Skocz do pozycji: 1.

Tytuł:

The neural modelling in chosen task of Electric Power Stock Market

Autorzy:

Ruciński, D.

Powiązania:

https://bibliotekanauki.pl/articles/92914.pdf

Data publikacji:

2017

Wydawca:

Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach

Tematy:

neural modelling
neural network
electric power stock market

Opis:

The work contains selected results of the neural modelling for the Electric Power Exchange (EPE) for the Day Ahead Market (DAM). The paper contains description of the neural modelling method, the way of preparing (pre-processing) data used for leaning of Artificial Neural Network (ANN), description of achieved neural models of EPE, the comparative study results and the sensitivity study results. The results which was obtained was interpreted and discussed in the systemic category.

Źródło:

Studia Informatica : systems and information technology; 2017, 1-2(21); 63-83
1731-2264

Pojawia się w:

Studia Informatica : systems and information technology

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 2.

Tytuł:

Control of complex dynamic nonlinear loading process for electromagnetic mill

Autorzy:

Ogonowski, Szymon
Bismor, Dariusz
Ogonowski, Zbigniew

Powiązania:

https://bibliotekanauki.pl/articles/229680.pdf

Data publikacji:

2020

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

predictive control
pole placement
nonlinear dynamics
neural modelling
electromagnetic mill

Opis:

Electromagnetic mill installation for dry grinding represents a complex dynamical system that requires specially designed control system. The paper presents model-based predictive control which locates closed loop poles in arbitrary places. The controller performs as gains cheduling prototype where nonlinear model – artificial recurrent neural network, is parameterized with additional measurements and serves as a basis for local linear approximation. Application of such a concept to control electromagnetic mill load allows for stable performance of the installation and assures fulfilment of the product quality as well as the optimization of the energy consumption.

Źródło:

Archives of Control Sciences; 2020, 30, 3; 471-500
1230-2384

Pojawia się w:

Archives of Control Sciences

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 3.

Tytuł:

Cluster analysis as a preliminary problem in neural modelling of the Polish Power Exchange

Autorzy:

Tchórzewski, Jerzy
Jezierski, Jakub

Powiązania:

https://bibliotekanauki.pl/articles/94965.pdf

Data publikacji:

2019

Wydawca:

Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie

Tematy:

artificial self-organizing neural networks
business intelligence
cluster analysis
neural modelling
Day Ahead Market
Polish Power Exchange

Opis:

The work focuses on cluster analysis as a preliminary problem in neural model- ling based on the data quoted on the Day Ahead Market of the Polish Power Ex- change as a subsystem of the system of Towarowa Giełda Energii S.A. [Polish Pow- er Exchange]. The paper contains the results of literature research related to cluster analysis methods, description of possible applications of artificial neural networks SOM for mapping information on the volume of electrical power sold and prices ob- tained, description of possible applications of MATLAB and Simulink environment, and especially Neural Network Toolbox for mapping knowledge, and cluster analy- sis performed for selected data.

Źródło:

Information Systems in Management; 2019, 8, 1; 69-81
2084-5537
2544-1728

Pojawia się w:

Information Systems in Management

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 4.

Tytuł:

Modelowanie neuronowe procesów cieplnych zachodzących podczas kompostowania wybranych nawozów naturalnych
Neural modelling of thermal processes during composting of chosen natural fertilizers

Autorzy:

Olszewski, T.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/337464.pdf

Data publikacji:

2010

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

modelowanie neuronowe
kompostowanie
nawóz naturalny
proces cieplny
neural modelling
thermal process
composting
natural fertilizer

Opis:

Proces kompostowania polega na mikrobiologicznym rozkładzie substancji organicznych w warunkach tlenowych za pomocą mikroorganizmów termofilnych i pleśni. Podczas procesu kompostowania wydzielają się duże ilości ciepła, które może być wykorzystane do różnych celów. W literaturze światowej brak jest informacji o wykorzystaniu sieci neuronowych w modelowaniu procesów cieplnych zachodzących podczas kompostowania. Celem prezentowanej pracy było modelowanie procesu kompostowania stałych nawozów naturalnych z wykorzystaniem sztucznych sieci neuronowych, ze szczególnym uwzględnieniem analizy cieplnej zachodzących zjawisk. Skupiono się na estymacji ilości ciepła otrzymywanego w wyniku reakcji egzotermicznych zachodzących podczas procesu kompostowania. Dokonano analizy oraz wytworzono, przetestowano i zweryfikowano zbiór topologii sieci neuronowych, działających jako efektywne instrumenty predykcyjne. W tym celu wykorzystano pakiet oprogramowania analitycznego Statistica v. 7.1 moduł: "Sieci Neuronowe". Mała wartość ilorazu odchyleń standardowych oraz współczynnik korelacji bliski jedności świadczy o dobrej jakości otrzymanych sieci neuronowych.
Composting process depends on microbiological decomposition of organic matter in oxygenic conditions proceeded by the thermopile microorganisms and moulds. During the process there is a lot of heat energy emission which can be used for different aims. There is no information about neural network used for modelling of composting processes in the world publications. The objective of presented work was to model the composting process of solid natural fertilizers using the artificial neural networks. I focused mainly on thermal analysis of this process. Qualification of heat emission as a result of exothermic reactions during composting process was the focus of attention. The second stage was complex analysis as well as creating, testing and verification of series of neural networks topology. The analytical software package Statistica v. 7.1: 'Neural Networks' was used. Low ratio of standard deviations and correlation coefficient close to one, provide the most important information for the good assessment of the neural network.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2010, 55, 2; 56-61
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 5.

Tytuł:

Modelowanie neuronowe w zastosowaniu do oceny zarządzania bezpieczeństwem informacji w logistyce
Application of the neural modelling in the assessment of information security management in logistics

Autorzy:

Dębicka, E.
Świderski, A.

Powiązania:

https://bibliotekanauki.pl/articles/1378317.pdf

Data publikacji:

2014

Wydawca:

Polskie Wydawnictwo Ekonomiczne

Tematy:

zarządzanie bezpieczeństwem informacji
modelowanie neuronowe
usługi logistyczne
information security management
neural modelling
logistics services

Opis:

Proper management of the information security is an important issue affecting the quality of logistical services delivery. The article presents selected aspects of mathematical modelling of conducting its expert evaluation. The presented method of assessment is based on the use of artificial neural networks.

Źródło:

Gospodarka Materiałowa i Logistyka; 2014, 5; 19-24
1231-2037

Pojawia się w:

Gospodarka Materiałowa i Logistyka

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 6.

Tytuł:

Przykład zastosowania sieci neuronowej w modelowaniu procesu mieszania układów ziarnistych
An example of the use of a neural network to model a mixing process of granular systems

Autorzy:

Tukiendorf, M.

Powiązania:

https://bibliotekanauki.pl/articles/289881.pdf

Data publikacji:

2005

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

niejednorodna mieszanina ziarnista
stan równowagowy
modelowanie neuronowe
non-homogenous grainy mixture
balance status
neural modelling

Opis:

W pracy pokazano skuteczność i przydatność modelowania neuronowego w procesie mieszania dwuskładnikowego niejednorodnego układu ziarnistego mieszanego systemem funnel-flow.
In the study, an efficiency and usefulness of neural network was shown to model the mixing process of a two-components non-homogenous granular system during the funnel-flow mixing.

Źródło:

Inżynieria Rolnicza; 2005, R. 9, nr 7, 7; 375-382
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 7.

Tytuł:

Modelowanie neuronowe w obliczaniu współczynnika przenikania ciepła oraz wymaganej warstwy izolacji przegrody budowlanej
Neural modelling for calculating the heat transfer coefficient and required isolation layer of wall barier

Autorzy:

Dawidowicz, J.
Sidorowicz, W.

Powiązania:

https://bibliotekanauki.pl/articles/402833.pdf

Data publikacji:

2010

Wydawca:

Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej

Tematy:

straty ciepła
współczynnik przenikania ciepła
modelowanie neuronowe
inteligencja obliczeniowa
warmth losses
heat transfer coefficient
neural modelling
calculation intelligence

Opis:

W referacie przedstawiono zastosowanie sztucznych sieci neuronowych do obliczania współczynnika przenikania ciepła U oraz model odwrotny, polegający na obliczaniu grubości warstwy izolacyjnej przy zadanym współczynniku. Opisano metodykę sporządzenia zbioru uczącego sztuczne sieci neuronowe oraz opisano zbiór przetestowanych sieci neuronowych. Metody sztucznej inteligencji, w tym sztuczne sieci neuronowe, pozwalają uwzględnić w obliczeniach wiele zjawisk i procesów trudnych do opisu matematycznego ze względu na swoją nieliniowość, stąd uzyskane modele neuronowe będą uzupełniane w przyszłości o dodatkowe parametry obliczeniowe.
The report presents the usage of artificial neural networks to calculate heat transfer coefficient U and the opposite model, which consists on calculating the thickness of the isolation layer with given coefficient. The methodology of making a set teaching artificial neural networks and the set of tested neural networks were described. The methods of artificial intelligence, including neural networks, let include in calculations many phenomena and processes hard to describe mathematically because of their nonlinearity, so obtained neural models will be completed by additional computable parameters in future.

Źródło:

Budownictwo i Inżynieria Środowiska; 2010, 1, 1; 17-24
2081-3279

Pojawia się w:

Budownictwo i Inżynieria Środowiska

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 8.

Tytuł:

Artificial neural networks as models neuronal electronic state offices

Autorzy:

Tchórzewski, J.
Leszko, K.

Powiązania:

https://bibliotekanauki.pl/articles/95129.pdf

Data publikacji:

2015

Wydawca:

Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie

Tematy:

e-document
office
repository
artificial neural networks
neural modelling
MATLAB and Simulink
e-dokument
sztuczne sieci neuronowe
Matlab
Simulink
modelowanie neuronowe
urząd administracji publicznej

Opis:

The paper presents selected results of research on learning design and artificial neural network (ANN) models paperless office as a state defined as a document repository. A review of selected issues on artificial neural network, and environments to support their generation and learning. In particular, attention was drawn to the new modeling capabilities leading to obtaining neural models of electronic systems. Artificial neural network is designed and taught her electronic office model based on the size of the input 11 and 9 variables, par 72 trainees on the actual size of government agencies for the year 2007. The model was obtained in MATLAB and Simulink and using the Neural Network Toolbox. Showing the possibilities of using the model to test sensitivities and simulation in Simulink.

Źródło:

Information Systems in Management; 2015, 4, 3; 219-227
2084-5537
2544-1728

Pojawia się w:

Information Systems in Management

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 9.

Tytuł:

Neural network approach to compressor modelling with surge margin consideration

Autorzy:

Loryś, Sergiusz Michał
Orkisz, Marek

Powiązania:

https://bibliotekanauki.pl/articles/2091364.pdf

Data publikacji:

2022

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

modelling
compressor map
neural-network

Opis:

Artificial neural networks are gaining popularity thank to their fast and accurate response paired with low computing power requirements. They have been proven as a method for compressor performance prediction with satisfactory results. In this paper a new approach of artificial neural networks modelling is evaluated. The auxiliary parameter of ‘relative stability margin Z’ was introduced and used in learning process. This approach connects two methods of compressor modelling such as neural networks and auxiliary parameter utilization. Two models were created, one with utilization of the ‘relative stability margin Z’ as a direct indication of surge margin of any estimated condition, and other with standard compressor parameters. The results were compared by determination of fitting, interpolation and extrapolation capabilities of both approaches. The artificial neural networks used during the process was a two-layer feed-forward neural-network with Levenberg–Marquardt algorithm with Bayesian regularization. The experimental data was interpolated to increase the amount of learning data for the neural network. With the two models created, capabilities of this relatively simple type of neural-network to approximate compressor map was also assessed.

Źródło:

Archives of Thermodynamics; 2022, 43, 1; 89--108
1231-0956
2083-6023

Pojawia się w:

Archives of Thermodynamics

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 10.

Tytuł:

Dedicated neural network design for friction compensation in robot drives
Projektowanie struktury sieci neuronowej dla celów eliminacji tarcia w napędach robotów

Autorzy:

Korendo, Z.
Uhl, T.

Powiązania:

https://bibliotekanauki.pl/articles/281390.pdf

Data publikacji:

2002

Wydawca:

Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej

Tematy:

friction modelling
mechatronics
neural networks for control

Opis:

In the paper we demonstrate a neural network-based controller design and prototyping following the mechatronic approach. A unified treatment of all system components (mechanical, eletrical and computational) is made possible thanks to the integrated software-hardware platform. The neural network in the presented approach is used to privide a linearising feedback loop for friction compensation in a robot drive. The efficiency of the experimental friction identification is improved thanks to dedicated network architecture. The proposed solution is implemented in DSP hardware and the simulation results are verified through laboratory experiments.
W pracy przedstawiono oparty na sieciach neuronowych układ sterowania napędem robota. Przedstawiono proces projektowania i prototypowania oparty na podejściu mechatronicznym. Sieć neuronowa w proponowanym rozwiązaniu spełnia rolę lineryzującej pętli sprzężenia zwrotnego. Jej podstawowym zadaniem jest kompensacja wpływu tarcia w napędzie robota. Zaproponowano specjalizowaną architekturę sieci neuronowej dostosowaną do modelowania tarcia. Uczenie sieci odbywa się na podstawie danych eksperymentalnych. Zaproponowaną sieć neuronową zaimplementowano z zastosowaniem techniki szybkiego prototypowania z wykorzystaniem procesorów sygnałowych. Wyniki symulacji porównano z wynikami eksperymentu na rzeczywistym obiekcie. Przedstawione podejście, jak wykazały uzyskane rezultaty, daje dobre wyniki w zakresie linearyzacji układów sterowania robotami z uwzględnieniem tarcia.

Źródło:

Journal of Theoretical and Applied Mechanics; 2002, 40, 3; 595-610
1429-2955

Pojawia się w:

Journal of Theoretical and Applied Mechanics

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 11.

Tytuł:

Optimization of a thin-walled element geometry using a system integrating neural networks and finite element method

Autorzy:

Golewski, P.
Gajewski, J.
Sadowski, T.

Powiązania:

https://bibliotekanauki.pl/articles/351314.pdf

Data publikacji:

2017

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

artificial neural networks
numerical modelling
thin-walled element

Opis:

Artificial neural networks [ANNs] are an effective method for predicting and classifying variables. This article presents the application of an integrated system based on artificial neural networks and calculations by the finite element method [FEM] for the optimization of geometry of a thin-walled element of an air structure. To ensure optimal structure, the structure’s geometry was modified by creating side holes and ribs, also with holes. The main criterion of optimization was to reduce the structure’s weight at the lowest possible deformation of the tested object. The numerical tests concerned a fragment of an elevator used in the “Bryza” aircraft. The tests were conducted for networks with radial basis functions [RBF] and multilayer perceptrons [MLP]. The calculations described in the paper are an attempt at testing the FEM - ANN system with respect to design optimization.

Źródło:

Archives of Metallurgy and Materials; 2017, 62, 1; 435-442
1733-3490

Pojawia się w:

Archives of Metallurgy and Materials

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 12.

Tytuł:

A New Neural Networks Model for Calculating the Continuous Cooling Transformation Diagrams

Autorzy:

Trzaska, J.

Powiązania:

https://bibliotekanauki.pl/articles/351678.pdf

Data publikacji:

2018

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

CCT diagram
modelling
neural network
heat treatment
steel

Opis:

The article shows a new model of Continuous Cooling Transformation (CCT) diagrams of structural steels and engineering steels. The modelling used artificial neural networks and a set of experimental data prepared based on 550 CCT diagrams published in the literature. The model of CCT diagrams forms 17 artificial neural networks which solve classification and regression tasks. Neural model is implemented in a computer software that enables calculation of a CCT diagram based on chemical composition of steel and its austenitizing temperature.

Źródło:

Archives of Metallurgy and Materials; 2018, 63, 4; 2009-2015
1733-3490

Pojawia się w:

Archives of Metallurgy and Materials

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 13.

Tytuł:

Modelling of vibrations of machines models by use of the bond graphs
Modelowanie drgań modeli maszyn metodą hybrydowych grafów wiązań

Autorzy:

Nowak, A.
Czapla, K.
Kaczmarek, K.

Powiązania:

https://bibliotekanauki.pl/articles/280724.pdf

Data publikacji:

2003

Wydawca:

Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej

Tematy:

modelling
bond graphs
hybrid bond graphs method
neural network

Opis:

In the paper the problem of the modelling of machine systems by making use of the hybrid bond graphs method in a matrix representation and in terms of differential equations has been formulated. The presented method of the dynamic analysis of mechatronical machines models on the basis of the hybrid network graphs constitutes a very efficient algorithm. Such a method consists in the modelling of the given mechatronical model in terms of the hybrid bond graphs with a neural net and the Mason signal flow as subgraphs. Using the impedance method frequency characteristics and natural frequencies for the vibrating model of a machine are analysed on an example of a railway vehicle. In the paper, the sensitivity model and its dynamic characteristics are formulated and examined with the help of the hybrid bond graphs method.
W pracy sformułowano zagadnienie modelowania modeli dynamicznych układów maszyn z zastosowaniem metody hybrydowych grafów wiązań w reprezentacji macierzowej i w postaci układu równań różniczkowych ruchu. Opracowana metoda hybrydowych grafów wiązań stanowi efektywny sposób analizy układów mechatronicznych maszyn. Metoda polega na sformułowaniu globalnego grafu wiązań z uwzględnieniem grafu przepływu sygnałów Masona lub sieci neuronowej jako podgrafów. Stosując metodę impedancji wyznaczono charakterystyki amplitudowo-częstotliwościowe oraz częstości własne na przykładzie modelu dynamicznego pojazdu szynowego. W pracy opracowano także modele wrażliwości ruchu maszyn i ich charakterystyk dynamicznych przy zastosowaniu metody hybrydowych grafów wiązań.

Źródło:

Journal of Theoretical and Applied Mechanics; 2003, 41, 4; 903-918
1429-2955

Pojawia się w:

Journal of Theoretical and Applied Mechanics

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 14.

Tytuł:

Predictive neural network in multipurpose self-tuning controller

Autorzy:

Bondar, Oleksiy

Powiązania:

https://bibliotekanauki.pl/articles/386771.pdf

Data publikacji:

2020

Wydawca:

Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej

Tematy:

artificial neural network
adaptive regulator
backpropagation algorithm
system modelling

Opis:

A very important problem in designing of controlling systems is to choose the right type of architecture of controller. And it is always a compromise between accuracy, difficulty in setting up, technical complexity and cost, expandability, flexibility and so on. In this paper, multipurpose adaptive controller with implementation of artificial neural network is offered as an answer to a wide range of tasks related to regulation. The effectiveness of the approach is demonstrated by the example of an adaptive thermostat. It also compares its capabilities with those of classic PID controller. The core of this approach is the use of an artificial neural network capable of predicting the behaviour of controlled object within its known range of parameters. Since such a network, being trained, is a model of a regulated system with arbitrary precision, it can be analysed to make optimal management decisions at the moment or in a number of steps. Network learning algorithm is backpropagation and its modified version is used to analyse an already trained network in order to find the optimal solution for the regulator. Software implementation, such as graphical user interface, routines related to neural network and many other, is done using Java programming language and Processing open-source integrated development environment.

Źródło:

Acta Mechanica et Automatica; 2020, 14, 2; 114-120
1898-4088
2300-5319

Pojawia się w:

Acta Mechanica et Automatica

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 15.

Tytuł:

Neural modeling of the electric power stock market in usage of MATLAB and Simulink tools for the day ahead market data

Autorzy:

Ruciński, D.
Tchórzewski, J.

Powiązania:

https://bibliotekanauki.pl/articles/94831.pdf

Data publikacji:

2016

Wydawca:

Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie

Tematy:

neuronal modelling
MATLAB
Simulink environment
simulation research
artificial neural network

Opis:

The work contains selected results of the modelling of neural Electric Power Exchange (EPE) in Poland. For modelling EPE system, artificial neural network (ANN) was constructed. ANN was learned and tested using of the next day market data. Generated neural model was used for simulation tests and susceptibility tests. Suitable model was implemented in Simulink. As a result of simulation tests and susceptibility testing a lot of interesting research results were obtained.

Źródło:

Information Systems in Management; 2016, 5, 2; 215-226
2084-5537
2544-1728

Pojawia się w:

Information Systems in Management

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 16.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 17.

Tytuł:

Experimental investigation and modelling of Friction Stir Processing of cast aluminium alloy AlSi9Mg

Autorzy:

Węglowski, M. S.
Dymek, S.
Hamilton, C. B.

Powiązania:

https://bibliotekanauki.pl/articles/200339.pdf

Data publikacji:

2013

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

friction stir processing
aluminum alloys
numerical modelling
neural networks
microstructure

Opis:

Friction Stir Processing (FSP) is a novel solid state processing technique which can be used for microstructural modification of surface layers in metallic materials. This paper analyzes the effects of FSP process parameters on spindle torque acting on the tool and on the tool temperature. It has been shown that an increase in the rotational speed brings about a decrease in the torque and an increase of temperature. For temperature estimation in the stir zone a numerical model was applied, while for predicting a relationship between the spindle torque acting on the tool, rotational and travelling speeds and the down force, the artificial neural networks approach was employed. Light and electron (scanning and transmission) microscopy investigation showed that the FSP process reduces porosity and produces a more uniform distribution of second-phase particles.

Źródło:

Bulletin of the Polish Academy of Sciences. Technical Sciences; 2013, 61, 4; 893-904
0239-7528

Pojawia się w:

Bulletin of the Polish Academy of Sciences. Technical Sciences

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 18.

Tytuł:

Studies on the ANN implementation in the macro BIM cost analyzes
O możliwościach zastosowania SSN w analizach kosztowych "macro BIM"

Autorzy:

Juszczyk, M.

Powiązania:

https://bibliotekanauki.pl/articles/887471.pdf

Data publikacji:

2017

Wydawca:

Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie

Tematy:

artificial neural network
implementation
BIM technology zob.building information modelling
cost analysis
building information modelling

Opis:

Studies on the ANN implementation in the macro BIM cost analyzes. The paper presents an approach which combines the concept of macro-level BIM-based cost analyzes analyzes and application of artificial intelligence tools – namely artificial neural networks. Discussion and foundations of the proposed approach are introduced in the paper to clarify the problem’s core. An exemplary case study reports the results of initial studies on the application of neural networks for the purposes of BIM-based cost analysis of a buildings’ fl oor structural frame. The results obtained justify the proposal of application of neural networks as a supportive mathematical tool in the problem presented in the paper.
O możliwościach zastosowania SSN w analizach kosztowych „macro BIM”. Artykuł przedstawia podejście, w którym połączono koncepcję analiz kosztowych macro BIM z zastosowaniem narzędzi sztucznej inteligencji – sztucznych sieci neuronowych. W artykule zaprezentowano dyskusję i podstawowe założenia proponowanego podejścia stanowiące wyjaśnienie istoty problemu. Studium przypadku przedstawia wyniki wstępnych badań dotyczących różnego zastosowania sieci neuronowych w analizach kosztów z zastosowaniem BIM na przykładzie oszacowań kosztów konstrukcji nośnej kondygnacji budynku. Uzyskane wyniki uzasadniają propozycję wykorzystania sieci neuronowych jako narzędzia matematycznego rozwiązywania problemu przedstawionego w artykule.

Źródło:

Scientific Review Engineering and Environmental Sciences; 2017, 26, 2[76]
1732-9353

Pojawia się w:

Scientific Review Engineering and Environmental Sciences

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 19.

Tytuł:

Modelling of mass transfer kinetic in osmotic dehydration of kiwifruit

Autorzy:

Jabrayili, S.
Farzaneh, V.
Zare, Z.
Bakhshabadi, H.
Babazadeh, Z.
Mokhtarian, M.
Carvalho, I.S.

Powiązania:

https://bibliotekanauki.pl/articles/24375.pdf

Data publikacji:

2016

Wydawca:

Polska Akademia Nauk. Instytut Agrofizyki PAN

Tematy:

modelling
mass transfer
kinetics
osmotic dehydration
kiwi fruit
artificial neural network

Źródło:

International Agrophysics; 2016, 30, 2
0236-8722

Pojawia się w:

International Agrophysics

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 20.

Tytuł:

Experimental study and neural network modelling of aerodynamic and dynamic characteristics of flapping wings micro aerial vehicle

Autorzy:

Czekałowski, P.
Sibilski, K.
Żyluk, A.

Powiązania:

https://bibliotekanauki.pl/articles/242331.pdf

Data publikacji:

2018

Wydawca:

Instytut Techniczny Wojsk Lotniczych

Tematy:

entomopter
flapping wings
aerodynamics
neural network
modelling
aerodynamika
sieć neuronowa
modelowanie

Opis:

The article is close connected with building flying object, that fly like an insect (entomopter). Present work concerns on concept of aerodynamic model using artificial neural networks. Model is used in simulations of flight of entomopter. Aerodynamic model based on experimental data. Necessary data are taken from experiment performed in water tunnel on entomopter model. For this case dynamic test are required. Measurements are ducted during sinusoidal motion of whole model. Modelled object is dipterous. Each wing can perform various spherical motions (wing is rotated around point). The motion of the wing in this case was two-dimensional; it was rotated around two axis. As a model, specially trained neural network is used. For training are used data from measurement. Presented in this article approach is based on artificial neural networks. In this article, innovative concept of model, describing unsteady aerodynamics of entomopter was proposed. It was shown that it could be easily implemented as mathematical model. Unsteady effects related to many state variables can be easily captured. Model can be easily adopted to predict different states of flight by networks training on appropriate data. Test has to reproduce real conditions as close, as it is possible. In reality, it is challenging to design test that will reproduce similar motion.

Źródło:

Journal of KONES; 2018, 25, 4; 49-57
1231-4005
2354-0133

Pojawia się w:

Journal of KONES

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 21.

Tytuł:

Application of artificial neural networks in tribology - prediction and classification models

Autorzy:

Gocman, K.
Kałdoński, T.

Powiązania:

https://bibliotekanauki.pl/articles/244086.pdf

Data publikacji:

2009

Wydawca:

Instytut Techniczny Wojsk Lotniczych

Tematy:

tribology
boundary friction
ubricity
modelling of tribological processes
artificial neural networks

Opis:

The influence of load and rotational speed on wear and moment of friction is presented in this paper. The tests were carried out under both constant and increasing load and at wide range of rotational speed. During the tests moment offriction, oil temperature and weather conditions were registered. On the basis of obtained results neural models for prediction of wear, moment of friction and friction classifiers were created. The different kinds of artificial neural networks and different training algorithms were applied in order to obtain the best generalisation and quality of created models. All researches showed that artificial neural networks are useful as prediction and classification models. Because of too small teaching data models were limited only to two inputs - load and rotational speed and one output — wear, moment offriction or state. The best models achieved very good precision — testing error lower than 5%. It was also proved, that various types of networks have different usefulness for different applications. MLP networks turned out to be the best wear models, GRNN networks gave the best results as models of moment offriction and RBF networks were proved to be the best classifiers. To obtain model which will give better characterization of processes proceeded in tribological pairs, much more experiments to increase teaching data have to be conducted.

Źródło:

Journal of KONES; 2009, 16, 1; 137-144
1231-4005
2354-0133

Pojawia się w:

Journal of KONES

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 22.

Tytuł:

Modelling of UAV flight dynamics using perceptron artificial neural networks
Identyfikacja modelu dynamiki lotu bezpilotowego statku powietrznego z wykorzystaniem perceptronowego sztucznych sieci neuronowych

Autorzy:

Manerowski, J.
Rykaczewski, D.

Powiązania:

https://bibliotekanauki.pl/articles/281281.pdf

Data publikacji:

2005

Wydawca:

Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej

Tematy:

unmanned aerial vehicle (UAV)
flight mechanics
mathematical modelling
artificial neural networks

Opis:

The methodology of modelling flight dynamics of UAV using perceptron artificial neural networks has been presented. The modelling is based on experimental data recorded during flight characteristic and performance tests of UAVs that is a part of a set to give training to anti-aircraft artillery. The artificial neural network structure in quasi-static and dynamic flights have been given. The accuracy indexes also have been given.
W artykule przedstawiono metodologię modelowania dynamiki lotu bezpilotowego statku powietrznego z wykorzystaniem perceptronowych sztucznych sieci neuronowych. Modelowanie oparto na wynikach eksperymentu uzyskanych podczas badań własności lotnych i osiągów bezpilotowego statku powietrznego wchodzącego w zestaw celów powietrznych do szkolenia wojsk OPL. Podano, w zagadnieniu quasi-ustalonym oraz dynamicznym, strukturę sieci neuronowej odwzorowującej własności lotne takiego obiektu oraz wskaźniki oceny dokładności.

Źródło:

Journal of Theoretical and Applied Mechanics; 2005, 43, 2; 297-307
1429-2955

Pojawia się w:

Journal of Theoretical and Applied Mechanics

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 23.

Tytuł:

Prediction of Mechanical Properties of Woven Fabrics by ANN

Autorzy:

Elkateb, Sherien N.

Powiązania:

https://bibliotekanauki.pl/articles/2171977.pdf

Data publikacji:

2022

Wydawca:

Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych

Tematy:

ANN
artificial neural network
mechanical properties
prediction performance
modelling
woven fabric

Opis:

This study aims to obtain an accurate prediction model of mechanical properties of woven fabric to achieve customer satisfaction. Samples of plain woven fabric were produced from different yarn counts and blend ratios of cotton and polyester of weft yarn at different weft densities. Mechanical properties such as tensile strength, bending stiffness and elongation% in both the warp and weft directions were tested. The prediction model was based on Artificial Neural Networks (ANNs). For each model, thirty-nine samples were used for training and fifteen for testing prediction performance. Findings indicated that the ANN achieved a perfect performance in predicting all properties.

Źródło:

Fibres & Textiles in Eastern Europe; 2022, 4 (151); 54--59
1230-3666
2300-7354

Pojawia się w:

Fibres & Textiles in Eastern Europe

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 24.

Tytuł:

Artificial neural network modelling to predict optimum power consumption in wood machining

Autorzy:

Tiryaki, S.
Malkocoglu, A.
Ozsahin, S.

Powiązania:

https://bibliotekanauki.pl/articles/52411.pdf

Data publikacji:

2016

Wydawca:

Sieć Badawcza Łukasiewicz - Instytut Technologii Drewna

Tematy:

artificial neural network
modelling
optimization
power consumption
wood processing
planing
wood product

Źródło:

Drewno. Prace Naukowe. Doniesienia. Komunikaty; 2016, 59, 196
1644-3985

Pojawia się w:

Drewno. Prace Naukowe. Doniesienia. Komunikaty

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 25.

Tytuł:

A Life Factor Approach to the Yield Prediction: a Comparison with a Technological Approach in Reliability and Accuracy

Autorzy:

Lykhovyd, Pavlo

Powiązania:

https://bibliotekanauki.pl/articles/124852.pdf

Data publikacji:

2019

Wydawca:

Polskie Towarzystwo Inżynierii Ekologicznej

Tematy:

artificial neural network
life factor
multiple linear regression
technological factor
yield modelling

Opis:

There are a number of various approaches to the development of yield predictive models in agriculture. One of the most popular ones is based on the yield modeling from the parameters of crop cultivation technology. However, there is another view on the yield prediction models, which is based on the use of life factors as yielding parameters. Our study is devoted to the comparison of a conventional technological approach to the yield prediction with a less prevalent approach of life factor based yield modeling. The testing of two approaches was performed by using the yielding data of sweet corn cultivated in the field trials under the drip-irrigated conditions of the Southern Ukraine, under the different technological treatments, viz. plowing depth, nutrition, and crop density. We developed two multiple linear regression models to compare their efficiency in the yielding predictions. One of the models used cultivation technology parameters as the inputs while the other used life factors as the inputs. Life factors were expressed in numeric values by using the following converter: total water consumption of the crop was used as the factor of water, the total sum of positive temperatures was used as the factor of heat, and the total sum of the main nutrients (NPK) available in the soil was used as the factor of nutrition. The results of the study proved an equal accuracy and reliability of the studied models of sweet corn yields, which is obvious from the values of RSQ. RSQ of the both studied regression models was 0.897. However, additional check of the modeling approaches applied in the feed-forward artificial neural network showed that the life factor based model with the RSQ value of 0.953 provided better yield predictions than the technologically based model with the RSQ value of 0.913. Therefore, we concluded that the life factor approach should be preferred to the technological approach in the development of yield predictive models for agriculture.

Źródło:

Journal of Ecological Engineering; 2019, 20, 6; 177-183
2299-8993

Pojawia się w:

Journal of Ecological Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 26.

Tytuł:

The ANN approximation of the CH4 combustion model : the heat release

Autorzy:

Kowalski, J.

Powiązania:

https://bibliotekanauki.pl/articles/246946.pdf

Data publikacji:

2010

Wydawca:

Instytut Techniczny Wojsk Lotniczych

Tematy:

modelling
internal combustion engines
approximation
artificial neural network
combustion process
heat release

Opis:

The calculation of the heat release from the combustion process of the CH4 is presented of the paper. Correct calculation results of the heat released from combustion is important for design, modelling and testing phenomena in combustion chambers of internal combustion engines. The paper presents results of calculations for the kinetic mechanism of methane combustion GriMech 3 for different thermodynamic parameters and composition of the combusted mixture. The calculations were performed for all possible configurations of the variable temperaturę range from 1100K to 3600K, the variable pressure in the range of 2MPa to 5MPa, variable humidity of charged air from 10 to 30 grams of water per l kg of air and variable mole fractions of charge air. Results of the kinetic calculation of combustion process are qualitatively consistent with the data available in literature. The next stage of research was approximation of obtained results with the trained artificial neural network. Input data needed to approximate the energy of the combustion process consisted of 52 mole fractions of chemical species and temperature and pressure process. Approximation results have meant square error not exceeded 0.04% for the test data and 0.02% for the validation data. The maximum error for a single result was 1.9% compared to data obtained with chemical kinetic calculations.

Źródło:

Journal of KONES; 2010, 17, 2; 225-232
1231-4005
2354-0133

Pojawia się w:

Journal of KONES

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 27.

Tytuł:

Character-based recurrent neural networks for morphological relational reasoning

Autorzy:

Mogren, Olof
Johansson, Richard

Powiązania:

https://bibliotekanauki.pl/articles/103847.pdf

Data publikacji:

2019

Wydawca:

Polska Akademia Nauk. Instytut Podstaw Informatyki PAN

Tematy:

morphological analogies
morphological inflection
morphological reinflection
recurrent neural network
character-based modelling

Opis:

We present a model for predicting inflected word forms based on morphological analogies. Previous work includes rule-based algorithms that determine and copy affixes from one word to another, with limited support for varying inflectional patterns. In related tasks such as morphological reinflection, the algorithm is provided with an explicit enumeration of morphological features which may not be available in all cases. In contrast, our model is feature-free: instead of explicitly representing morphological features, the model is given a demo pair that implicitly specifies a morphological relation (such as write: writes specifying infinitive:present). Given this demo relation and a query word (e.g. watch), the model predicts the target word (e.g. watches). To address this task, we devise a character-based recurrent neural network architecture using three separate encoders and one decoder. Our experimental evaluation on five different languages shows that the exact form can be predicted with high accuracy, consistently beating the baseline methods. Particularly, for English the prediction accuracy is 94.85%. The solution is not limited to copying affixes from the demo relation, but generalizes to words with varying inflectional patterns, and can abstract away from the orthographic level to the level of morphological forms.

Źródło:

Journal of Language Modelling; 2019, 7, 1; 139-170
2299-856X
2299-8470

Pojawia się w:

Journal of Language Modelling

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 28.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 29.

Tytuł:

Modelling values of river macrophyte metrics using artificial neural networks

Autorzy:

Gebler, D.
Kayzer, D.
Budka, A.
Szoszkiewicz, K.

Powiązania:

https://bibliotekanauki.pl/articles/60958.pdf

Data publikacji:

2012

Wydawca:

Polska Akademia Nauk. Stowarzyszenie Infrastruktura i Ekologia Terenów Wiejskich PAN

Tematy:

modelling value
river
macrophyte
river ecology
metrics
artificial neural network
water quality

Opis:

The results of field research at 230 river sections located throughout Poland were used to examine the possibility of predicting values of macrophyte metrics of ecological status. Artificial intelligence methods such as artificial neural networks were used in the modelling. The physicochemical parameters of water (alkalinity, conductivity, nitrate and ammonium nitrogen, reactive and total phosphorus, and biochemical oxygen demand) were used as the explanatory (modelling) variables. The explained (modelled) parameters were the Polish MIR (Macrophyte Index for Rivers), the British MTR (Mean Trophic Rank) and the French IBMR (River Macrophytes Biological Index). The quality of the constructed models was assessed using the normalized root mean square error (NRMSE) and the r–Pearson’s linear correlation coefficient between variables modelled by the networks and calculated on the basis of the botanical research. These analyses demonstrated that the network modelling MIR values had the highest accuracy. The lowest prediction accuracy was obtained for MTR and IBMR indices. The differences between particular models are likely to result from better adjustment of the Polish method to local rivers (particularly in terms of indicator species used).

Źródło:

Infrastruktura i Ekologia Terenów Wiejskich; 2012, 1/IV
1732-5587

Pojawia się w:

Infrastruktura i Ekologia Terenów Wiejskich

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 30.

Tytuł:

Free running ship model tests of interaction between a moored ship and a passing ship

Autorzy:

Raszeja, Magdalena
Hejmlich, Andrzej
Nowicki, Jacek
Jaworski, Tomasz

Powiązania:

https://bibliotekanauki.pl/articles/24202583.pdf

Data publikacji:

2022

Wydawca:

Akademia Morska w Szczecinie. Wydawnictwo AMSz

Tematy:

interaction forces
safe mooring
fuzzy model
neural network
numerical modelling
bypassing ship

Opis:

For many reasons, ship model interaction tests are performed in experimental towing tanks. This paper presents research on the hydrodynamic forces acting on a ship tied up at the solid berth, which is produced by other ships passing by using free-running ship models with much larger dimensions than those used in towing tanks. A passing ship model was controlled by a human operator – an experienced master. This enabled a study of the influence of the interaction impact on the course of the maneuver. The research was carried out at the Ship Handling Research and Training Centre in Iława. The ship model was moored alongside and equipped with multi-directional force sensors linking the ship model with a solid berth. Forces were measured as a function of the passing ship speed, side distance between both ships, ship sizes, and depth-to-draft ratio (H/T). Forces were measured in two planes: the longitudinal (surge) and the transversal (sway). A numerical database was processed and ordered according to the variables. The fuzzy model was created within a “Matlab” computing environment using a Sugeno-type self-learning neuron network model. The proposed Sugeno model was evaluated with other methods presented by Flory (2002), Seelig (2001), and PASS-MOOR by Wang (1975). The ultimate goal of this study was to simplify the method of predictive calculations for adjusting speed and distance when passing by the moored ship, which ensures compliance with safe port mooring requirements.

Źródło:

Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2022, 72 (144); 50--56
1733-8670
2392-0378

Pojawia się w:

Zeszyty Naukowe Akademii Morskiej w Szczecinie

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 31.

Tytuł:

Neural modelling of electricity prices quoted on the Day-Ahead Market of TGE S.A. shaped by environmental and economic factors

Autorzy:

Ruciński, Dariusz

Powiązania:

https://bibliotekanauki.pl/articles/2052267.pdf

Data publikacji:

2020

Wydawca:

Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach

Tematy:

Polish Power Exchange
day ahead market
DAM
artificial neural network
system modelling
MATLAB

Opis:

The paper contains the results of research on the impact of the number of factors used to build the Day-Ahead Market model at Polish Power Exchange S.A. Five models with a different number of factors influencing the model were tested. To test the quality of models according to the adopted evaluation criteria, i.e., mean square error and the coefficient of determination for the weighted average prices sold in a given hour of the day, the influence of weather factors, socio-economic factors and energy demand were adopted. The results obtained from the analysis show a relatively high correctness of the simplest of the adopted models, which differs slightly from the best model.

Źródło:

Studia Informatica : systems and information technology; 2020, 1-2(24); 25-35
1731-2264

Pojawia się w:

Studia Informatica : systems and information technology

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 32.

Tytuł:

A neural-fuzzy approach for fault diagnosis of hybrid dynamical systems: demonstration on three-tank system

Autorzy:

Achbi, Mohammed Said
Kechida, Sihem
Mhamdi, Lotfi
Dhouibi, Hedi

Powiązania:

https://bibliotekanauki.pl/articles/1837950.pdf

Data publikacji:

2021

Wydawca:

Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej

Tematy:

hybrid dynamic systems
modelling
residual generation
evaluation
monitoring
fault diagnosis
neural - fuzzy approach

Opis:

This work is part of the diagnostic field of hybrid dynamic systems (HDS) whose objective is to ensure proper operation of industrial facilities. The study is initially oriented to the modelling approach dedicated to hybrid dynamical systems (HDS). The objective is to look for an adequate model encompassing both aspects (continuous and event). Then, fault diagnosis technique is synthesised using artificial intelligence (AI) techniques. The idea is to introduce a hybrid version combining neural networks and fuzzy logic for residual generation and evaluation. The proposed approach is then validated on three tank system. The modelling and diagnosis approaches are developed using MATLAB/Simulink environment.

Źródło:

Acta Mechanica et Automatica; 2021, 15, 1; 1-8
1898-4088
2300-5319

Pojawia się w:

Acta Mechanica et Automatica

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 33.

Tytuł:

Evolutionary algorithm inspired by the methods of quantum computer sciences for the improvement of a neural model of the electric power exchange

Autorzy:

Tchórzewski, J.
Ruciński, D.

Powiązania:

https://bibliotekanauki.pl/articles/94729.pdf

Data publikacji:

2017

Wydawca:

Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie

Tematy:

Artificial Neural Network
Matlab language
modelling
quantum computation
Polish Power Exchange
day ahead market

Opis:

The work contains results of research on the possibility to improve the neural model of the Electric Power Exchange (polish: Towarowa Giełda Energii Elektrycznej – TGEE) in MATLAB and Simulink environment using evolutionary algorithm inspired by quantum computer science. The developed artificial neural network was trained using data for the Day Ahead Market, assuming the joint volume of supplied and sold electrical energy [MWh] as the input quantities in each hour of the 24-hour day, and average prices [PLN/MWh] as output quantities. The obtained model of the exchange system was improved using the evolutionary algorithm, and further improvement in the accuracy of the model by supplementing the evolutionary algorithm using quantum solutions, related to the initial population, crossover and mutation operators, selection, etc. were proposed.

Źródło:

Information Systems in Management; 2017, 6, 4; 343-355
2084-5537
2544-1728

Pojawia się w:

Information Systems in Management

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 34.

Tytuł:

Wykorzystanie modeli sieci neuronowych do identyfikacji składu litologicznego rudy miedzi
Application of neural networks models to lithological composition determination of copper ore

Autorzy:

Krawczykowska, A.
Trybalski, K.
Krawczykowski, D.

Powiązania:

https://bibliotekanauki.pl/articles/349707.pdf

Data publikacji:

2009

Wydawca:

Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH

Tematy:

typy litologiczne rud miedzi
modelowanie
sieci neuronowe
lithological types of copper ore
modelling
neural networks

Opis:

Artykuł dotyczy zastosowania modeli sieci neuronowych w rozpoznawaniu typów litologicznych rudy miedzi. Do sprawdzenia zdolności predykcyjnych najskuteczniejszych modeli wykorzystano zbiory danych uzyskane z analizy zdjęć skaningowych dwóch charakterystycznych mieszanek różnych typów litologicznych: mieszanki z przewagą rudy piaskowcowej oraz mieszanki z przewagą rudy węglanowej i łupkowej. Wyniki rozpoznawania porównano z rzeczywistymi udziałami poszczególnych typów litologicznych rud miedzi w analizowanych mieszankach.
The paper concerns the application of neural networks models in recognition of lithological types of copper ore. To verify the predictive abilities of the most efficient models, the data sets given by scanning photos analyzes of two characteristic mixtures of various lithological types were applied. These were mixture with the advantage of sandstone ore and mixture with the advantage of carbonate and shale ores. The results of recognition were compared with the real contents of individual lithological types of copper ore in analyzed mixtures.

Źródło:

Górnictwo i Geoinżynieria; 2009, 33, 4; 141-151
1732-6702

Pojawia się w:

Górnictwo i Geoinżynieria

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 35.

Tytuł:

Development of a neural statistical model for the prediction of relative humidity levels in the region of Rabat-Kenitra, North West Morocco

Autorzy:

El Azhari, Kaoutar
Abdallaoui, Badreddine
Dehbi, Ali
Abdalloui, Abdelaziz
Zineddine, Hamid

Powiązania:

https://bibliotekanauki.pl/articles/2174362.pdf

Data publikacji:

2022

Wydawca:

Instytut Technologiczno-Przyrodniczy

Tematy:

artificial neural network
ANN
learning algorithm
multi-layer perceptron
MLP
modelling
Rabat-Kenitra
relative humidity

Opis:

This article accounts for the development of a powerful artificial neural network (ANN) model, designed for the prediction of relative humidity levels, using other meteorological parameters such as the maximum temperature, minimum temperature, precipitation, wind speed, and intensity of solar radiation in the Rabat-Kenitra region (a coastal area where relative humidity is a real concern). The model was applied to a database containing a daily history of five meteorological parameters collected by nine stations covering this region from 1979 to mid-2014. It has been demonstrated that the best performing three-layer (input, hidden, and output) ANN mathematical model for the prediction of relative humidity in this region is the multi-layer perceptron (MLP) model. This neural model using the Levenberg-Marquard algorithm, with an architecture of [5-11-1] and the transfer functions Tansig in the hidden layer and Purelin in the output layer, was able to estimate relative humidity values that were very close to those observed. This was affirmed by a low mean squared error (MSE) and a high correlation coefficient (R), compared to the statistical indicators relating to the other models developed as part of this study.

Źródło:

Journal of Water and Land Development; 2022, 54; 13--20
1429-7426
2083-4535

Pojawia się w:

Journal of Water and Land Development

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 36.

Tytuł:

Modelowanie neuronowe wybranych obiektów rolniczych z wykorzystaniem superformuły Johana Gielisa
Neuronal modelling of selected agricultural objects with usage of Johan Gieliss supershape

Autorzy:

Boniecki, P.
Olszewski, T.

Powiązania:

https://bibliotekanauki.pl/articles/334299.pdf

Data publikacji:

2008

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

modelowanie neuronowe
sieć neuronowa
superformuła Johana Gielisa
neuronal modelling
neural network
Johan Gielis's supershape formula

Opis:

Celem pracy było badanie mozliwości klasyfikacyjnych sieci neuronowych w procesie identyfikacji ziarniaków pszenicy, jęczmienia oraz kukurydzy. Wykorzystana metoda separacji polegała na rozpoznawaniu różnic kształtów analizowanych obiektów. W celu identyfikacji kształtu, a następnie zakodowania pozyskanych danych empirycznych do postaci zbiorów uczących, wykorzystano tzw. superformułę zaproponowaną przez Johana Gielisa. Formuła ta pozwala na odwzorowanie dowolnego kształtu za pomocą sześciu niezależnych parametrów.
The aim of the work was to study the classifying possibilities of neural networks in the identification process of the wheat's, barley's and corn's kernel. Applied separation method depended on recognizing the shape differences of analysed objects. In order to identify the shape, and afterwards to encode the obtained empirical data into the training data sets the Johan Gielis's supershape formula was used. This formula permits for projection of any shape with a help of six independent parameters.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2008, 53, 1; 22-25
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 37.

Tytuł:

Time-varying time-delay estimation for nonlinear systems using neural networks

Autorzy:

Tan, Y.

Powiązania:

https://bibliotekanauki.pl/articles/907277.pdf

Data publikacji:

2004

Wydawca:

Uniwersytet Zielonogórski. Oficyna Wydawnicza

Tematy:

modelowanie procesu
opóźnienie czasowe
układ nieliniowy
sieć neuronowa
modelling
time delay
nonlinear systems
neural networks
estimation

Opis:

Nonlinear dynamic processes with time-varying time delays can often be encountered in industry. Time-delay estimation for nonlinear dynamic systems with time-varying time delays is an important issue for system identification. In order to estimate the dynamics of a process, a dynamic neural network with an external recurrent structure is applied in the modeling procedure. In the case where a delay is time varying, a useful way is to develop on-line time-delay estimation mechanisms to track the time-delay variation. In this paper, two schemes called direct and indirect time-delay estimators are proposed. The indirect time-delay estimator considers the procedure of time-delay estimation as a nonlinear programming problem. On the other hand, the direct time-delay estimation scheme applies a neural network to construct a time-delay estimator to track the time-varying time-delay. Finally, a numerical example is considered for testing the proposed methods.

Źródło:

International Journal of Applied Mathematics and Computer Science; 2004, 14, 1; 63-68
1641-876X
2083-8492

Pojawia się w:

International Journal of Applied Mathematics and Computer Science

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 38.

Tytuł:

Data mining workspace as an optimization prediction technique for solving transport problems
Решение задачи прогнозирования в транспортной отрасли с помощью методов data mining

Autorzy:

Kuptcova, A.
Průša, P.
Federko, G.
Molnár, V.

Powiązania:

https://bibliotekanauki.pl/articles/375552.pdf

Data publikacji:

2016

Wydawca:

Politechnika Śląska. Wydawnictwo Politechniki Śląskiej

Tematy:

time series prediction
data mining
neural network
modelling
predykcja szeregów czasowych
eksploracja danych
sieć neuronowa
modelowanie

Opis:

This article addresses the study related to forecasting with an actual high-speed decision making under careful modelling of time series data. The study uses data-mining modelling for algorithmic optimization of transport goals. Our finding brings to the future adequate techniques for the fitting of a prediction model. This model is going to be used for analyses of the future transaction costs in the frontiers of the Czech Republic. Time series prediction methods for the performance of prediction models in the package of Statistics are Exponential, ARIMA and Neural Network approaches. The primary target for a predictive scenario in the data mining workspace is to provide modelling data faster and with more versatility than the other management techniques.
В данной статье рассматривается задача прогнозирования временных рядов, которая заключается в построении модели для предсказания будущих событий. В исследовании используются методы интеллектуального анализа данных. Модель прогнозирования позволяет адекватно оценивать исследуемый процесс. Целью исследования является изучение динамики расходов при реализации экспортной продукции. Прогнозирование осуществляется с помощью ARIMA-модели, на основе метода экспоненциального сглаживания и по технологии логической нейронной сети. Построение базового и быстрого сценария прогнозирования является важным и ответственным этапом в научной деятельности.

Źródło:

Transport Problems; 2016, 11, 3; 21-31
1896-0596
2300-861X

Pojawia się w:

Transport Problems

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 39.

Tytuł:

Comprehensive analysis of reclamation of spent lubricating oil using green solvent: RSM and ANN approach

Autorzy:

Sarkar, Sayantan
Datta, Deepshikha
Chowdhury, Somnath
Das, Bimal

Powiązania:

https://bibliotekanauki.pl/articles/2173421.pdf

Data publikacji:

2022

Wydawca:

Polska Akademia Nauk. Czytelnia Czasopism PAN

Tematy:

modelling
optimization
extraction-flocculation
artificial neural network
genetic algorithm
modelowanie
optymalizacja
sztuczna sieć neuronowa
algorytm genetyczny

Opis:

Waste lubricating oil (WLO) is the most significant liquid hazardous waste, and indiscriminate disposal of waste lubricating oil creates a high risk to the environment and ecology. Present investigation emphasizes the re-refining of used automobile engine oil using the extraction-flocculation approach to reduce environmental hazards and convert the waste to energy. The extraction-flocculation process was modeled and optimized using response surface methodology (RSM), artificial neural network (ANN), and genetic algorithm (GA). The present study assessed parametric effects of refining time, refining temperature, solvent to waste oil ratio, and flocculant dosage. Experimental findings showed that the percentage of yield of recovered oil is to the tune of 86.13%. With the Central Composite Design approach, the maximum percentage of extracted oil is 85.95%, evaluated with 80 minutes of refining time, 50.17 C refining temperature, 7:1 solvent to waste oil ratio and flocculant dosage of 3 g/kg of solvent and 86.71% with 79.97 minutes refining time, 55.53 C refining temperature, 4.89:1 g/g solvent to waste oil ratio, 2.99 g/kg of flocculant concentration with Artificial Neural Network. A comparison shows that the ANN gives better results than the CCD approach. Physico-chemical properties of the recovered lube oil are comparable with the properties of fresh lubricating oil.

Źródło:

Chemical and Process Engineering; 2022, 43, 2; 119--135
0208-6425
2300-1925

Pojawia się w:

Chemical and Process Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 40.

Tytuł:

Numerical prediction of component-ratio-dependent compressive strength of bone cement

Autorzy:

Machrowska, Anna
Karpiński, Robert
Jonak, Józef
Szabelski, Jakub
Krakowski, Przemysław

Powiązania:

https://bibliotekanauki.pl/articles/117777.pdf

Data publikacji:

2020

Wydawca:

Polskie Towarzystwo Promocji Wiedzy

Tematy:

artificial neural networks
mathematical modelling
biomaterials
bone cement
sztuczne sieci neuronowe
modelowanie matematyczne
biomateriały
cement kostny

Opis:

Changes in the compression strength of the PMMA bone cement with a variable powder/liquid component mix ratio were investigated. The strength test data served to develop basic mathematical models and an artificial neural network was employed for strength predictions. The empirical and numerical results were compared to determine modelling errors and assess the effectiveness of the proposed methods and models. The advantages and disadvantages of mathematical modelling are discussed.

Źródło:

Applied Computer Science; 2020, 16, 3; 87-101
1895-3735

Pojawia się w:

Applied Computer Science

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 41.

Tytuł:

Modelowanie różnic parametrów termicznych powietrza mierzonych metodami standardową i automatyczną
Neural network modelling of air temperature differences measured with standard and automatic method

Autorzy:

Kajewska-Szkudlarek, J.

Powiązania:

https://bibliotekanauki.pl/articles/35906.pdf

Data publikacji:

2016

Wydawca:

Polska Akademia Nauk. Instytut Agrofizyki PAN

Tematy:

powietrze
temperatura powietrza
parametry termiczne
sieci neuronowe
modelowanie
air
air temperature
thermal parameter
neural network
modelling

Opis:

W pracy analizowano szeregi czasowe dobowych różnic między wynikami standardowych i automatycznych pomiarów trzech parametrów termicznych powietrza – temperatury średniej, maksymalnej i minimalnej. Celem pracy było stworzenie modelu analizowanych szeregów czasowych z wykorzystaniem sztucznych sieci neuronowych, które posłużyły do identyfikacji pojawiających się w nich wzorców oraz ich powtarzalności. Wykorzystano wyniki badań prowadzonych w okresie 2000-2009 na terenie Obserwatorium Uniwersytetu Przyrodniczego Wrocław- Swojec. Do realizacji założonego celu wykorzystano sieci perceptronowe o pojedynczej warstwie ukrytej, stworzone w programie MATLAB (Neural Network Toolbox) oraz STATISTICA 10. Analizowano architekturę opracowanych sieci, liczbę cykli w procesie uczenia, zmiany wartości błędu średniokwadratowego i zależności między wartościami parametrów uzyskanych z pomiarów za pomocą przyrządów meteorologicznych oraz prognozowanych przez sieci. Pomimo wielu prób nie uzyskano modelu o zadowalającej jakości. Stwierdzono, że szeregi czasowe miały charakter białego szumu, czyli występowanie różnic między obiema metodami pomiaru temperatury powietrza cechowała losowość i brak wyraźnej cykliczności oraz trendu.
The paper presents an analysis of time series concerning diurnal differences between standard and automatic results of measurements of three air thermal parameters – mean (Tm), maximum (Tmax) and minimum (Tmin) temperature. By means of artificial neural networks an attempt at identification of the occurring patterns and their repetition was made. The study was conducted in the period of 2000-2009 on the site of Agro- and Hydrometeorology Observatory Wroclaw-Swojec which belongs to the Wroclaw University of Environmental and Life Sciences. In order to achieve the intended aim, single-layer perceptron networks were used, created in MATLAB (Neural Network Toolbox) and STATISTICA 10. The following aspects were subjected to the analysis: the architecture of the developed networks, the number of cycles in the learning process, the changes in Mean Squared Error (MSE), and the correlations between the values of the parameters obtained by means of meteorological instruments and the ones prognosticated by the networks. Despite multiple attempts, no model of satisfying quality was obtained. It was concluded that the nature of the time series was that of white noise, meaning that the occurrence of differences between both air temperature measurement methods were characterised by randomness and a lack of visible circularity and trend.

Źródło:

Acta Agrophysica; 2016, 23, 3
1234-4125

Pojawia się w:

Acta Agrophysica

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 42.

Tytuł:

Wear of Railway Tyre Steels Modelling Using Artificial Neural Networks
Modelowanie zużycia stali na obręcze kół kolejowych za pomocą sztucznych sieci neuronowych

Autorzy:

Witaszek, Mirosław
Witaszek, Kazimierz

Powiązania:

https://bibliotekanauki.pl/articles/1857830.pdf

Data publikacji:

2020

Wydawca:

Stowarzyszenie Inżynierów i Techników Mechaników Polskich

Tematy:

wear
tyre steels
artificial neural networks
modelling
zużycie
stale na obręcze kół kolejowych
sztuczne sieci neuronowe
modelowanie

Opis:

In the paper the results of sliding wear tests were used to model the dependence of steel volume loss on railway wheel tyres on selected material parameters and sliding conditions. The material properties included in this modelling were the hardness and chemical composition of the tyre material (specimens) and the hardness of the mating material (counter-specimens). The conditions for sliding were the initial maximum Hertzian pressure and the sliding distance. The tests were carried out in the ring-block system. Artificial neural networks were used for modelling. It was found that the constructed model made it possible to quantify the volume loss from the above–mentioned factors. A clear influence of the pressure, friction distance, and hardness of both cooperating materials on the studied wear was found. The influence of the chemical composition is less noticeable due to the rather narrow range of its allowable changes. The microscopic tests allowed us to identify the main wear mechanisms in the sliding friction of the tested tyre and rail steels.
W pracy przedstawiono wykorzystanie wyników badań zużycia przy tarciu ślizgowym do modelowania zależności zużycia objętościowego stali na obręcze kół kolejowych od wybranych parametrów materiału i warunków współpracy. Własnościami materiału uwzględnionymi w tym modelowaniu były twardość oraz skład chemiczny materiału obręczy (próbki) oraz twardość materiału współpracującego (przeciwpróbki). Warunkami współpracy były początkowy, maksymalny nacisk Hertza i droga tarcia. Badania przeprowadzono w układzie klocek–krążek. Do modelowania wykorzystano sztuczne sieci neuronowe. Stwierdzono, że zbudowany model pozwolił na określenie zależności ilościowych ubytku objętościowego od wyżej wymienionych czynników. Wskazano występowanie wyraźnego wpływ nacisku, drogi tarcia, twardości obu współpracujących materiałów na badane zużycie. Wpływ składu chemicznego jest mniej zauważalny z powodu dość wąskiego zakresu dopuszczalnych jego zmian. Badania mikroskopowe pozwoliły na zidentyfikowanie głównych mechanizmów zużywania przy tarciu ślizgowym badanych stali obręczowych i szynowej.

Źródło:

Tribologia; 2020, 294, 6; 77-85
0208-7774

Pojawia się w:

Tribologia

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 43.

Tytuł:

Application of Artificial Neural Networks to Predict the Air Permeability of Woven Fabrics
Zastosowanie sztucznych sieci neuronowych do przewidywania przepuszczalność powietrza tkanin

Autorzy:

Matusiak, M.

Powiązania:

https://bibliotekanauki.pl/articles/233122.pdf

Data publikacji:

2015

Wydawca:

Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych

Tematy:

woven fabrics
air permeability
artificial neural networks
modelling
tkaniny
przepuszczalność powietrza
sztuczne sieci neuronowe
modelowanie
przepływ powietrza

Opis:

Air permeability is one of the most important utility properties of textile materials as it influences air flow through textile material. Air permeability plays a significant role in textiles for clothing due to their influence on physiological comfort. Air permeability is also very important in technical textiles, especially for filtration, automotive airbags, parachutes, etc. The air permeability of textile materials depends on their porosity. There are a lot of structural properties of textile materials influencing air permeability and there are also statistically significant interactions between the main factors influencing the air permeability of fabrics. It justifies the application of artificial neural networks (ANNs) to predict the air permeability of textile materials on the basis of their structural parameters. Within the framework of the work presented ANNs were applied to predict the air permeability of cotton woven fabrics.
Przepuszczalność powietrza jest jedną z ważniejszych właściwości użytkowych materiałach włókienniczych. Wpływa ona na przepływ powietrza przez materiał włókienniczy. Przepuszczalność powietrza odgrywa istotną rolę w materiałach włókienniczych przeznaczonych na odzież z uwagi na ich wpływ na odczuwanie komfortu fizjologicznego. Przepuszczalność powietrza jest także bardzo ważna w przypadku tekstyliów technicznych, w szczególności przeznaczonych na filtry, spadochrony,poduszki powietrzne itp. Przepuszczalność powietrza materiałów włókienniczych zależy od ich porowatości. Istnieje wiele właściwości strukturalnychmateriałów włókienniczych wpływających na przepuszczalność powietrza. Występują również statystycznie istotne interakcje pomiędzy głównymi czynnikami wpływającymi na przepuszczalność powietrza tkanin. To uzasadnia zastosowanie sztucznych sieci neuronowych do przewidywania przepuszczalności powietrza materiałów włókienniczych na podstawie ich parametrów strukturalnych. W ramach niniejszej pracy sztuczne sieci neuronowe zostały zastosowane do przewidywania przepuszczalności powietrza tkanin bawełnianych.

Źródło:

Fibres & Textiles in Eastern Europe; 2015, 1 (109); 41-48
1230-3666
2300-7354

Pojawia się w:

Fibres & Textiles in Eastern Europe

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 44.

Tytuł:

Self-organizing feature maps and selected conventional numerical methods for assessment of environmental quality

Autorzy:

Kosiba, P

Powiązania:

https://bibliotekanauki.pl/articles/56451.pdf

Data publikacji:

2009

Wydawca:

Polskie Towarzystwo Botaniczne

Tematy:

neural network
bioindication
modelling
degradation
numerical method
environment quality
Self-Organising Feature Map
natural ecosystem
environment pollution

Opis:

The investigations concerned sites of Acer platanoides L. infected or not by Rhytisma aceriniu (Pers.) Fr. The aim of the study was to check the occurrence of R. acerinium, and whether it reflects the environmental status. Furthermore, an analysis was carried out to find out whether the applied SOFM offers additional advantages to solve problems in relation to conventional methods. Concentrations of selected elements in soils and leaves, and leaf and "tar-spot" morphometric traits were also measured. A significant differentiation was found between sites in relation to the analyzed traits. It appeared, that sites showing lower concentrations of chemical elements and proper developmental habitat conditions massive infections take place. The study showed that R. acerinium is a good biological indicator for assessment of environmental status. The applied, conventional statistical methods, SOFM and image techniques showed similar, but not identical results for assessment of environmental quality using R. acerinium. SOFM appeared to be more useful for ordination of results and ought to be taken into account as a proper tool of estimation of various plants and their biotopes.

Źródło:

Acta Societatis Botanicorum Poloniae; 2009, 78, 4; 335-343
0001-6977
2083-9480

Pojawia się w:

Acta Societatis Botanicorum Poloniae

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 45.

Tytuł:

Detekcja nieszczelności kotła fluidalnego z użyciem modeli rozmyto-neuronowych
Approach to boiler leak detection with fuzzy neural models

Autorzy:

Szadkowski, B.
Jankowska, A.

Powiązania:

https://bibliotekanauki.pl/articles/257517.pdf

Data publikacji:

2011

Wydawca:

Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy

Tematy:

detekcja awarii
systemy rozmyto-neuronowe
kocioł fluidalny
modelowanie
detection of outage
fuzzy-neural system
fluidised bed boiler
modelling

Opis:

Zreferowano badania modelowe nad detekcją nieszczelności kotłów fluidalnych z wykorzystaniem danych z archiwum. Modelowanie prowadzono w przyborniku Fuzzy Logic pakietu Matlab. Omówiono dwa podejścia do rozwiązania problemu. W pierwszym - opracowano modele rozmyto-neuronowe typu Takagi-Sugeno-Kanga (TSK) 4 zmiennych procesowych o dużej wrażliwości na przeciek. Uśrednione residua tych zmiennych, w przesuwnym oknie czasowym, pozwoliły wykryć 7 z 8 rozważanych przypadków nieszczelności. Oceniono długość okna i uzyskane wyprzedzenie detekcji względem wyłączenia bloku. Następnie opracowano i przetestowano model awarii o binarnym wyjściu. Równoległe wykorzystanie opracowanych modeli pozwoliło na wykrycie z kilkudniowym wyprzedzeniem wszystkich analizowanych awarii, potwierdzając przydatność modeli TSK w ważnym zadaniu eksploatacyjnym. Wskazano dalsze kierunki prac.
The research results into leak detection in a fluidised bed boiler are presented. The studies took advantage of the historical data from DCS in the professional power plant. Models of neuro-fuzzy Takagi-Sugeno-Kanga (TSK) type were built and tested in the Fuzzy Toolbox of Matlab. The roots of boiler outage (in water-steam pressure system and aside from this system) are indicated. The two approaches to leak detection task are described. In the first, the models of the 4 process variables sensitive to leakage were built. The residues of these models were evaluated in a moving time window. The length of the time window and the advance of leakage detection are discussed. Next, the model the TSK of the boiler faults with binary output was built and tested. Training data was collected for 3 cases of raised outage (models output - 1) and the normal work of installation (models output - 0). The parallel usage of proposed TSK models provided a successful detection of all studied fault cases a few days in advance. This has confirmed the suitability of the fuzzy neural models in an important exploitation task.

Źródło:

Problemy Eksploatacji; 2011, 2; 181-188
1232-9312

Pojawia się w:

Problemy Eksploatacji

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 46.

Tytuł:

Określanie mechanicznych właściwości skał na podstawie właściwości fizycznych przy użyciu sztucznych sieci neuronowych
Prediction of mechanical properties of rocks based on their physical properties using Artificial Neural Networks

Autorzy:

Słota-Valim, M.

Powiązania:

https://bibliotekanauki.pl/articles/1835231.pdf

Data publikacji:

2018

Wydawca:

Instytut Nafty i Gazu - Państwowy Instytut Badawczy

Tematy:

właściwości sprężyste
właściwości wytrzymałościowe
sztuczne sieci neuronowe
modelowanie geomechaniczne
elastic properties
strength properties
Artificial Neural Networks
geomechanical modelling

Opis:

W niniejszej pracy opracowano szereg związków między poszukiwaną cechą geomechaniczną, w tym parametrami sprężystymi – modułem Younga (E) i współczynnikiem Poissona (ʋ) oraz parametrami wytrzymałościowymi – wytrzymałością na ściskanie jednoosiowe (UCS) oraz stałą Biota (α), a cechami ośrodka, które najczęściej są standardowo mierzone lub szacowane dla większości obiektów złożowych. Cel pracy realizowano na obiekcie o potencjale węglowodorowym, w którym przedmiotem zainteresowania był interwał osadów dolnego paleozoiku, zdeponowanych w północnej części basenu bałtyckiego na obszarze koncesji Wejherowo. Do opracowania związków między poszukiwaną właściwością geomechaniczną ośrodka skalnego a innymi, standardowo mierzonymi lub interpretowanymi cechami fizycznymi skały zastosowano sztuczne sieci neuronowe z użyciem algorytmu wstecznej propagacji błędów (ang. back propagation). Algorytm wstecznej propagacji był wykorzystywany w środowisku oprogramowania Petrel (Schlumberger).
In this work, a number of relationships were found between the geomechanical properties, including elastic moduli – Young’s modulus (E) and Poisson’s ratio (ʋ) and strength properties – uniaxial compression strength (UCS) and Biot’s coefficient (α), and commonly measured and interpreted properties, fitting in a standard exploration of the reservoir rock. For this purpose, the shale formation of lower Paleozoic age deposited in the northern part of the Baltic Basin were investigated. An artificial neural network using back propagation algorithm, was used to develop the relationship between the geomechanical properties and other, more commonly measured or interpreted physical properties of rocks.

Źródło:

Nafta-Gaz; 2018, 74, 5; 343-355
0867-8871

Pojawia się w:

Nafta-Gaz

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 47.

Tytuł:

Heuristic modeling of objects and processes using dynamic neural networks
Heurystyczne modelowanie obiektów i procesów przy pomocy dynamicznych sieci neuronowych

Autorzy:

Przystałka, P.

Powiązania:

https://bibliotekanauki.pl/articles/327816.pdf

Data publikacji:

2006

Wydawca:

Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN

Tematy:

sztuczna sieć neuronowa
lokalnie rekurencyjna sieć neuronowa
systemy dynamiczne
metoda quasi-Newtonowska
modelowanie heurystyczne
artificial neural network
locally recurrent neural network
dynamic systems
quasi-Newton methods
heuristic modelling

Opis:

The methodology of heuristic modeling is one of the subjects included in the activities developed by the Department of Fundamentals of Machinery Design [4, 6]. Among all the approaches of heuristic modeling some of the most common are artificial neural networks. There are many papers and books devoted to applications of neural networks for modeling dynamic systems [1, 2, 4, 5, 6, 7]. In this paper, known approach basing on dynamic neuron model is presented (dynamic neuron with IIR filter in the activation block [2]) but some developments are introduced. Locally recurrent networks which are composed of dynamic neural units described in [2, 5, 7] are able to model behavior of complex dynamic systems. Nevertheless, they have one major disadvantage, that is, neural networks composed of these neurons are not able to represent stochastic behaviors of some objects [4,6]. By introducing the ARMAX (or ARX) system into dynamic neuron model author has received dynamic neuron unit that never behaves in the same way (it brings an artificial neuron closer and closer to the biological model). In this paper the author presents formal description of dynamic neuron unit with ARMAX system in the feedback block. There are also described a general structure of dynamic neural network composed of these neurons, two known training methods and some commonly used quality measures. At the end of the paper three examples of applications are given.
Metodologia heurystycznego modelowania obiektów i procesów jest jednym z kierunków badań rozwijanym prze Katedrę Podstaw Konstrukcji Maszyn [4, 6]. Spośród wielu metod modelowania heurystycznego duże znaczenie odgrywają metody bazujące na sztucznych sieciach neuronowych. Można wyróżnić wiele ciekawych prac badawczych prowadzonych w kierunku modelowania systemów dynamicznych z zastosowaniem tego typu narzędzia [1, 2, 4, 5, 6, 7]. W artykule zaprezentowano znane podejście bazujące na dynamicznych neuronach (dynamiczny neuron z filtrem IIR w bloku aktywacyjnym [2]) z pewnymi modyfikacjami. Lokalnie rekurencyjne sieci neuronowe złożone z dynamicznych neuronów opisane w [2, 5, 7] nadają się do modelowania zachowania złożonych systemów dynamicznych. Jednakże, posiadają one jedną główną wadę tzn. nie są zdolne do reprezentowania zachowania losowego niektórych obiektów [4, 6]. Poprzez wprowadzenie systemu typu ARMAX (ARX) do modeli dynamicznych neuronów autor otrzymał dynamiczny model neuronu, który nigdy nie zachowują się w ten sam sposób (przybliża to model sztucznego neuronu do jego biologicznego wzoru). W artykule autor prezentuje formalny opis dynamicznego neuronu z systemem typu ARMAX w bloku sprzężenie zwrotnego. Opisuje również ogólną strukturę dynamicznej sieci neuronowej złożonej z tych neuronów, dwa znane algorytmy trenujące oraz powszechnie stosowane miary jakości. Przykładowe zastosowania opisywanych sieci zaprezentowane są w końcowym fragmencie opracowania.

Źródło:

Diagnostyka; 2006, 2(38); 31-36
1641-6414
2449-5220

Pojawia się w:

Diagnostyka

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 48.

Tytuł:

Black box efficiency modelling of an electric drive unit utilizing methods of machine learning

Autorzy:

Bauer, Lukas
Stütz, Leon
Kley, Markus

Powiązania:

https://bibliotekanauki.pl/articles/1956031.pdf

Data publikacji:

2021

Wydawca:

Polskie Towarzystwo Promocji Wiedzy

Tematy:

electromobility
powertrain
electric drives
artificial neural network
efficiency modelling
elektromobilność
układ napędowy
napędy elektryczne
sztuczna sieć neuronowa
modelowanie wydajności

Opis:

The increasing electrification of powertrains leads to increased demands for the test technology to ensure the required functions. For conventional test rigs in particular, it is necessary to have knowledge of the test technology's capabilities that can be applied in practical testing. Modelling enables early knowledge of the test rigs dynamic capabilities and the feasibility of planned testing scenarios. This paper describes the modelling of complex subsystems by experimental modelling with artificial neural networks taking transmission efficiency as an example. For data generation, the experimental design and execution is described. The generated data is pre-processed with suitable methods and optimized for the neural networks. Modelling is executed with different variants of the inputs as well as different algorithms. The variants compare and compete with each other. The most suitable variant is validated using statistical methods and other adequate techniques. The result represents reality well and enables the performance investigation of the test systems in a realistic manner.

Źródło:

Applied Computer Science; 2021, 17, 4; 5-19
1895-3735

Pojawia się w:

Applied Computer Science

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 49.

Tytuł:

Neural networks as a friction classifiers
Sieci neuronowe jako klasyfikatory tarcia

Autorzy:

Gocman, K.
Kałdoński, T.

Powiązania:

https://bibliotekanauki.pl/articles/257827.pdf

Data publikacji:

2007

Wydawca:

Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy

Tematy:

tarcie graniczne
zatarcie
modelowanie procesów tarcia
sztuczna sieć neuronowa
boundary friction
seizure
modelling of friction processes
artificial neural network

Opis:

Preliminary results of the influence of load and rotational speed on the moment of friction and wear of a tribological pair are presented in the paper. Tests were carried out at rotational speeds of about 100-2000 rpm and loads of about 500-6000 N. During the tests, the moment of friction, oil temperature and weather conditions were registered. After the tests, the conditions of the wear of tribological pairs were measured. The analysis of results was developed, and a friction classifier was built using artificial neural networks (ANN). The different training algorithms were applied to obtain the best quality models.
W artykule przedstawiono wstępne wyniki badań wpływu obciążenia i prędkości obrotowej na wartość momentu tarcia i zużycie pary ciernej. Badania przeprowadzono w szerokim zakresie obciążeń (500-6000 N) i prędkości obrotowych (100-2000 obr./min). W czasie pomiarów rejestrowano wartość momentu tarcia, temperaturę środka smarnego oraz warunki otoczenia. Po zakończeniu testów wyznaczono zużycie elementów pary ciernej. Po przeprowadzonej analizie wyników, na bazie sztucznych sieci neuronowych zbudowano klasyfikator tarcia. W czasie budowy modeli zastosowano różne algorytmy uczące, tak aby uzyskać jak najlepszą jakość klasyfikatorów.

Źródło:

Problemy Eksploatacji; 2007, 4; 111-118
1232-9312

Pojawia się w:

Problemy Eksploatacji

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 50.

Tytuł:

Development of cost estimation models based on ANN ensembles and the SVM method

Autorzy:

Juszczyk, Michał

Powiązania:

https://bibliotekanauki.pl/articles/396649.pdf

Data publikacji:

2020

Wydawca:

Uniwersytet Zielonogórski. Oficyna Wydawnicza

Tematy:

construction cost estimation
cost modelling
ensemble of neural networks
support vector machine
koszty budowy
modelowanie kosztów
zespół sieci neuronowych

Opis:

Cost estimation, as one of the key processes in construction projects, provides the basis for a number of project-related decisions. This paper presents some results of studies on the application of artificial intelligence and machine learning in cost estimation. The research developed three original models based either on ensembles of neural networks or on support vector machines for the cost prediction of the floor structural frames of buildings. According to the criteria of general metrics (RMSE, MAPE), the three models demonstrate similar predictive performance. MAPE values computed for the training and testing of the three developed models range between 5% and 6%. The accuracy of cost predictions given by the three developed models is acceptable for the cost estimates of the floor structural frames of buildings in the early design stage of the construction project. Analysis of error distribution revealed a degree of superiority for the model based on support vector machines.

Źródło:

Civil and Environmental Engineering Reports; 2020, 30, 3; 48-67
2080-5187
2450-8594

Pojawia się w:

Civil and Environmental Engineering Reports

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce