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 model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 130
Tytuł:
Obtaining fluid flow pattern for turbine stage with neural model
Autorzy:
Butterweck, Anna
Powiązania:
https://bibliotekanauki.pl/articles/2073533.pdf
Data publikacji:
2019
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
turbine
diagnostics
neural model
pattern
fluid flow
Opis:
In the paper possibility of applying neural model to obtaining patterns of proper operation for fluid flow in turbine stagefor fluid-flow diagnostics is discussed. Main differences between Computational Fluid Dynamics (CFD) solvers and neural model is given, also limitations and advantages of both are considered. Time of calculations of both methods was given, also possibilities of shortening that time with preserving the accuracy of the calculations are discussed. Gathering training data set and neural networks architecture is presented in detail. Range of work of neural model was given. Required input data for neural model and reason why it is different than in computational fluid dynamics solvers isexplained. Results obtained with neural model in 21 tests are discussed. Arithmetic mean and median of relative errors of recreating distribution of pressure and temperature are shown. Achieved results are analysed.
Źródło:
Journal of Polish CIMEEAC; 2019, 14, 1; 45--50
1231-3998
Pojawia się w:
Journal of Polish CIMEEAC
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
To recognize the manuscript texts of Arabic letters in ancient Uzbek script
Autorzy:
Nurmamatovna, Iskandarova Sayyora
Powiązania:
https://bibliotekanauki.pl/articles/1076553.pdf
Data publikacji:
2019
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Arabic text
Hemming
biologic neural
method
neural model
neural scheme
recognize
software product
Opis:
This article describes the Hemming method of the neural model for automatic identification of Arabic texts on the computer. The main problem of recognizing manuscript mantles in Arabic is that of the elements that they have created. Usually, the text is divided into rows, and then separated by separate words. The development of the Arabic language signifies a great deal of controversy over Arabic language. Hemming is based on the neuronal model and the description of the software product.
Źródło:
World Scientific News; 2019, 115; 160-173
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuronowy model do identyfikacji makrouszkodzeń ziarniaków
Neural model for identification of damages of corn kernels
Autorzy:
Nowakowski, K.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/336815.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
model neuronowy
makrouszkodzenie
ziarniak
identyfikacja
neural model
damage
corn kernel
identification
Opis:
Realizacja projektu obejmowała zbudowanie i wytrenowanie neuronowego modelu do identyfikacji makrouszkodzeń ziarniaków. Rozpoznawania uszkodzeń dokonywano na podstawie cyfrowych fotografii skonwertowanych przez wytworzony system informatyczny do postaci zbiorów uczących dedykowanych dla sztucznej sieci neuronowej. Do uczenia sieci wybrano zestaw reprezentatywnych cech. W zbiorze tym zawarto informacje o barwie (zakodowanej do postaci liczbowej), polu powierzchni, obwodzie i wybranych współczynnikach kształtu. Pojedynczy przypadek uczący zawierał 1031 zmiennych, z czego 1024 to zmienne zawierające informacje o barwie. Identyfikacji makrouszkodzeń dokonano na ziarniakach kukurydzy odmiany Clarica FAO 280.
The realization of project enclosed construction and training neuronal model to identification of damages of corn kernels. Recognizing the damages was made on basis of digital photos converted by produced computer system to learning files dedicated for artificial neural network. The network was learned on chosen representative tags. The taught model marks abilities of identification approximate quality to human. Neural model can in real time identify larger number of kernels than man. The number of kernels is only limited by method of images acquisition and the computational power of applied equipment to implementation of model. Big advantage is also the lack of natural man limitations which for example are: fatigue and subjective opinion.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2008, 53, 2; 79-81
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Self-adaptive whale optimization for the design and modelling of boiler plant
Autorzy:
Savargave, S. B.
Deshpande, A. M.
Powiązania:
https://bibliotekanauki.pl/articles/1839098.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
boiler
whale optimization
neural model
temperature outlet
feed water flow
Opis:
Recently, boiler plants are have been the subject of intensive investigations in the context of energy-saving technologies and management for power saving and reduction of emissions. Modern boiler design offers several benefits with this respect. In the past, improper design of boilers has been the cause of explosions which led to the loss of life and property. Modern designs attempt to avoid such mishaps. This paper presents a novel Self-Adaptive Whale Optimization Algorithm (SAWOA) for improving the learning characteristic of the neural network, the major intention being to model the characteristics of the boiler plant and so to effectively predict the boiler behaviour. The performance analysis of the introduced model has been carried out using the three test cases with consideration of several parameters. In the experimental analysis, the introduced technique is compared with the existing ones, based on such approaches as Neural Model (NM), Firefly (FF-NM), Adaptive Firefly NM (AFF-NM), and Whale Optimization Algorithm-NM (WOANM). In this comparison, the error, i.e. the difference between the actual and the predicted value, was used, and the results revealed that the error is lower for the introduced technique under different experimental scenarios. The experimental results demonstrate that the performance level of SAWOA is by 18% better than those of NM, FF-NM, and AFF-NM, and by 3.74% better than that of WOA-NM. This confirms the quality of performance of the proposed approach regarding boiler plants.
Źródło:
Control and Cybernetics; 2018, 47, 4; 329-356
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The neural analysis of quarters healthiness of high yield cows in selected cowshed
Neuronowa analiza zdrowotności wymion krów wysokowydajnych w wybranej oborze mlecznej
Autorzy:
Jędruś, A.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/337371.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
neural model
cows
somatic cell count
model neuronowy
krowy
liczba komórek somatycznych
Opis:
Commonly recognized predictive abilities represented by selected ANN (Artificial Neural Networks) topologies are widely used in practice. They often support the decision-making processes that occur in agri-alimentary processing, such as milk production. The aim of the study was to use ANN as a predictive tool in the estimation process of the influence of selected zootechnical characteristics of cows on the milk quality, which is determined by the standards defining the requirements compliance concerning the level of somatic cell counts in the obtained milk. The work resulted in creation of the optimum predictive model which is a neural topology of the MLP-6:17:1 (MultiLayer Perceptron). The performed analysis of the generated neural model’s sensitivity to the individual input variables showed the impact of some of the zootechnical characteristics on somatic cell counts in the obtained milk.
Uznane zdolności predykcyjne, jakie reprezentują wybrane topologie SNN (Sztuczne Sieci Neuronowe), wykorzystywane są powszechnie również w szeroko rozumianej praktyce, np. wspomagają procesy decyzyjne zachodzące w przetwórstwie rolno-spożywczym, np. w branży mleczarskiej. Celem pracy było wykorzystanie SNN jako narzędzia predykcyjnego w procesie oceny wpływu wybranych cech zootechnicznych krów na jakość mleka krów, która określana jest przez normy definiujące spełnienie wymogów odnośnie poziomu zawartości komórek somatycznych w pozyskiwanym mleku. W pracy wytworzono optymalny model predykcyjny będący neuronową topologią typu MLP: 6-17-1 (MultiLayer Perceptron). Przeprowadzona analiza wrażliwości wygenerowanego modelu neuronowego na poszczególne zmienne wejściowe wykazała istotny wpływ wybranych cech zootechnicznych na liczbę komórek somatycznych w pozyskanym mleku.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2013, 58, 2; 55-57
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Feedforward neural networks and the forecasting of multi-sectional demand for telecom services: a comparative study of effectiveness for hourly data
Jednokierunkowe sieci neuronowe w prognozowaniu wieloprzekrojowego popytu na usługi telefoniczne – porównawcze badania efektywności dla danych godzinowych
Autorzy:
Kaczmarczyk, P.
Powiązania:
https://bibliotekanauki.pl/articles/2117264.pdf
Data publikacji:
2020
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
Prediction System
feedforward neural network
regressive-neural model
forecasting
jednokierunkowa sieć neuronowa
model regresyjno-neuronowy
prognozowanie
system prognostyczny
Opis:
The presented research focuses on the construction of a model to effectively forecast demand for connection services – it is thus relevant to the Prediction System (PS) of telecom operators. The article contains results of comparative studies regarding the effectiveness of neural network models and regressive-neural (integrated) models, in terms of their short-term forecasting abilities for multi-sectional demand of telecom services. The feedforward neural network was used as the neural network model. A regressive-neural model was constructed by fusing the dichotomous linear regression of multi-sectional demand and the feedforward neural network that was used to model the residuals of the regression model (i.e. the residual variability). The response variable was the hourly counted seconds of outgoing calls within the framework of the selected operator network. The calls were analysed within: type of 24 hours (e.g. weekday/weekend), connection categories, and subscriber groups. For both compared models 35 explanatory variables were specified and used in the estimation process. The results show that the regressive-neural model is characterised by higher approximation and predictive capabilities than the non-integrated neural model.
Zaprezentowane wyniki badań są związane z systemem prognostycznym przeznaczonym dla operatorów telekomunikacyjnych, ponieważ są skoncentrowane na sposobie konstrukcji modelu do efektywnego prognozowania popytu na usługi połączeniowe. Artykuł zawiera wyniki porównawczych badań efektywności modelu sieci neuronowej i modelu regresyjno-neuronowego (zintegrowanego) w zakresie krótkookresowego prognozowania zapotrzebowania na usługi telefoniczne. Jako model sieci neuronowej zastosowany został model sieci jednokierunkowej. Model regresyjno-neuronowy został zbudowany na podstawie połączenia dychotomicznej regresji liniowej wieloprzekrojowego popytu i jednokierunkowej sieci neuronowej, która służyła do modelowania reszt modelu regresji (tj. pozostałej zmienności). Zmienną objaśnianą były sumowane co godzinę liczby sekund rozmów wychodzących z sieci wybranego operatora. Połączenia telefoniczne były analizowane pod względem: typów doby, kategorii połączeń i grup abonentów. Wyszczególniono 35 zmiennych objaśniających, które wykorzystano w procesie estymacji obu porównywanych modeli. Stwierdzono, że model regresyjno-neuronowy charakteryzuje się większymi możliwościami aproksymacyjnymi i predykcyjnymi niż niezintegrowany model neuronowy.
Źródło:
Acta Scientiarum Polonorum. Oeconomia; 2020, 19, 3; 13-25
1644-0757
Pojawia się w:
Acta Scientiarum Polonorum. Oeconomia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie plonów wybranych płodów rolnych z wykorzystaniem modeli neuronowych w postaci szeregów czasowych
Expectation crops of chosen agricultural fetuses with the help of neural model by time series
Autorzy:
Boniecki, P.
Mueller, W.
Powiązania:
https://bibliotekanauki.pl/articles/337153.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sieć neuronowa
prognozowanie
płody rolne
plon
model neuronowy
szereg czasowy
neural network
prognose
neural model
time series
agricultural fetuses
yield
Opis:
Jednym z ważnych etapów badania oraz analizy systemów empirycznych jest proces prognozowania, mający praktyczne zastosowanie w szerokim zakresie działalności ludzkiej. W przypadku przewidywania wielkości płodów rolnych mamy do czynienia z szeregiem złożonych bodźców, które w efekcie przekładają się na wynik końcowy, jakim jest plon. Jakość tych prognoz ma ogromne znaczenie dla kolejnych etapów w łańcuchu produkcyjno-dystrybucyjnym płodów rolnych. Sieci neuronowe w postaci szeregów czasowych są wysublimowaną techniką modelowania, zdolną odwzorować bardzo złożone funkcje. Celem analizy szeregów czasowych jest ustalenie prognozy przyszłych wartości pewnej zmiennej, której wartości zmieniają się w czasie. Najczęściej dąży się do obliczenia prognozy korzystając z wcześniejszych wartości tej samej zmiennej, której wartość ma być przewidywana. Zbiór uczący, wykorzystywany przy neuronowej analizie szeregów czasowych, budowany jest zwykle w oparciu o pojedynczą zmienną, której typ określony jest jako "Wejściowo-Wyjściowy". Oznacza to, że jest ona wykorzystywana zarówno jako wejście sieci neuronowej, jak i jako jej wyjście.
Prediction becomes a very important stage in many activities. In case of expectation crops of chosen agricultural foetuses we deal with a number of stimuli which consequently transform into the end effect. It is clear that the quality of those predictions has a great influence on subsequent stages in the production and distribution chain of agricultural foetuses. Neural networks by time series are a sophisticated technique of modeling capable of reflecting very complex functions. In time series problems, the objective is to predict ahead the value of a variable which varies in time, using previous values of that and/or other variables. The time series training data set therefore typically has a single variable, and this has type input/output (i.e., it is used both for network input and network output).
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2006, 51, 4; 40-43
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Design of iterative learning control for simple robot based on neural network robot model
Synteza iteracyjnie uczqcego siq sterowania prostego robota na podstawie neuronowego modelu robota
Autorzy:
Lesewed, A. A.
Kurek, J.
Powiązania:
https://bibliotekanauki.pl/articles/154502.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
model neuronowy robota przemyslowego
iteracyjnie uczące się sterowanie
neural model of industrial robot
iterative learning control
Opis:
Design of the iterative learning control (TLC) for robot manipulator with 2 degree of freedom based on model of the robot approximated by neural network is presented. The robot model has form of the Lagrange-Euler equation and neural network was trained to estimate the model parameters. Then, the estimated model was used for synthesis of ILC.
W pracy przedstawiono syntezy iteracyjnie uczącego się sterowania dla robota o 2 stopniach swobody na podstawie modelu aproksymowanego przy pomocy sieci neuronowych. Model robota ma formę równań Lagrange'a-Eulera, którego nieliniowe funkcje zostały wyznaczone przez odpowiednio wytrenowaną sieć neuronową. Aproksymowany model został następnie wykorzystany do syntezy regulatora.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 3, 3; 205-208
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Quantum inspiration to build a neural model based on the Day-Ahead Market of the Polish Power Exchange
Autorzy:
Ruciński, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/2052430.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
Neural Modeling
day-ahead market
Polish power exchange
mean square error
determination index
quantum inspired neural model
Opis:
The article is an attempt of the methodological approach to the proposed quantum-inspired method of neural modeling of prices quoted on the Day-Ahead Market operating at TGE S.A. In the proposed quantum-inspired neural model it was assumed, inter alia, that it is composed of 12 parallel Perceptron ANNs with one hidden layer. Moreover, it was assumed that weights and biases as processing elements are described by density matrices, and the values flowing through the Artificial Neural Network of Signals are represented by qubits. Calculations checking the correctness of the adopted method and model were carried out with the use of linear algebra and vector-matrix calculus in MATLAB and Simulink environments. The obtained research results were compared to the results obtained from the neural model with the use of a comparative model.
Źródło:
Studia Informatica : systems and information technology; 2021, 1-2(25); 23-37
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model neuronowy zmian temperatury podczas konwekcyjnego suszenia zrębków wierzby energetycznej
Neural model of temperature changes during convection drying of energy willow chips
Autorzy:
Łapczyńska-Kordon, B.
Francik, S.
Ślipek, Z.
Powiązania:
https://bibliotekanauki.pl/articles/289751.pdf
Data publikacji:
2008
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
wierzba
zrębki
model neuronowy
zmiana temperatury
suszenie konwekcyjne
willow chips
neural model
temperature change
convection drying
Opis:
W pracy podjęto próbę zastosowania sztucznych sieci neuronowych do modelowania rozkładu temperatury w zrębkach suszonych konwekcyjnie. W modelu uwzględniono cztery zmienne wejściowe: temperaturę czynnika suszącego, początkową zawartość wody, wymiary zrębka, czas suszenia oraz jedna wyjściową - temperaturę materiału. Do budowy modelu posłużyły wyniki badań procesu konwekcyjnego suszenia zrębków wierzby, w trzech temperaturach: 50, 60 i 70°C, w suszarce z wymuszonym obiegiem powietrza. Podczas suszenia, w równych odstępach czasowych, określano zawartość wody i temperaturę materiału. Sformułowany model w oparciu o sztuczne sieci neuronowe został wybrany na podstawie najmniejszej wartości błędu średnio kwadratowego dla zbioru walidacyjnego. Następnie model ten poddano testowaniu i weryfikacji za pomocą wyników pomiarów wykonanych w takich samych warunkach jak opisane powyżej. Stwierdzono, że model poprawnie opisuje kinetykę zmian temperatury materiału w zależności od wybranych czterech czynników wejściowych.
The paper demonstrates an attempt to employ artificial neural networks to model temperature distribution in chips being dried in the convection process. Four input variables were taken into account in the model: drying medium temperature, initial water content, chip dimensions and drying time, and one output variable - material temperature. Examination results for willow chips convection drying process, carried out at three temperature values: 50, 60 and 70°C in a drier with forced air flow were used to build the model. During drying the researchers were determining water content and material temperature at equal time intervals. The model formulated using artificial neural networks was selected according to the lowest mean square error value for validation set. Then, this model was subject to testing and verification using results of measurements performed in the same conditions as those described above. It has been observed that the model correctly describes kinetics of changes in material temperature depending on the selected four input factors.
Źródło:
Inżynieria Rolnicza; 2008, R. 12, nr 11(109), 11(109); 149-155
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model neuronowy zmian zawartości wody w zrębkach wierzby podczas konwekcyjnego suszenia
Neural model of changes in water content in willow chips during convection drying
Autorzy:
Łapczyńska-Kordon, B.
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/289777.pdf
Data publikacji:
2008
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
zrębki
wierzba
model neuronowy
zawartość wody
suszenie konwekcyjne
willow chips
neural model
water content
convection drying
Opis:
Celem pracy było opracowanie modelu zmian zawartości wody w zrębkach wierzby energetycznej w czasie, w postaci sztucznej sieci neuronowej. Model został opracowany w oparciu o wyniki badań procesu konwekcyjnego suszenia zrębków wierzby o długości 2 cm, ale różnej średnicy, w suszarce laboratoryjnej z wymuszonym przepływem powietrza. Materiał był suszony w temperaturach 40, 50, 60 i 70°C. Na podstawie otrzymanych wyników badań został sformułowany, za pomocą SSN, model zmian zawartości wody w zależności od sześciu zmiennych wejściowych: czasu suszenia, temperatury czynnika suszącego, długości i średnicy zrębków oraz początkowej zawartości wody i masy zrębków. Spośród opracowanych modeli wybrano model o architekturze MLP 6:6-15-14-1:1, ponieważ podczas weryfikacji empirycznej stwierdzono, że obliczony błąd średniokwadratowy dla tego modelu był najmniejszy.
The purpose of the work was to develop a model of changes in time of water content in energy willow chips using artificial neural networks (ANN). The model was developed on the grounds of examination results obtained for convection process applied for drying of 20mm-long willow chips with different diameters, carried out in a laboratory drier with forced air flow. The material was dried at the temperature of 40, 50, 60 and 70°C. Obtained examination results provided grounds to formulate, using the ANN, the model of changes in water content depending on six input variables: drying time, drying medium temperature, length and diameter of chips, and initial water content and weight of chips. The model with MLP architecture 6:6-15-14-1:1 was chosen from among all developed models because empirical verification proved that computed mean square error for that model was lowest.
Źródło:
Inżynieria Rolnicza; 2008, R. 12, nr 11(109), 11(109); 143-148
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural modeling of plant tissue cultures: a review
Autorzy:
Zielinska, S.
Kepczynska, E.
Powiązania:
https://bibliotekanauki.pl/articles/81293.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
artificial neural network
biomass
plant tissue
neural model
tissue culture
in vitro condition
micropropagation
radial neural network
neural network
somatic embryo
Źródło:
BioTechnologia. Journal of Biotechnology Computational Biology and Bionanotechnology; 2013, 94, 3
0860-7796
Pojawia się w:
BioTechnologia. Journal of Biotechnology Computational Biology and Bionanotechnology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Black box dynamic modelling of proton exchange membrane fuel cells with artificial neural networks
Autorzy:
Kapica, J.
Powiązania:
https://bibliotekanauki.pl/articles/411175.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Oddział w Lublinie PAN
Tematy:
PEM fuel cells
neural network model
dynamic behaviour
black box
Opis:
The fuel cells are energy sources which can play an important role in transition of the energy sector into broader use of renewable energy. Numerical modelling provides an easy way to investigate properties of the objects modelled. There are various ways to model dynamic behaviour of the PEM fuel cells including methods using artificial neural networks. There are no clear rules of how a neural network should be configured: how many neurons in the hidden layer and which training algorithm should be used. In a time series modelling task additional parameters including sampling frequency, learning data set duration and number of past data points used for training need to be determined. The paper presents results of research on the influence of various model parameters on the PEM fuel cell modelling accuracy.
Źródło:
ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes; 2016, 5, 4; 85-89
2084-5715
Pojawia się w:
ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Incidences of variables in labor absenteeism: an analysis of neural networks
Autorzy:
Pérez-Campdesuñer, Reyner
De Miguel-Guzmán, Margarita
García-Vidal, Gelmar
Sánchez-Rodríguez, Alexander
Martínez-Vivar, Rodobaldo
Powiązania:
https://bibliotekanauki.pl/articles/407357.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
labor absenteeism
neural networks model
human resource management
ANOVA analysis
Opis:
Labor absenteeism is a factor that affects the good performance of organizations in any part of the world, from the instability that is generated in the functioning of the system. This is evident in the effects on quality, productivity, reaction time, among other aspects. The direct causes by which it occurs are generally known and with greater reinforcement the diseases are located, without distinguishing possible classifications. However, behind these or other causes can be found other possible factors of incidence, such as age or sex. This research seeks to explore, through the application of neural networks, the possible relationship between different variables and their incidence in the levels of absenteeism. To this end, a neural networks model is constructed from the use of a population of more than 12,000 employees, representative of various classification categories. The study allowed the characterization of the influence of the different variables studied, supported in addition to the performance of an ANOVA analysis that allowed to corroborate and clarify the results of the neural network analysis.
Źródło:
Management and Production Engineering Review; 2020, 11, 1; 3--12
2080-8208
2082-1344
Pojawia się w:
Management and Production Engineering Review
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Influence of the Artificial Neural Network type on the quality of learning on the Day-Ahead Market model at Polish Power Exchange joint-stock company
Autorzy:
Ruciński, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/1819257.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
Perceptron Artificial Neural Network
Radial Artificial Neural Network
Recursive Artificial Neural Network
neural model quality
Day-Ahead Market
Polish Power Exchange
Mean square error
determination index
Opis:
The work contains the results of the Day-Ahead Market modeling research at Polish Power Exchange taking into account the numerical data on the supplied and sold electricity in selected time intervals from the entire period of its operation (from July 2002 to June 2019). Market modeling was carried out based on three Artificial Neural Network models, ie: Perceptron Artificial Neural Network, Recursive Artificial Neural Network, and Radial Artificial Neural Network. The examined period of the Day-Ahead Market operation on the Polish Power Exchange was divided into sub-periods of various lengths, from one month, a quarter, a half a year to the entire period of the market's operation. As a result of neural modeling, 1,191 models of the Market system were obtained, which were assessed according to the criterion of the least error MSE and the determination index R2.
Źródło:
Studia Informatica : systems and information technology; 2019, 1-2(23); 77--93
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 130

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