przestrzennego wszystkich analizowanych parametrów. Finalnie, w celu wizualizacji różnic pomiędzy wykorzystaniem niepełnego i po części estymowanego zestawu danych w analizie przestrzennej, zaprezentowano mapę średnich wartości wybranego parametru w obrębie analizowanego interwału stratygraficznego. Tak przygotowany zestaw danych pozwolił na bardziej wiarygodne odtworzenie przestrzenne rozkładu parametrów istotnych w kontekście charakterystyki złoża węglowodorów, na podstawie którego w kolejnych etapach możliwa jest wiarygodniejsza ocena potencjału złożowego analizowanego obiektu. Zaprezentowana w artykule metodyka, oparta na rozwiązaniu rzeczywistego problemu badawczego, stanowi alternatywę, dla koszto- i czasochłonnych interpretacji geofizycznych, niekiedy znacznych liczb otworów wiertniczych, szczególnie dla obszarów charakteryzujących się relatywnie niewielką przestrzenną zmiennością i złożonością tektoniczną. Warunkiem jest dostępność interpretacji danych geofizyki wiertniczej w co najmniej kilku otworach stanowiącej wzorzec dla odtworzenia zmienności badanego parametru/parametrów w pozostałych profilach otworów wiertniczych.
    The article presents the possibilities of using artificial neural networks for parametric prediction in borehole profiles, the application of which supplemented the set of information in all boreholes located within the analyzed area. The approach presented in the article will be used when there is no possibility of specialized interpretation of the drilling geophysics curves, supplementing the missing data. The set of data used in the study included solutions in the profiles of 10 boreholes, four of which were characterized by the availability of the full data set analyzed in this article, including compressional wave velocity, effective porosity, hydrocarbon saturation, Young’s modulus and Poisson’s ratio. Using the technique of the operation of artificial neural networks, a prediction of missing information was carried out based on the relationships between the analyzed parameters in the wells, where the estimated data was available. In recent years, there has been a dynamic development of machine learning technology and the so-called artificial intelligence. There are very few fields of science in which they find no application. The hydrocarbon saturation parameter, despite the challenges posed by the interpretation of this parameter, was also subjected to an estimation attempt, confirming the low correlation values between the analyzed parameters and requiring much more advanced work of an individual nature. The results of parametric prediction, previously validated by characterizing the R and RMSE parameters, were applied in the next step in the spatial modeling process of all analyzed parameters. Finally, as part of the visualization of the differences between the use of an incomplete and partially estimated data set in spatial analysis, a map of mean values of the selected parameter within the analyzed interval was presented. The set of data prepared in this way allowed for a more reliable spatial reconstruction of the distribution of parameters important in the context of the characteristics of the hydrocarbon reservoir, on the basis of which, in the subsequent stages, it is possible to more fully assess the deposit potential of the analyzed object. The methodology presented in the article, supported by a real case study, is an alternative to geophysical interpretations that require financial and time resources, sometimes large numbers of boreholes, especially for areas characterized by relatively low spatial variability and tectonic complexity. The condition is the availability of the interpretation in at least several boreholes, constituting a pattern for recreating the variability of the tested parameter / parameters in the remaining profiles of the boreholes.
    Źródło:
    Nafta-Gaz; 2021, 77, 7; 429-445
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Niekonwencjonalne techniki pomiarowe w modelowaniu ruchu
    Unconventional measuring techniques in traffic modeling
    Autorzy:
    Drzał, M.
    Ostaszewski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/193434.pdf
    Data publikacji:
    2018
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
    Tematy:
    techniki pomiarowe
    modelowanie
    pozyskiwanie danych
    sieci neuronowe
    uczenie maszynowe
    automatyczne pomiary ruchu w transporcie
    measurement techniques
    modeling
    data acquisition
    neural networks
    machine learning
    automatic measurement of traffic in transport
    Opis:
    Celem artykułu jest przedstawienie autorskiego projektu wprowadzenia algorytmu opartego o sieci neuronowe w zastosowaniu do pomiarów wykonywanych w transporcie. Jakość, ilość oraz sposób pozyskiwania danych bezpośrednio przekłada się na wyniki tworzonych modeli symulacyjnych. Przeanalizowano różne systemy (zarówno komercyjne, jak i autorskie), które są używane do pozyskania danych do modelowania. W wyniku różnych wątpliwości, niedostosowania systemów lub zbyt wysokich kosztów, zaproponowano alternatywne rozwiązania, które mogą wyeliminować prezentowane problemy. Zaproponowano rozwiązania ograniczające część problemów sygnalizowanych przez autorów w przedmiotowym zakresie. Testowe prace uzasadniły wykorzystanie sieci neuronowych w pomiarach w transporcie. Otrzymano wyniki pomiarów testowych o dostatecznej zgodności z rzeczywistymi obserwacjami oraz porównano je z wynikami systemów dostępnych na rynku. Autorzy poddają analizie dalsze wymagane prace oraz możliwości udoskonalenia stosowanych rozwiązań.
    The aim of the article is to present the original project of introducing an algorithm based on neural networks in application to measurements performed in transport. The quality, quantity and method of obtaining data directly translate into the results of the simulation models created. Various systems (both commercial and proprietary) have been analyzed, which are used to obtain data for modeling. As a result of various doubts, system maladjustments or excessive costs, alternative solutions have been proposed that can eliminate the presented problems. As part of its work, solutions have been proposed that limit some of the problems reported by the authors in this regard. Test work justified the use of neural networks in measurements in transport. Test results with sufficient compliance with real observations were obtained and compared to the results of systems available on the market. The authors also analyze further required work and the possibilities of improving the solutions used.
    Źródło:
    Transport Miejski i Regionalny; 2018, 4; 25-31
    1732-5153
    Pojawia się w:
    Transport Miejski i Regionalny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych do prognozowania zawartości azotu ogólnego w odpływie z oczyszczalni ścieków
    Application of artificial neural networks to forecasting total nitrogen content in secondary effluent from treatment plants
    Autorzy:
    Wąsik, E.
    Chmielowski, K.
    Studziński, J.
    Szeląg, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/237416.pdf
    Data publikacji:
    2018
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    ścieki komunalne
    ścieki oczyszczone
    modelowanie
    prognozowanie
    sztuczne sieci neuronowe
    azot ogólny
    azot amonowy
    azotyny
    azotany
    azot organiczny
    sewage
    secondary effluent
    modeling
    forecasting
    artificial neural networks
    total nitrogen
    ammonia nitrogen
    nitrites
    nitrates
    organic nitrogen
    Opis:
    Zaprezentowano możliwość wykorzystania sztucznych sieci neuronowych do prognozowania zawartości azotu ogólnego w ściekach oczyszczonych w funkcji jego różnych postaci występujących w odpływie z oczyszczalni ścieków. W badaniach zastosowano dane z lat 2010–2016, zawierające pomiary zawartości związków azotu w ściekach odpływających z oczyszczalni obsługującej aglomerację o równoważnej liczbie mieszkańców powyżej 100000. Zbiór danych wejściowych został wstępnie poddany analizie skupień i następnie wykorzystany do trenowania sieci neuronowej w postaci perceptronu wielowarstwowego. Na podstawie uzyskanych symulacji stwierdzono, że najmniejsze wartości błędów prognozy ilosci azotu ogólnego (2÷3%) uzyskano w wariancie, gdy jego wartość była funkcją wszystkich postaci azotu występujących w oczyszczonych ściekach. W przypadku modelu wykorzystującego jedynie dane o zawartości azotu nieorganicznego oraz azotanów otrzymane wyniki symulacji niewiele różniły się od wartości rzeczywistych, na co wskazuje bardzo duża wartość współczynnika korelacji (>97%). Wartość średniego błędu bezwzględnego w tym przypadku zwiększyła się tylko o około 4 punkty procentowe do wartości 6,2% (proces uczenia) oraz 6,9% (proces testowania/walidacji) w stosunku do symulacji wykorzystującej wszystkie postacie azotu w ściekach.
    Potential application of artifi cial neural networks (ANN) to forecast total nitrogen content (TNC) in treated wastewater was presented as a function of selected nitrogen forms present in the secondary effl uent. The analyzed data from the period of 2010–2016 covered measurements of the nitrogen content in the effl uent from the treatment plant servicing agglomeration with a population equivalent of more than 100,000. The input data set was initially subjected to cluster analysis and then, used to train a neural network in the form of a multilayer perceptron (MLP). The simulations demonstrated that the smallest error values for the forecast of TNC (2–3%) were obtained for the variant, the value of which was a function of all the forms of nitrogen present in the secondary effl uent. For the total nitrogen model based on inorganic nitrogen and nitrates data only, the simulation results did not differ signifi cantly from the actual values, as indicated by a very high correlation coeffi cient (over 97%). In this case, the value of the mean absolute error increased only by nearly 4% to 6.2% (learning process) or 6.9% (testing/validation process), compared to the simulation based on all the nitrogen forms in the sewage.
    Źródło:
    Ochrona Środowiska; 2018, 40, 1; 29-33
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wybrane problemy projektowania i eksploatacji sieci rozdzielczych
    Selected problems of design and operation of power distribution networks
    Autorzy:
    Kulczycki, J.,
    Brożek, J.
    Strzałka, J.
    Kot, A.
    Szpyra, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/154201.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    elektroenergetyczne sieci rozdzielcze
    regulacja napięcia
    generacja rozproszona
    modelowanie i symulacja
    estymacja napięcia
    estymacja strat mocy
    algorytmy ewolucyjne
    sztuczne sieci neuronowe
    power distribution networks
    voltage control
    dispersed generation
    system modelling and
    system modelling and simulation
    voltage estimation
    power losses estimation
    evolutionary algorithms
    artificial neural networks
    Opis:
    Elektroenergetyczne sieci rozdzielcze stanowią ważne ogniwo systemu elektroenergetycznego. Optymalne projektowanie i efektywna eksploatacja tych sieci jest przedmiotem badań prowadzonych w wielu ośrodkach naukowych. W artykule przedstawiono wybrane problemy projektowania i eksploatacji elektroenergetycznych sieci rozdzielczych będące przedmiotem badań naukowych realizowanych w Laboratorium Sieci i Systemów Elektroenergetycznych Katedry Elektroenergetyki Akademii Górniczo-Hutniczej w Krakowie.
    Power distribution networks are an important element of the Electric Power System. The problems of optimal development and effective utilization of these networks is subject of works realized in many research institutes. In the paper there are presented selected results of scientific research realized in the Networks and Power Systems Laboratory of Department of Electrical Power AGH University of Science and Technology.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 3, 3; 123-130
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-54 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