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 "neural fibre" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Role of capsaicin-sensitive neurons in the control of intestinal blood flow and oxygen uptake
    Autorzy:
    Gustaw, P
    Pawlik, W.W.
    Jacobson, E.D.
    Sendur, R.
    Konturek, S.J.
    Powiązania:
    https://bibliotekanauki.pl/articles/69977.pdf
    Data publikacji:
    1995
    Wydawca:
    Polskie Towarzystwo Fizjologiczne
    Tematy:
    intestinal blood flow
    enteric nervous system
    blood flow
    sensory neuron
    extrinsic nerve
    neuron
    human physiology
    periarterial capsaicin
    dog
    vascular resistance
    intrinsic nervous system
    oxygen uptake
    neural fibre
    Źródło:
    Journal of Physiology and Pharmacology; 1995, 46, 1
    0867-5910
    Pojawia się w:
    Journal of Physiology and Pharmacology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predicting the properties of corrugated base papers using multiple linear regression and artificial neural networks
    Autorzy:
    Adamopoulos, S
    Karageorgos, A.
    Rapti, E.
    Birbilis, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/52433.pdf
    Data publikacji:
    2016
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Drewna
    Tematy:
    prediction
    paper property
    multiple linear regression
    artificial neural network
    linerboard
    recovered fibre
    Źródło:
    Drewno. Prace Naukowe. Doniesienia. Komunikaty; 2016, 59, 198
    1644-3985
    Pojawia się w:
    Drewno. Prace Naukowe. Doniesienia. Komunikaty
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Neural Networks for Estimation of Paper Properties Based on Refined Pulp Properties
    Autorzy:
    Ciesielski, K
    Olejnik, K
    Powiązania:
    https://bibliotekanauki.pl/articles/232307.pdf
    Data publikacji:
    2014
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    pulp
    paper
    WRV
    fibre length
    fines
    strength properties
    neural networks
    simulation
    masa celulozowa
    papier
    długość włókien
    właściwości wytrzymałościowe
    sieci neuronowe
    symulacja
    Opis:
    The main objective of the work presented was to determine the possibility of the prediction of paper properties based on refined chemical pulp properties using the neural network approach. Three main parameters related to basic refining effects were used: pulp and fibre WRV, the amount of fines and the average fibre length. These parameters were used for prediction of the following paper parameters: apparent density, breaking length and tear resistance. The classical multilayer perceptron with one hidden layer was used. The number of inputs and outputs was related to that of input and output variables. The size of the hidden layer (number of hidden neurons) was determined experimentally. The Levenberg-Marquardt algorithm was used as a training method. The available dataset was divided into two groups: 90% of experimental results were applied as training data and 10% for model verification. As a result of the trials conducted, a satisfactory level of the correlation between simulation data and experimental data was obtained. Results allow to presume that the method presented could be adapted for other papermaking pulp grades as a general control system in the industrial refining process. In such a case, the accuracy of the presented method could be even higher because of the large number of data available on-line. These data could be used as in a real-time training procedure, which would significantly improve the precision of the whole system. The lack of other effective methods of paper property prediction makes the method proposed an attractive solution to the problem presented.
    Celem pracy było określenie potencjalnych możliwości przewidywania właściwości papieru na podstawie właściwości zmielonej masy papierniczej z użyciem sieci neuronowej. Jako dane wejściowe wybrano cztery, najbardziej istotne z technologicznego punktu widzenia wskaźniki, które odpowiadają trzem podstawowym efektom mielenia masy papierniczej. Były to: WRV włókien,WRV masy, średnia długość włókien i zawartość frakcji drobnej w mielonej masie papierniczej. Na tej podstawie podjęto próbę jednoczesnego przewidywania następujących właściwości papieru: gęstości pozornej, wskaźnika odporności na zerwanie i oporu przedarcia. Wykorzystano klasyczną sieć neuronową TLN wielowarstwowy perceptron z jedną warstwą ukrytą. Ilość neuronów na wejściu i wyjściu odpowiadała ilości danych wejściowych (wskaźniki efektów mielenia masy papierniczej) i wyjściowych (właściwości papieru). Wielkość warstwy ukrytej dobrano eksperymentalnie. Jako metodę treningową zastosowano metodę Levenberga-Marquardt’a. Z ogólnego zbioru danych, 90% wydzielono jako dane treningowe, zaś 10% jako zbiór testowy, służący weryfikacji procesu treningowego. W wyniku przeprowadzonych badań otrzymano zadowalający poziom zgodności wyników symulacji z danymi eksperymentalnymi. Wyniki wskazują że zaproponowana technika może być zastosowana także do innych rodzajów mas włóknistych, szczególnie, że w procesie przemysłowym liczba dostępnych wyników, które mogą posłużyć jako dane treningowe, jest znacznie większa. Wobec braku kompleksowych i sprawdzonych modeli matematycznych, zaproponowany model stanowi jedno z możliwych rozwiązań opisywanego problemu.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2014, 5 (107); 126-132
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Non-destructive tests of fibre-cement materials structure with the use of scanning electron microscope
    Autorzy:
    Schabowicz, K.
    Gorzelańczyk, T.
    Szymków, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/115069.pdf
    Data publikacji:
    2018
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    emisja akustyczna
    sieć neuronowa sztuczna
    temperatura wysoka
    płyta włókno-cementowa
    badanie nieniszczące
    acoustic emission
    artificial neural network
    high temperature
    fibre-cement board
    nondestructive testing
    Opis:
    The article presents the NDT results of research on the influence of high temperature on the destruction of the structure of fiber-cement board as a result of the failure of a tunnel furnace. Two fiber cement boards were tested. There was a plate in a tunnel furnace during a failure, and reference plate dried in normal conditions. The research used acoustic emission method in combination with artificial neural networks. Interesting research results were obtained, which allowed to observe visible changes in the structure of the tested panels under the influence of high temperature. An important application from the point of view of building practice was formulated.
    Źródło:
    Welding Technology Review; 2018, 90, 11; 8-10
    0033-2364
    2449-7959
    Pojawia się w:
    Welding Technology Review
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of flexural strength of FRC pavements by soft computing techniques
    Autorzy:
    Kimteta, A.
    Thakur, M.S.
    Sihag, P.
    Upadhya, A.
    Sharma, N.
    Powiązania:
    https://bibliotekanauki.pl/articles/24200582.pdf
    Data publikacji:
    2022
    Wydawca:
    Stowarzyszenie Komputerowej Nauki o Materiałach i Inżynierii Powierzchni w Gliwicach
    Tematy:
    flexural strength
    fibre reinforced concrete
    artificial neural network
    random forest
    random tree
    M5P based model
    wytrzymałość na zginanie
    beton zbrojony włóknami
    sztuczna sieć neuronowa
    las losowy
    drzewo losowe
    model oparty na M5P
    Opis:
    Purpose: The mechanical characteristics of concrete used in rigid pavements can be improved by using fibre-reinforced concrete. The purpose of the study was to predict the flexural strength of the fibre-reinforced concrete for ten input variables i.e., cement, fine aggregate, coarse aggregate, water, superplasticizer/high range water reducer, glass fibre, polypropylene fibre, steel fibres, length and diameter of fibre and further to perform the sensitivity analysis to determine the most sensitive input variable which affects the flexural strength of the said fibre-reinforced concrete. Design/methodology/approach: The data used in the study was acquired from the published literature to create the soft computing modes. Four soft computing techniques i.e., Artificial neural networks (ANN), Random forests (RF), Random trees RT), and M5P, were applied to predict the flexural strength of fibre-reinforced concrete for rigid pavement using ten significant input variables as stated in the ‘purpose’. The most performing algorithm was determined after evaluating the applied models on the threshold of five statistical indices, i.e., the coefficient of correlation, mean absolute error, root mean square error, relative absolute error, and root relative squared error. The sensitivity analysis for most sensitive input variable was performed with out-performing model, i.e., ANN. Findings: The testing stage findings show that the Artificial neural networks model outperformed other applicable models, having the highest coefficient of correlation (0.9408), the lowest mean absolute error (0.8292), and the lowest root mean squared error (1.1285). Furthermore, the sensitivity analysis was performed using the artificial neural networks model. The results demonstrate that polypropylene fibre-reinforced concrete significantly influences the prediction of the flexural strength of fibre-reinforced concrete. Research limitations/implications: Large datasets may enhance machine learning technique performance. Originality/value: The article's novelty is that the most suitable model amongst the four applied techniques has been identified, which gives far better accuracy in predicting flexural strength.
    Źródło:
    Archives of Materials Science and Engineering; 2022, 117, 1; 13--24
    1897-2764
    Pojawia się w:
    Archives of Materials Science and Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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