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:
Advanced gas turbines health monitoring systems
Zaawansowany system monitorowania stanu technicznego w turbinach gazowych
Autorzy:
Adamowicz, M.
Żywica, G.
Powiązania:
https://bibliotekanauki.pl/articles/327586.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
monitoring
gas turbine
vibrations
artificial neural networks
predictive model
monitorowanie
turbina gazowa
wibroakustyka
sieci neuronowe
model predykcyjny
Opis:
An overview of science papers in the field of machine diagnosis has exposed increasing efforts in developing accurate and reliable engine health monitoring systems. Attempts have been made in both diagnostics and prediction of system faults. Essential limitations of the standard monitoring system are discussed in this paper as well as arguments for implementation of the Advanced Gas Turbine Health Monitoring Systems. Examples of implementation are discussed and a comparison between “Enhanced Arrangement” and “Standard Arrangements” is carried out. The individual system components are implemented today using very different methods. Performance degradation of gas turbines is described here with an approach of Condition Based Maintenance and it was shown how the classification method can help to improve equipment operation. The review of signal processing methods was carried out to present strengths and shortcomings of individual methods.
Przegląd literatury w dziedzinie diagnostyki maszyn wykazuje duże zainteresowanie środowiska naukowego opracowaniem niezawodnych i precyzyjnych metod oceny stanu technicznego napędów turbinowych. Prace te mają najczęściej na celu opracowanie systemów służących do bieżącej diagnostyki uszkodzeń pojawiających się podczas pracy jak i prognozowania przyszłych defektów. W artykule przeprowadzono ocenę najczęściej stosowanych metod diagnostycznych jak również omówiono zastosowanie „Zaawansowanego systemu monitorowania stanu technicznego turbin gazowych”. Przedstawione zostało porównanie standardowego i zaawansowanego układu diagnostyczno-sterującego. Indywidualne metody diagnostyczne zostały opisane wraz z przykładami zastosowania. Wykazano, że spadek sprawności turbiny gazowej jest ściśle związany z jej stanem technicznym, który może być stale monitorowany. Oceniono również wpływ metod klasyfikacji uszkodzeń na wykrywalność stopnia degradacji.
Źródło:
Diagnostyka; 2018, 19, 2; 77-87
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A MLMVN with arbitrary complex-valued inputs and a hybrid testability approach for the extraction of lumped models using FRA
Autorzy:
Aizenberg, Igor
Luchetta, Antonio
Manetti, Stefano
Piccirilli, Maria Cristina
Powiązania:
https://bibliotekanauki.pl/articles/91696.pdf
Data publikacji:
2019
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
analog circuits
complex-valued neural networks
lumped model
testability
Opis:
A procedure for the identification of lumped models of distributed parameter electromagnetic systems is presented in this paper. A Frequency Response Analysis (FRA) of the device to be modeled is performed, executing repeated measurements or intensive simulations. The method can be used to extract the values of the components. The fundamental brick of this architecture is a multi-valued neuron (MVN), used in a multilayer neural network (MLMVN); the neuron is modified in order to use arbitrary complex-valued inputs, which represent the frequency response of the device. It is shown that this modification requires just a slight change in the MLMVN learning algorithm. The method is tested over three completely different examples to clearly explain its generality.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2019, 9, 1; 5-19
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Nonlinearity Correction in Dynamic Measuring Devices Using Neural Network Models
Korekcja nieliniowości za pomocą modeli sieci neuronowych w zastosowaniu do dynamicznych urządzeń pomiarowych
Autorzy:
Al Rawashdeh, Laith Ahmed Mustafa
Zakharov, Igor Petrovitch
Zaporozhets, Oleg Vasyliovych
Powiązania:
https://bibliotekanauki.pl/articles/2068664.pdf
Data publikacji:
2020
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
artificial neural network
three-layer perceptron
training
inverse model
neural network compensator
sztuczna sieć neuronowa
trójwarstwowy perceptron
uczenie
model odwrotny
kompensator sieci neuronowej
Opis:
A neural network compensator for the nonlinearity of a dynamic measuring instrument is proposed, which allows restoring the value of the measured input signal. The inverse model of a nonlinear dynamic measuring device is implemented based on a three-layer perceptron supplemented by delay lines of input signals. The properties of the proposed neural network compensator are studied through simulation computer modelling using various types of calibration input signals for the training of an artificial neural network.
Zaproponowano kompensator sieci neuronowej dla nieliniowości dynamicznego przyrządu pomiarowego, który umożliwia odtworzenie wartości mierzonego sygnału wejściowego. Odwrotny model nieliniowego dynamicznego urządzenia pomiarowego realizowany jest w oparciu o trójwarstwowy perceptron uzupełniony o linie opóźniające sygnałów wejściowych. Właściwości proponowanego kompensatora sieci neuronowej są badane poprzez symulacyjne modelowanie komputerowe z wykorzystaniem różnego rodzaju sygnałów wejściowych kalibracji do uczenia sztucznej sieci neuronowej.
Źródło:
Pomiary Automatyka Robotyka; 2020, 24, 4; 57--60
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A Proposed Merging Methods of Digital Elevation Model Based on Artificial Neural Network and Interpolation Techniques for Improved Accuracy
Autorzy:
Alemam, Mustafa K.
Yong, Bin
Sani-Mohammed, Abubakar
Powiązania:
https://bibliotekanauki.pl/articles/27314479.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Centrum Badań Kosmicznych PAN
Tematy:
digital elevation model
GIS
artificial neural network
interpolation methods
SRTM
Opis:
The digital elevation model (DEM) is one of the most critical sources of terrain elevations, which are essential in various geoscience applications. Most of these applications need precise elevations, which are available at a high cost. Thus, sources like the Shuttle Radar Topography Mission (SRTM) DEM are frequently accessible to all users but with low accuracy. Consequently, many studies have tried to improve the accuracy of DEMs acquired from these free sources. Importantly, using the SRTM DEM is not recommended for an area that partly contains high-accuracy data. Thus, there is a need for a merging technique to produce a merged DEM of the whole area with improved accuracy. In recent years, advancements in geographic information systems (GIS) have improved data analysis by providing tools for applying merging techniques (like the minimum, maximum, last, first, mean, and blend (conventional methods)) to improve DEMs. In this article, DEM merging methods based on artificial neural network (ANN) and interpolation techniques are proposed. The methods are compared with other existing methods in commercial GIS software. The kriging, inverse distance weighted (IDW), and spline interpolation methods were considered for this investigation. The essential step for achieving the merging stage is the correction surface generation, which is used for modifying the SRTM DEM. Moreover, two cases were taken into consideration, i.e., the zeros border and the H border. The findings show that the proposed DEM merging methods (PDMMs) improved the accuracy of the SRTM DEM more than the conventional methods (CDMMs). The findings further show that the PDMMs of the H border achieved higher accuracy than the PDMMs of the zeros border, while kriging outperformed the other interpolation methods in both cases. The ANN outperformed all methods with the highest accuracy. Its improvements in the zeros and H border respectively reached 22.38% and 75.73% in elevation, 34.67% and 54.83% in the slope, and 40.28% and 52.22% in the aspect. Therefore, this approach would be cost-effective, especially in critical engineering projects.
Źródło:
Artificial Satellites. Journal of Planetary Geodesy; 2023, 58, 3; 122--170
2083-6104
Pojawia się w:
Artificial Satellites. Journal of Planetary Geodesy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Beta neuro-fuzzy systems
Autorzy:
Alimi, A. M.
Powiązania:
https://bibliotekanauki.pl/articles/1931568.pdf
Data publikacji:
2003
Wydawca:
Politechnika Gdańska
Tematy:
beta function
kernel based neural networks
Sugeno fuzzy model
neuro-fuzzy systems
universal approximation property
learning algorithms
incremental learning
Opis:
In this paper we present the Beta function and its main properties. A key feature of the Beta function, which is given by the central-limit theorem, is also given. We then introduce a new category of neural networks based on a new kernel: the Beta function. Next, we investigate the use of Beta fuzzy basis functions for the design of fuzzy logic systems. The functional equivalence between Beta-based function neural networks and Beta fuzzy logic systems is then shown with the introduction of Beta neuro-fuzzy systems. By using the SW theorem and expanding the output of the Beta neuro-fuzzy system into a series of Beta fuzzy-based functions, we prove that one can uniformly approximate any real continuous function on a compact set to any arbitrary accuracy. Finally, a learning algorithm of the Beta neuro-fuzzy system is described and illustrated with numerical examples.
Źródło:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2003, 7, 1; 23-41
1428-6394
Pojawia się w:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid predictions of the homogenous properties’ market value with the use of ann
Prognozowanie wartości rynkowej jednorodnych nieruchomości hybrydowym modelem z wykorzystaniem sztucznych sieci neuronowych
Autorzy:
Anysz, Hubert
Podwórna, Monika
Ibadov, Nabi
Lennerts, Kunibert
Dikarev, Kostiantyn
Powiązania:
https://bibliotekanauki.pl/articles/1852660.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
wycena nieruchomości
sieć neuronowa sztuczna
perceptron wielowarstwowy
podejście porównawcze
uczenie maszynowe
model hybrydowy
real estate valuation
artificial neural network
multilayer perceptron
comparative approach
machine learning
hybrid model
Opis:
The homogenous properties – as flats are – have the set of key features that characterizes them. The area of a flat, the number of rooms and storey number where it is located, the technical state of a building, and the state of the vicinity of the blocks of flats assessed. The database comprises 222 flats with their transaction prices on the secondary estate market. The analysed flats are located in a certain quarter of Wrocław city in Poland. The database is large enough to apply machine learning for successful price predictions. Their close locations significantly lower the influence of clients’ assessments of the attractiveness of the location on the flat’s price. The hybrid approach is applied, where classifying precedes the solution of the regression problem. Dependently on the class of flats, the mean absolute percentage error achieved through the calculations presented in the article varies from 4,4 % to 7,8 %. In the classes of flats where the number of cases doesn’t allow for machine predicting, multivariate linear regression is applied. The reliable use of machine learning tools has proved that the automated valuation of homogenous types of properties can produce price predictions with the error low enough for real applications.
Wycena nieruchomości jest złożonym procesem. Rzeczoznawca majątkowy musi być biegły zarówno w naukach ekonomicznych, prawnych, jak i technicznych. W praktyce często zdarzają się przypadki, w których konieczne jest poznanie zakresu wartości nieruchomości w krótkim czasie. Zautomatyzowane modele wyceny (AVM) są kwestionowane przez praktyków, ale nie oznacza to, że nie należy szukać nowych metod wyceny, innych niż te określone w Rozporządzeniu Rady Ministrów z dnia 21 września 2004 r. w sprawie wyceny nieruchomości i sporządzania operatu szacunkowego. Do określenia wartości rynkowej nieruchomości zdefiniowanej w Ustawie z dnia 21 sierpnia 1997 r o gospodarce nieruchomościami, jako „szacunkowa kwota, jaką w dniu wyceny można uzyskać za nieruchomość w transakcji sprzedaży zawieranej na warunkach rynkowych pomiędzy kupującym a sprzedającym, którzy mają stanowczy zamiar zawarcia umowy, działają z rozeznaniem i postępują rozważnie oraz nie znajdują się w sytuacji przymusowej”, najczęściej stosowaną metodą wyceny jest podejście porównawcze polegające na szacowaniu wartości na podstawie ostatnich danych sprzedaży innych podobnych nieruchomości na rynku lokalnym. Takie podejście wymaga aktywnego, rozwiniętego oraz w miarę stabilnego rynku. Rzeczoznawca majątkowy analizuje ceny transakcyjne nieruchomości, które w wystarczającym stopniu są podobne do nieruchomości wycenianej. Analiza atrybutów nieruchomości polega na badaniu nieruchomości pod względem trwałych cech, które mają znaczący wpływ na wartość, w szczególności lokalizację obiektu, jego powierzchnię, położenie w budynku, stan techniczny. W pracy przenalizowano próbkę 222 nieruchomości lokalowych, które były przedmiotem obrotu na wrocławskim rynku wtórnym. Lokalny rynek nieruchomości przyjęto jako nieruchomości lokalowe o powierzchni użytkowej z przedziału od 15 do 95 m2, w budynkach o stanie dobry lub średnim, z obrębu Grabiszyn dzielnicy Fabryczna miasta Wrocław. W pracy przyjęto dwuletni okres analizy, ze względu na w miarę stabilny rynek w okresie 2013-2014 nie uwzględniono czynnika czasu - przyjęto zerowy trend czasowy dla transakcji wolnorynkowych.
Źródło:
Archives of Civil Engineering; 2021, 67, 1; 285-301
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Efficient dead time correction of G-M counters using feed forward artificial neural network
Autorzy:
Arkani, M.
Khalafi, A.
Powiązania:
https://bibliotekanauki.pl/articles/146121.pdf
Data publikacji:
2013
Wydawca:
Instytut Chemii i Techniki Jądrowej
Tematy:
dead time
artificial neural network (ANN)
Geiger-Müller (G-M) detector
hybrid model
source decaying experiment
Opis:
Dead time parameter of Geiger-Müller (G-M) counters causes a great uncertainty in their response to the incident radiation intensity at high counting rates. As their applications in experimental nuclear science are widespread, many attempts have been done on improvements of their nonlinear response. In this work, response of a G-M counter system is optimized and corrected efficiently using feed forward artificial neural network (ANN). This method is simple, fast, and provides the answer to the problem explicitly with no need for iteration. The method is applied to a set of decaying source experimental data measured by a fairly large G-M tube. The results are compared with those predicted by a given analytical model which is called hybrid model. The maximum deviation of the corrected results from the true counting rates is less than 4% which is a significant improvement in comparison with the results obtained by the analytical method. Results of this study show that by using a proper artificial neural network structure, the dead time effects of G-M counters can be tolerated significantly.
Źródło:
Nukleonika; 2013, 58, 2; 317-321
0029-5922
1508-5791
Pojawia się w:
Nukleonika
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The training of multiplicative neuron model based artificial neural networks with differential evolution algorithm for forecasting
Autorzy:
Bas, E.
Powiązania:
https://bibliotekanauki.pl/articles/91575.pdf
Data publikacji:
2016
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
artificial neural networks
multiplicative neuron model
differential evolution
algorithm
forecasting
sztuczne sieci neuronowe
algorytm
prognozowanie
Opis:
In recent years, artificial neural networks have been commonly used for time series forecasting by researchers from various fields. There are some types of artificial neural networks and feed forward artificial neural networks model is one of them. Although feed forward artificial neural networks gives successful forecasting results they have a basic problem. This problem is architecture selection problem. In order to eliminate this problem, Yadav et al. (2007) proposed multiplicative neuron model artificial neural network. In this study, differential evolution algorithm is proposed for the training of multiplicative neuron model for forecasting. The proposed method is applied to two well-known different real world time series data.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2016, 6, 1; 5-11
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Porównanie modeli GRNN utworzonych z wykorzystaniem modułów sieci neuronowych pakietów MATLAB i STATISTICA
Comparison of the GRNN models developed by using neural network moduli of the MATLAB and STATISTICA packets
Autorzy:
Białobrzewski, I.
Powiązania:
https://bibliotekanauki.pl/articles/287990.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
model regresyjny
sieci neuronowe GRNN
MATLAB
Statistica
regressive model
GRNN neural networks
Opis:
Przedstawiono wyniki badań wpływu modeli GRNN, utworzonych z wykorzystaniem modułów Sieci Neuronowych pakietów MATLAB i STATISTICA, na dokładność estymacji wartości temperatury powietrza atmosferycznego. Stwierdzono, że model neuronowy GRNN, powstały na bazie Toolbox Neural Networks v.4 pakietu MATLAB, lepiej aproksymuje temperaturę powietrza atmosferycznego niż modele powstałe na bazie modułu Neural Networks pakietu STATISTICA 6.1. Wśród modeli GRNN powstałych na bazie modułu Neural Networks pakietu STATISTICA 6.1 uzyskano lepszą aproksymuję temperatury powietrza atmosferycznego, wykorzystując dostępne opcje funkcji związanych z modułem Projektant sieci użytkownika.
The effects of GRNN models, developed by using the neural network moduli of the MATLAB and STATISTICA packets on the accuracy of atmospherical air temperature estimation, were studied. It was stated that the GRNN neural model developed on the basis of Toolbox Neural Network v.4 of the MATLAB packet approximated the temperature of atmospherical air better than the models based on Neural Network modulus of STATISTICA 6.1 packet. Among the GRNN models developed on the basis of Neural Network modulus of STATISTICA 6.1 packet, the better approximation of air temperature was obtained by using available options of the functions bound to modulus of the “User’s network designer …”
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 8, 8; 15-22
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Estimation, Decoding and Forecasting in HMM and Hybrid HMM/ANN Models : a Case of Seismic Events in Poland
Autorzy:
Bijak, K.
Powiązania:
https://bibliotekanauki.pl/articles/92872.pdf
Data publikacji:
2006
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
infrastructure subsystem
hybrid HMM/ANN model
neural networks
seismic events
Opis:
This paper compares performance of a hidden Markov model (HMM) and a hybrid HMM/ANN model in seismic events modeling. Observation variables are assumed to follow a Poisson distribution. Parameters of the discrete-time two-state models are estimated on the basis of data on seismic events that were recorded in Poland from 1991 to 1995. Then, on the basis of the estimation results, the most likely sequences of states of the hidden Markov chains are found and forecasts for January 1996 are made. It is shown that the hybrid model fits better to the data.
Źródło:
Studia Informatica : systems and information technology; 2006, 1(7); 7-17
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Forecasting models for chaotic fractional-order oscillators using neural networks
Autorzy:
Bingi, Kishore
Prusty, B Rajanarayan
Powiązania:
https://bibliotekanauki.pl/articles/2055150.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
chaotic oscillators
data driven forecasting
fractional order system
model free analysis
neural network
time series prediction
oscylator chaotyczny
układ rzędu ułamkowego
sieć neuronowa
prognozowanie szeregów czasowych
Opis:
This paper proposes novel forecasting models for fractional-order chaotic oscillators, such as Duffing’s, Van der Pol’s, Tamaševičius’s and Chua’s, using feedforward neural networks. The models predict a change in the state values which bears a weighted relationship with the oscillator states. Such an arrangement is a suitable candidate model for out-of-sample forecasting of system states. The proposed neural network-assisted weighted model is applied to the above oscillators. The improved out-of-sample forecasting results of the proposed modeling strategy compared with the literature are comprehensively analyzed. The proposed models corresponding to the optimal weights result in the least mean square error (MSE) for all the system states. Further, the MSE for the proposed model is less in most of the oscillators compared with the one reported in the literature. The proposed prediction model’s out-of-sample forecasting plots show the best tracking ability to approximate future state values.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2021, 31, 3; 387--398
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
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:
Sieci neuronowe typu MLP oraz RBF jako narzędzia klasyfikacyjne w analizie obrazu
The neural network type the MLP and RBF as classifying tools in picture analysis
Autorzy:
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/337163.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sieć neuronowa
sieć neuronowa MLP
sieć neuronowa RBF
analiza obrazu
identyfikacja neuronowa
model neuronowy
neural network
MLP neural network
RBF neural network
picture analysis
neuronal identification
neuronal model
Opis:
Neuronowa identyfikacja danych obrazowych, ze szczególnym naciskiem na analizę ilościową oraz jakościową, coraz częściej wykorzystywana jest do pozyskiwania oraz zgłębiania wiedzy zawartej w danych empirycznych. Ekstrakcja, a następnie klasyfikacja wybranych cech obrazu, pozawala na wytworzenie informatycznych narzędzi do identyfikacji wybranych obiektów, prezentowanych np. w postaci obrazu cyfrowego. W związku z tym, celowym wydaje się być poszukiwanie nowoczesnych metod wspomagających proces edukacyjny w zakresie konstrukcji oraz eksploatacji modeli neuronowych w kontekście ich wykorzystania w procesie analizy obrazu. Dodatkowym celem pracy było porównanie jakości sieci MLP oraz RBF mające na względzie wskazanie optymalnego instrumentu klasyfikacyjnego.
The neuronal identification of pictorial data, with special emphasis on both quantitative & qualitative analysis, is more frequently utilized to gain & deepen the empirical data knowledge. Extraction & then classification of selected picture features, enables one to create computer tools in order to identify these objects presented as, for example, digital pictures. In relationship from this, it seems to be purposeful the search of the modern methods helping educational process in the range of construction as well as exploitation of neuronal models in context of their utilization in picture analysis process. The additional aim of the work was the comparison of neural network of the type MLP and RBF for indication of the optimum classification tool.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2006, 51, 4; 34-39
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The application of the process modelling of anodic wet-stripping of CrN multi-layer coatings for characteristics prediction
Zastosowanie modelowania do prognozowania przebiegu anodowego rozpuszczania złożonych powłok CrN
Autorzy:
Bujak, J.
Ruta, R.
Trzos, M.
Powiązania:
https://bibliotekanauki.pl/articles/256710.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
powłoka CrN
rozpuszczanie anodowe
modelowanie statystyczne
sztuczna sieć neuronowa
model prognostyczny
multi-layer coating
anodic wet-stripping
statistical modelling
artificial neural network
prognostic model
Opis:
The paper presents the results of experimental research on a process of anodic wet-stripping of CrN multi-layer coatings. The stripping rate was correlated with the coating structure and the current density of the stripping process. The experimental data was statistically analysed and regression models of stripping thickness were created as a function of stripping time. The obtained results indicated that the anodic wet-stripping process can be described by means of linear function only in the case of one-layer coatings. Moreover, the general neural network model was created as a complex model including both quantitative and qualitative variables characterising the wet-stripping process. The developed models enable the estimation of the character and time of the stripping process, depending on the coating thickness, structure and current parameters.
W artykule przedstawiono wyniki badań eksperymentalnych anodowego procesu rozpuszczania złożonych powłok CrN. Uzyskane wyniki poddano analizie statystycznej, w rezultacie której wyznaczono modele regresyjne przebiegu procesu rozpuszczania w funkcji czasu. Ponadto wykorzystując sztuczne sieci neuronowe opracowano kompleksowy model procesu rozpuszczania anodowego. Opracowane modele umożliwiają oszacowanie przebiegu i czasu rozpuszczania w zależności od grubości powłoki oraz zastosowanych parametrów prądowych.
Źródło:
Problemy Eksploatacji; 2006, 4; 7-16
1232-9312
Pojawia się w:
Problemy Eksploatacji
Dostawca treści:
Biblioteka Nauki
Artykuł
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
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