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 "multilayer networks" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    An intelligent approach to short-term wind power prediction using deep neural networks
    Autorzy:
    Niksa-Rynkiewicz, Tacjana
    Stomma, Piotr
    Witkowska, Anna
    Rutkowska, Danuta
    Słowik, Adam
    Cpałka, Krzysztof
    Jaworek-Korjakowska, Joanna
    Kolendo, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/23944826.pdf
    Data publikacji:
    2023
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    renewable energy
    wind energy
    wind power
    wind turbine
    short-term wind power prediction
    deep learning
    convolutional neural networks
    gated recurrent unit
    hierarchical multilayer perceptron
    deep neural networks
    Opis:
    In this paper, an intelligent approach to the Short-Term Wind Power Prediction (STWPP) problem is considered, with the use of various types of Deep Neural Networks (DNNs). The impact of the prediction time horizon length on accuracy, and the influence of temperature on prediction effectiveness have been analyzed. Three types of DNNs have been implemented and tested, including: CNN (Convolutional Neural Networks), GRU (Gated Recurrent Unit), and H-MLP (Hierarchical Multilayer Perceptron). The DNN architectures are part of the Deep Learning Prediction (DLP) framework that is applied in the Deep Learning Power Prediction System (DLPPS). The system is trained based on data that comes from a real wind farm. This is significant because the prediction results strongly depend on weather conditions in specific locations. The results obtained from the proposed system, for the real data, are presented and compared. The best result has been achieved for the GRU network. The key advantage of the system is a high effectiveness prediction using a minimal subset of parameters. The prediction of wind power in wind farms is very important as wind power capacity has shown a rapid increase, and has become a promising source of renewable energies.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2023, 13, 3; 197--210
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Safety Analysis of Interdependent Critical Infrastructure Networks
    Autorzy:
    Blokus, A.
    Dziula, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/116995.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
    Tematy:
    critical infrastructure
    safety analysis
    interdependent critical infrastructure networks
    critical infrastructure network
    safety characteristics
    random interdependency matrix
    critical infrastructure system
    multilayer infrastructure network framework
    Opis:
    Certain critical infrastructure networks show some interconnections, relations and interactions with other ones, most frequently when located and operating within particular areas. Failures arising within one critical infrastructure network, can then negatively impact not only on associated systems, societies and natural environment, but also on mutual critical infrastructure networks. Therefore, interdependent critical infrastructure networks can be determined as network of critical infrastructure networks (network of networks approach). The paper presents safety analysis of the network of critical infrastructure networks, taking into account interconnections, relations and interactions between particular ones. Critical infrastructures networks as multistate systems are considered, by distinguishing subsets of no-hazards safety states, and crisis situation states, and by analysing transitions between particular ones. Issues introduced in the article are based on the assumption that one key critical infrastructure network impacts on functioning of other critical infrastructure networks - can reduce their functionality and change level of their safety and inoperability, furthermore, other networks can impact each other, too. Safety characteristics of network of critical infrastructure networks: safety function, mean values and standard deviations of lifetimes in particular safety state subsets, are determined, taking into account interdependencies between particular networks. The results are related to various values of coefficients defining the significance of influence of interdependencies among networks.
    Źródło:
    TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2019, 13, 4; 781-787
    2083-6473
    2083-6481
    Pojawia się w:
    TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Analytical and Artificial Intelligence Methods to Investigate the Effects of Aperture Dimension Ratio on Electrical Shielding Effectiveness
    Autorzy:
    Basyigit, Ibrahim Bahadir
    Dogan, Habib
    Powiązania:
    https://bibliotekanauki.pl/articles/226583.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    electromagnetic shielding
    electromagnetic
    compatibility
    apertures
    multilayer perceptron
    radial basis
    function networks
    Opis:
    This paper presents that the effect of single aperture size of metallic enclosure on electrical shielding effectiveness (ESE) at 0 – 1 GHz frequency range has been investigated by using both Robinson’s analytical formulation and artificial neural networks (ANN) methods that are multilayer perceptron (MLP) networks and a radial basis function neural network (RBFNN). All results including measurement have been compared each other in terms of aperture geometry of metallic enclosure. The geometry of single aperture varies from square to rectangular shape while the open area of aperture is fixed. It has been observed that network structure of MLP 3-40-1 in modeling with ANN modeled with fewer neurons in the sense of overlapping of faults and data and modeled accordingly. In contrast, the RBFNN 3-150-1 is the other detection that the network structure is modeled with more neurons and more. It can be seen from the same network-structured MLP and RBFNN that the MLP modeled better. In this paper, the impact of dimension of rectangular aperture on shielding performance by using RBFNN and MLP network model with ANN has been studied, as a novelty.
    Źródło:
    International Journal of Electronics and Telecommunications; 2019, 65, 3; 359-365
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Investigation of the Applicability of Data-Driven Techniques in Hydrological Modeling: The Case of Seyhan Basin
    Autorzy:
    Turhan, Evren
    Keleş, Mümine Kaya
    Tantekin, Atakan
    Keleş, Abdullah Emre
    Powiązania:
    https://bibliotekanauki.pl/articles/1811777.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    artificial neural networks
    drought analysis
    data mining
    Multilayer Perceptron
    Seyhan Basin
    Opis:
    Proper water resources planning and management is based on reliable hydrological data. Missing rainfall and runoff observation data, in particular, can cause serious risks in the planning of hydraulics structures. Hydrological modeling process is quitely complex. Therefore, using alternative estimation techniques to forecast missing data is reasonable. In this study, two data-driven techniques such as Artificial Neural Networks (ANN) and Data Mining were investigated in terms of availability in hydrology works. Feed Forward Back Propagation (FFBPNN) and Generalized Regression Neural Networks (GRNN) methods were performed on rainfall-runoff modeling for ANN. Besides, Hydrological drought analysis were examined using data mining technique. The Seyhan Basin was preferred to carry out these techniques. It is thought that the application of different techniques in the same basin could make a great contribute to the present work. Consequently, it is seen that FFBPNN is the best model for ANN in terms of giving the highest R2 and lowest MSE values. Multilayer Perceptron (MLP) algorithm was used to predict the drought type according to limit values. This system has been applied to show the relationship between hydrological data and measure the prediction accuracy of the drought analysis. According to the obtained data mining results, MLP algorithm gives the best accuracy results as flow observation stations using SRI-3 month data.
    Źródło:
    Rocznik Ochrona Środowiska; 2019, Tom 21, cz. 1; 29-51
    1506-218X
    Pojawia się w:
    Rocznik Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using neural networks and deep learning algorithms in electrical impedance tomography
    Zastosowanie sieci neuronowych i algorytmów głębokiego uczenia w elektrycznej tomografii impedancyjnej
    Autorzy:
    Kłosowski, G.
    Rymarczyk, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/408307.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    imaging tomography
    multilayer perceptron
    deep learning
    convolutional neural networks
    tomografia obrazowa
    perceptron wielowarstwowy
    uczenie głębokie
    sieć neuronowa konwolucyjna
    Opis:
    This paper refers to the cases of the use of Artificial Neural Networks and Convolutional Neural Networks in impedance tomography. Machine Learning methods can be used to teach computers different technical problems. The efficient use of conventional artificial neural networks in tomography is possible able to effectively visualize objects. The first step of implementation Deep Learning methods in Electrical Impedance Tomography was performed in this work.
    W artykule zaprezentowano dwa przypadki dotyczące zastosowania sztucznych sieci neuronowych i konwolucyjnych sieci neuronowych w tomografii impedancyjnej. Uczenie maszynowe może znaleźć zastosowanie przy rozwiązywaniu różnorodnych problemów technicznych. W tomograficznej rekonstrukcji obrazów można stosować konwencjonalne sieci neuronowe. W niniejszej pracy przedstawiono przykład zastosowania metod głębokiego uczenia w obszarze elektrycznej tomografii impedancyjnej.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2017, 7, 3; 99-102
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using artificial neural networks to determine the location of wind farms. Miedzna district case study
    Wykorzystanie sztucznych sieci neuronowych do wyznaczania lokalizacji elektrowni wiatrowych na przykładzie gminy Miedzna
    Autorzy:
    Pokonieczny, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/292489.pdf
    Data publikacji:
    2016
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    artificial neural networks
    multilayer perceptron
    wind farms localization
    elektrownie wiatrowe
    perceptron wielowarstwowy
    sztuczne sieci neuronowe
    Opis:
    The article concerns issues pertaining to of selecting suitable areas for wind farms. The basic assumption of the study was to take into account both criteria related to the profitability of this type of power plant, as well as public interest, which means the harmonious and not burdensome functioning of these installations for local communities. The problem of wind farm localization may be solved by the application of artificial neural networks (ANN), which are a computational intelligence element. In the conducted analysis, the possibility of wind farm localization was considered for the primary grid field with dimensions of 100 by 100 m. To prepare the training set, topographic vector data from the VMap L2 and SRTM (Shuttle Radar Topography Mission) digital terrain model were used. For each 100-meter x 100-meter grid, the input data was prepared, consisting of the factors which are important from the point of view of wind farm localization (forests, rivers, built-up areas etc.). Studies show that a properly trained neural network (using a representative number of samples and for the appropriate architecture), allows to process automation area classification in terms of placement on the wind turbines.
    Zgodnie z obowiązującymi w Polsce regulacjami prawnymi użytkowanie elektrowni wiatrowych podlega odpowiednim uwarunkowaniom. Obostrzenia te dotyczą zarówno parametrów technicznych tych urządzeń, które związane są z bezpieczeństwem ich eksploatacji, jak i uwarunkowaniami przestrzennymi, związanymi z lokalizacją tych elektrowni oraz ich odległości od takich elementów pokrycia terenu, jak zabudowa czy lasy. Problematyka ta jest szczególnie istotna w kontekście częstych protestów mieszkańców, w sąsiedztwie których takie elektrownie mają być budowane. W celu wyznaczenia obszarów optymalnych dla lokalizacji elektrowni wiatrowych wykorzystano jedną z metod uczenia maszynowego, którą są sztuczne sieci neuronowe. Ich istotą, a jednocześnie przewagą nad metodami bazującymi na zadanym algorytmie, jest zdolność do uogólnienia otrzymywanych wyników, gdy algorytm rozwiązania danego problemu nie jest prosty (jak w przypadku wyznaczania obszarów szczególnie predestynowanych do lokalizacji elektrowni wiatrowych). W artykule przedstawiono metodykę zastosowania jednego rodzaju sieci neuronowych, którym jest perceptron wielowarstwowy. W zastosowanej sieci wykorzystano metodę nauczania nadzorowanego z nauczycielem, polegającą na wskazywaniu sieci neuronowej wzorcowego rozwiązania z określonymi danymi wejściowymi, którymi są parametry związane z pokryciem terenu i sąsiedztwem przestrzennym pola podstawowego, tj. kwadratu o wymiarach 100 × 100 m. Jako studium przypadku wybrana została gmina Miedzna, która znajduje się we wschodniej części województwa mazowieckiego i jest gminą wiejską o charakterze rolniczym. Obszar gminy leży na falistej wysoczyźnie morenowej, urozmaiconej morfologicznie. Otwarte pola uprawne oraz lekko pofałdowany teren to dwa główne czynniki sprzyjające możliwości rozmieszczenia farm wiatrowych na danym terenie. W zaprezentowanych w artykule przykładach wykorzystane zostały dane przestrzenne pochodzące z Vector Map Level 2 oraz dane wysokościowe Shuttle Radar Topography Mission (SRTM). W wyniku przeprowadzonych eksperymentów dowiedziono, że poprawnie nauczona sieć neuronowa (z wykorzystaniem reprezentatywnej liczby próbek i odpowiednią architekturą), umożliwia poprawne wyznaczenie obszarów predestynowanych do lokalizacji elektrowni wiatrowych nie tylko na terenie gminy Miedzna, ale również innych gmin, automatyzując proces wykonywania analiz tego typu.
    Źródło:
    Journal of Water and Land Development; 2016, 30; 101-111
    1429-7426
    2083-4535
    Pojawia się w:
    Journal of Water and Land Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Routine forecasting of the daily profiles of hourly water distribution in cities. An effectiveness analysis
    Autorzy:
    Cieżak, W.
    Cieżak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/206970.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    forecasting
    multilayer neural networks
    neural networks
    time series
    water supply systems
    water distribution
    prognozowanie
    wielowarstwowe sieci neuronowe
    sieci neuronowe
    szereg czasowy
    wodociągi
    dystrybucja wody
    Opis:
    Sample results have been oresented of verifying three groups of methods of forecasting the time series of short-duration water distributions in city water grids. The analysis covered: ARIMA class models, the time series exponential smoothing methods and artificial neural networks. Since chronological sequences of observations from the immediate past were analyzed, the adopted models did not take any external variables into account. The forecasting errors in the case of multilayer perceptron neural networks were found to be comparable or smaller than the errors of prediction by the ARIMA class models and by the methods of the exponential smoothing of time series.
    Źródło:
    Environment Protection Engineering; 2015, 41, 2; 179-186
    0324-8828
    Pojawia się w:
    Environment Protection Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelling of Minimum Cost Overlay Multicast Tree in Two Layer Networks
    Autorzy:
    Kucharzak, M.
    Walkowiak, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/226288.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    modelling
    overlay multicast
    multilayer networks
    Opis:
    Multicast realises the data delivering to a group of destinations simultaneously while using the minimum network resources. The first implementation of multicasting has been built using specialized multicast routers and is well known as IP Multicast. Such a network comprises some drawback including complex addressing and routing scheme, it requires the deployment of special routers that are rather expensive and finally, there has not been proposed a reasonable business model regarding cross-providers multicast realization. Thereby, for the past few years, a new interest in delivering multicast traffic has arisen and some multicast systems defined for end-hosts overlay network have been successfully proposed. Overlay multicast implements a multicast technique at the top of computer networks and creates a virtual topology of clients which duplicate packets and maintain a multicast structure. This overlay structure forms an independent layer with logical links between the nodes without the knowledge about the underlaying topology. In the work we take a look at flow cost minimization of multicast stream in a system which combines the advantages of overlays and underlaying network awareness. This papers presents three independent linear-based models aimed at optimization of multicast tree topology and its network level unicast realization. The proposed formulations can be applied for deriving either lower bound of flows costs in existing systems or for designing new cooperative multilayer protocols for effective multicast transmission.
    Źródło:
    International Journal of Electronics and Telecommunications; 2011, 57, 3; 317-322
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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