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 perceptron" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 26
Tytuł:
Evidence Based Diagnosis of Mesothelioma
Autorzy:
Malhotra, Isha
Tayal, Akash
Powiązania:
https://bibliotekanauki.pl/articles/1159560.pdf
Data publikacji:
2018
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Artificial neural Network
Asbestos
Mesothelioma
Multilayer Perceptron
epochs
Opis:
The aim of this study is to extract the hidden patterns by using data mining and artificial intelligence techniques. The concept of artificial neural network depends on the idea that we can imitate the working of human brain by making the right links. Artificial Intelligence has always helped in many research areas including medical diagnosis. One of the basic methodologies for training and testing a network by utilizing medical information is discussed here. We have used SAS for analyzing our data and applying feed forward and back propagation mechanism for our diagnosis. The feed forward neural network with back propagation algorithm can be used to identify the diseased ones among different set of admitted individuals. In this paper, we have used multi-layer neural network to achieve the best performance with the minimum epoch (training iterations) and training time.
Źródło:
World Scientific News; 2018, 113; 117-129
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sygnały diagnostyczne w diagnozowaniu wyposażenia elektrycznego samochodów
Diagnostic signals in diagnosing of motor-cars electrical equipment
Autorzy:
Jastriebow, A.
Gad, S.
Słoń, G.
Zawadzki, A.
Pawlak, M.
Powiązania:
https://bibliotekanauki.pl/articles/328642.pdf
Data publikacji:
2004
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka
pomiarowe sygnały symptomowe
perceptron wielowarstwowy
diagnostics
measured symptom signals
multilayer perceptron
Opis:
Przedstawiono ogólny schemat wyposażenia elektrycznego samochodu. Opisano diagnostyczne sygnały symptomowe i powiązane z nimi uszkodzenia. Zaprezentowano przykłady pomiarów sygnałów diagnostycznych dla obwodu zasilania energią elektryczną. Przedstawiono wyniki zastosowania wielowarstwowych perceptronów do komputerowego diagnozowania z wykorzystaniem pomiarowych sygnałów diagnostycznych.
General diagram of motor-car's electrical equipment has been presented. Diagnostic symptom signals and faults related to that signals has been described. Examples of measurements of diagnostic signals for power supply circuit have been shown. Results of applying of multilayer perceptrons for computer diagnosing with using of measured diagnostic signals have been presented.
Źródło:
Diagnostyka; 2004, 32; 139-142
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Solar air heater performance prediction using artificial neural network technique with relevant input variables
Autorzy:
Ghritlahre, Harish Kumar
Chandrakar, Purvi
Ahmad, Ashfaque
Powiązania:
https://bibliotekanauki.pl/articles/240435.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
artificial neural network
solar air heater
thermal performance
multilayer perceptron
Opis:
Solar air heater (SAH) is an important device for solar energy utilization which is used for space heating, crop drying, timber seasoning etc. Its performance mainly depends on system parameters, operating parameters and meteorological parameters. Many researchers have been used these parameters to predict the performance of SAH by analytical or conventional approach and artificial neural network (ANN) technique, but performance prediction of SAH by using relevant input parameters has not been done so far. Therefore, relevant input parameters have been considered in this study. Total ten parameters were used such as mass flow rate, ambient temperature, wind speed, relative humidity, fluid inlet temperature, fluid mean temperature, plate temperature, wind direction, solar elevation and solar intensity to find out the relevant parameters for ANN prediction. Seven different neural models have been constructed using these parameters. In each model 10 to 20 neurons have been selected to find out the optimal model. The optimal neural models for ANN-I, ANN-II, ANN-III, ANN-IV, ANN-V, ANN-VI and ANN-VII were obtained as 10-17-1, 8-14-1, 6-16-1, 5- 14-1, 4-17-1, 3-16-1 and 2-14-1, respectively. It has been found that ANN-II model with 8-14-1 is the optimal model as compared to other neural models. Values of the sum of squared errors, mean relative error, and coefficient of determination were found to be 0.02138, 1.82% and 0.99387, respectively, which shows that the ANN-II developed with mass flow rate, ambient temperature, inlet and mean temperature of air, plate temperature, wind speed and direction, relative humidity, and relevant input parameters performed better. The above results show that these eight parameters are relevant for prediction.
Źródło:
Archives of Thermodynamics; 2020, 41, 3; 255-282
1231-0956
2083-6023
Pojawia się w:
Archives of Thermodynamics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Forecasting the Energy Consumption of an Industrial Enterprise Based on the Neural Network Model
Autorzy:
Kalinchyk, Vasyl
Meita, Olexandr
Pobigaylo, Vitalii
Kalinchyk, Vitalii
Filyanin, Danylo
Powiązania:
https://bibliotekanauki.pl/articles/2069887.pdf
Data publikacji:
2021
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
electrical load
daily schedule
modelling
neural network
multilayer perceptron
MLP
Opis:
This research paper investigates the application of neural network models for forecasting in energy. The results of forecasting the weekly energy consumption of the enterprise according to the model of a multilayer perceptron at different values of neurons and training algorithms are given. The estimation and comparative analysis of models depending on model parameters is made.
Źródło:
Rocznik Ochrona Środowiska; 2021, 23; 484--492
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of neural networks to detect eccentricity of induction motors
Autorzy:
Ewert, P.
Powiązania:
https://bibliotekanauki.pl/articles/1193467.pdf
Data publikacji:
2017
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
neural network
general regression neural network
multilayer perceptron
eccentricity
induction motor
Opis:
The possibility of using neural networks to detect eccentricity of induction motors has been presented. A field-circuit model, which was used to generate a diagnostic pattern has been discussed. The formulas describing characteristic fault frequencies for static, dynamic and mixed eccentricity, occurring in the stator current spectrum, have been presented. Teaching and testing data for neural networks based on a preliminary analysis of diagnostic signals (phase currents) have been prepared. Two types of neural networks were discussed: general regression neural network (GRNN) and multilayer perceptron (MLP) neural network. This paper presents the results obtained for each type of the neural network. Developed neural detectors are characterized by high detection effectiveness of induction motor eccentricity.
Źródło:
Power Electronics and Drives; 2017, 2, 37/2; 151-165
2451-0262
2543-4292
Pojawia się w:
Power Electronics and Drives
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:
Artificial Intelligence Based Flood Forecasting for River Hunza at Danyor Station in Pakistan
Autorzy:
Yaseen, Muhammad Waseem
Awais, Muhammad
Riaz, Khuram
Rasheed, Muhammad Babar
Waqar, Muhammad
Rasheed, Sajid
Powiązania:
https://bibliotekanauki.pl/articles/31340346.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Instytut Budownictwa Wodnego PAN
Tematy:
hydrometeorology
random forest
support vector
multilayer perceptron
machine learning
flood forecasting
Opis:
Floods can cause significant problems for humans and can damage the economy. Implementing a reliable flood monitoring warning system in risk areas can help to reduce the negative impacts of these natural disasters. Artificial intelligence algorithms and statistical approaches are employed by researchers to enhance flood forecasting. In this study, a dataset was created using unique features measured by sensors along the Hunza River in Pakistan over the past 31 years. The dataset was used for classification and regression problems. Two types of machine learning algorithms were tested for classification: classical algorithms (Random Forest, RF and Support Vector Classifier, SVC) and deep learning algorithms (Multi-Layer Perceptron, MLP). For the regression problem, the result of MLP and Support Vector Regression (SVR) algorithms were compared based on their mean square, root mean square and mean absolute errors. The results obtained show that the accuracy of the RF classifier is 0.99, while the accuracies of the SVC and MLP methods are 0.98; moreover, in the case of flood prediction, the SVR algorithm outperforms the MLP approach.
Źródło:
Archives of Hydro-Engineering and Environmental Mechanics; 2022, 69, 1; 59-77
1231-3726
Pojawia się w:
Archives of Hydro-Engineering and Environmental Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural Network Model for Control of Operating Modes of Crushing and Grinding Complex
Autorzy:
Kalinchyk, Vasyl
Meita, Olexandr
Pobigaylo, Vitalii
Borychenko, Olena
Kalinchyk, Vitalii
Powiązania:
https://bibliotekanauki.pl/articles/2174915.pdf
Data publikacji:
2022
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
classification
modelling
neural network
radial basis function network
RBF
multilayer perceptron
MLP
Opis:
This article investigates the application of neural network models to create automated control systems for industrial processes. We reviewed and analysed works on dispatch control and evaluation of equipment operating modes and the use of artificial neural networks to solve problems of this type. It is shown that the main requirements for identification models are the accuracy of estimation and ease of algorithm implementation. It is shown that artificial neural networks meet the requirements for accuracy of classification problems, ease of execution and speed. We considered the structures of neural networks that can be used to recognise the modes of operation of technological equipment. Application of the model and structure of networks with radial basis functions and multilayer perceptrons for identifying the mode of operation of equipment under given conditions is substantiated. The input conditions for constructing neural network models of two types with a given three-layer structure are offered. The results of training neural models on the model of a multilayer perceptron and a network with radial basis functions are presented. The estimation and comparative analysis of models depending on model parameters are made. It is shown that networks with radial basis functions offer greater accuracy in solving identification problems. The structural scheme of the automated process control system with mode identification based on artificial neural networks is offered.
Źródło:
Rocznik Ochrona Środowiska; 2022, 24; 26--40
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do oceny stanu technicznego sieci wodociągowej
Application of artificial neural networks to the assessment of technical condition of water supply systems
Autorzy:
Kamiński, K.
Kamiński, W.
Mizerski, T.
Powiązania:
https://bibliotekanauki.pl/articles/126540.pdf
Data publikacji:
2016
Wydawca:
Towarzystwo Chemii i Inżynierii Ekologicznej
Tematy:
sieci wodociągowe
prognoza remontów wodociągów
perceptron wielowarstwowy
water supply systems
predicting pipeline renovation
multilayer perceptron
Opis:
Zaprezentowano metodę typowania wodociągów wymagających przeprowadzenia remontu wykorzystującą sztuczne sieci neuronowe (SSN). W badaniach zastosowano dane zawierające informacje z ostatnich 21 lat o parametrach technicznych i wskaźnikach awaryjności ponad 200 odcinków wodociągów, zarówno tych, które poddane zostały remontom w tym okresie, jak i o wodociągach nieremontowanych. Odpowiednio przygotowany zbiór danych wejściowych został wykorzystany do trenowania sieci neuronowej w postaci perceptronu wielowarstwowego. Przedstawiono analizę działania wytrenowanej sieci neuronowej, porównując jej odpowiedzi z podjętymi w przeszłości decyzjami ekspertów o remontach wodociągów. Pomimo dobrej zgodności przewidywań SSN i opinii ekspertów, w większości przypadków stwierdzono około 15% sprzecznych decyzji. Zaproponowana metoda umożliwia stworzenie systemu eksperckiego, którego wdrożenie może poprawić wykorzystanie zasobów finansowych przedsiębiorstwa, przeznaczanych na utrzymanie niezawodnej infrastruktury wodnej.
The paper explains a method for discerning the parts of a water supply system in need of renovation, based on Artificial Neural Networks (ANNs). The study uses data, collected over the last twenty-one years, containing information on condition assessment and failure indicators concerning more than two hundred sections of both renovated and nonrenovated pipelines. During the study, an appropriately prepared data set was used for training a neural network in the form of a multilayer perceptron. Further comparison of the predictions obtained using the trained ANN with the decisions made by human experts showed satisfactory consistency; however, it should be noted that for 15% of all cases from the database discrepancies were recorded. The proposed method enables creating an expert system, which implemented by a water supply company can improve its cost management and ensure failure-free operation of its water distribution system.
Źródło:
Proceedings of ECOpole; 2016, 10, 2; 661-666
1898-617X
2084-4557
Pojawia się w:
Proceedings of ECOpole
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:
Estimation of Suspended Sediment Load Using Artificial Neural Network in Khour Al Zubair Port, Iraq
Autorzy:
Hassan, Ayman A.
Ibrahim, Husham T.
Al-Aboodi, Ali H.
Powiązania:
https://bibliotekanauki.pl/articles/24201740.pdf
Data publikacji:
2023
Wydawca:
Polskie Towarzystwo Inżynierii Ekologicznej
Tematy:
suspended sediment concentration
multilayer perceptron
neural network
Khour Al-Zubair port
Basrah city
Opis:
The port of Khour Al-Zubair is located 60.0 km south of the city centre of Basrah; it is also located 105.0 kilometres from the northern tip of the Arabian Gulf. The main goal of this paper is to estimate the concentration of suspended deposit (SSC) in “Khour Al-Zubair” port using a Multilayer Perceptron Neural Network (MLP) based on hydraulic and local boundary parameters while also studying the effect of these parameters on estimating the SSC. Five input parameters (channel width, water depth, discharge, cross-section area, and flow velocity) are used for estimating SSC. Different input hydraulic and local boundary parameter combinations in the three sections (port center, port south, and port north) were used for creating nine models. The use of both hydraulic and local boundary parameters for SSC estimation is very important in the port area for estimating sediment loads without the need for field measurements, which require effort and time.
Źródło:
Journal of Ecological Engineering; 2023, 24, 6; 54--64
2299-8993
Pojawia się w:
Journal of Ecological Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Web–based framework for breast cancer classification
Autorzy:
Bruździński, T.
Krzyżak, A.
Fevens, T.
Jeleń, Ł.
Powiązania:
https://bibliotekanauki.pl/articles/91866.pdf
Data publikacji:
2014
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
breast cancer
classification
cytological image
aspiration biopsy
feature vector
classifier
multilayer perceptron
segmentation algorithm
Opis:
The aim of this work is to create a web-based system that will assist its users in the cancer diagnosis process by means of automatic classification of cytological images obtained during fine needle aspiration biopsy. This paper contains a description of the study on the quality of the various algorithms used for the segmentation and classification of breast cancer malignancy. The object of the study is to classify the degree of malignancy of breast cancer cases from fine needle aspiration biopsy images into one of the two classes of malignancy, high or intermediate. For that purpose we have compared 3 segmentation methods: k-means, fuzzy c-means and watershed, and based on these segmentations we have constructed a 25–element feature vector. The feature vector was introduced as an input to 8 classifiers and their accuracy was checked. The results show that the highest classification accuracy of 89.02 % was recorded for the multilayer perceptron. Fuzzy c–means proved to be the most accurate segmentation algorithm, but at the same time it is the most computationally intensive among the three studied segmentation methods.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2014, 4, 2; 149-162
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przekształcenie wskazania analogowego przyrządu pomiarowego na postać cyfrową
Converting the indication of an analog measuring instrument to a digital form
Autorzy:
Luśtyk, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/1426279.pdf
Data publikacji:
2020
Wydawca:
Główny Urząd Miar
Tematy:
analogowy przyrząd pomiarowy
wskazanie cyfrowe
perceptron wielowarstwowy
operator Sobela
analog measuring instrument
digital indication
multilayer perceptron
Sobel operator
Opis:
W artykule przedstawiono sposób wyodrębnienia obrazu podzielni analogowego przyrządu pomiarowego uzyskanego z kamery oraz metodę przetwarzania jego wskazania na postać cyfrową z zastosowaniem perceptronu wielowarstwowego. W pracy przedstawiono wyniki skuteczności odczytu wskazań analogowych z wykorzystaniem programu implementującego proponowaną metodę.
The article presents a method of extracting the image of an analog measuring instrument scale obtained from a camera, and the method of its processing into a digital form of an indication using a multilayer perceptron. The paper presents the results of the effectiveness of reading analog indication with the use of a program implementing the proposed method.
Źródło:
Metrologia i Probiernictwo : biuletyn Głównego Urzędu Miar; 2020, 2 (25); 47-54
2300-8806
Pojawia się w:
Metrologia i Probiernictwo : biuletyn Głównego Urzędu Miar
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
Wyświetlanie 1-15 z 26

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