Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "neural modelling" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 64
Tytuł:
Dynamic Neural Networks for Process Modelling in Fault Detection and Isolation Systems
Autorzy:
Korbicz, J.
Patan, K.
Obuchowicz, A.
Powiązania:
https://bibliotekanauki.pl/articles/908291.pdf
Data publikacji:
1999
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
wykrywanie błędu
sieć neuronowa dynamiczna
modelowanie nieliniowe
algorytm inteligentny
fault detection
dynamic neural networks
non-linear modelling
learning algorithms
FL-classifier
two-tank system
Opis:
A fault diagnosis scheme for unknown nonlinear dynamic systems with modules of residual generation and residual evaluation is considered. Main emphasis is placed upon designing a bank of neural networks with dynamic neurons that model a system diagnosed at normal and faulty operating points.To improve the quality of neural modelling, two optimization problems are included in the construction of such dynamic networks: searching for an optimal network architecture and the network training algorithm. To find a good solution, the effective well-known cascade-correlation algorithm is adapted here. The residuals generated by a bank of neural models are then evaluated by means of pattern classification. To illustrate the effectiveness of our approach, two applications are presented: a neural model of Narendra's system and a fault detection and identification system for the two-tank process.
Źródło:
International Journal of Applied Mathematics and Computer Science; 1999, 9, 3; 519-546
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
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
Artykuł
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
Artykuł
Tytuł:
Modelowanie kartograficzne z wykorzystaniem neurorozmytych automatów komórkowych
Using of neuro-fuzzy cellular automata for cartographic modelling
Autorzy:
Olszewski, R.
Powiązania:
https://bibliotekanauki.pl/articles/130338.pdf
Data publikacji:
2003
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
automaty komórkowe
modelowanie nieliniowe
generalizacja
sieci neuronowe
systemy wnioskowania rozmytego
cellular automata
non-linear modelling
generalization
neural networks
fuzzy inference systems
Opis:
Mapa jako środek przekazu informacji chorologicznej, tj. informacji o rozmieszczeniu obiektów i zjawisk w przestrzeni geograficznej, podlega ograniczeniom wynikającym z zakresu pojemności informacyjnej. W procesie przekazu kartograficznego istnieje zatem konieczność celowego uogólnienia informacji źródłowej realizowanego poprzez generali-zację. Jednym ze sposobów generalizacji jest agregacja danych przestrzennych. Istnieje wiele algorytmicznych metod agregacji, większość z nich związana jest z generalizacją danych zapisanych w formacie wektorowym. Dla danych źródłowych w postaci rastrowej wymaga to pracochłonnej wstępnej konwersji formatu raster → wektor oraz wynikowej konwersji wektor → raster. Autor podjął próbę zastosowania bezpośredniej agregacji obiektów powierzchniowych na obrazach rastrowych. Przeprowadzone badania wskazują na celowość zastosowania metod tzw. sztucznej inteligencji obliczeniowej, jako metody kartograficznego modelowania tak zdefiniowanych danych źródłowych. W artykule omówiono trzy wybrane metody sztucznej inteligencji obliczeniowej (automaty komórkowe, sztuczne sieci neuronowe i systemy wnioskowania rozmytego) oraz ich zastosowanie w procesie generalizacji kartograficznej.
Investigations which have been performed by the author justify utilisation of methods of the, so-called, artificial intelligence, as a complex method of cartographic modelling of source data. Of the many existing methods for area aggregation a majority concern maps in vector format. The author investigated some approaches to direct aggregation of area objects in raster maps. This includes cellular automata, neural networks and fuzzy inference systems. The essence of cellular automata is the ability to create complex, global patterns and spatial behaviour, based on simple rules of changes of local range and on knowledge concerning individual cells. Therefore a model of the cartographic generalization process, combining the nature of quantitative generalization of the content and the form with the nature of qualitative generalization, may be developed based on the theory of non-linear cellular automata.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2003, 13a; 171-180
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
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
Artykuł
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
Artykuł
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
Artykuł
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
Artykuł
Tytuł:
Optimization of structure of neural models using distributed computing environment
Optymalizacja struktury modeli neuronowych z zastosowaniem rozproszonego środowiska obliczeniowego
Autorzy:
Tomanek, A.
Przystałka, P.
Adamczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/327638.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
rozproszone obliczenia
klastery typu ad-hoc
sztuczna sieć neuronowa
modelowanie heurystyczne
optymalizacja struktury sieci neuronowej
distributed computing
ad-hoc computing clusters
artificial neural network
heuristic modelling
optimizing neural network architecture
Opis:
The main aim of this paper was to identify the optimal structures of considered neural models using the distributed computing environment. In this paper distributed optimizing of feed-forward neural network architectures for given problems is presented. The computing environment is composed of a few important packages and modules and has been created by the authors in order to aid developing some soft computing methods [4], where a lot of calculations are needed. At the beginning the authors decided to adapt a simple systematic-search algorithm that searches through every possible combination of network structures. Since this class of algorithms requires large amount of computation the distributed computing system was employed.
Głównym celem przeprowadzonych badań było zidentyfikowania optymalnej struktury rozpatrywanych modeli neuronowych z zastosowaniem środowiska do obliczeń rozproszonych. W artykule zaprezentowano zastosowanie systemu do rozproszonej optymalizacji struktury sztucznej sieci neuronowej typu perceptron wielowarstwowy dla zadanego problemu. Prezentowane środowisko obliczeniowe jest złożone z kilku pakietów oraz modułów i zostało utworzone przez autorów w celu wspomagania rozwoju metodologii modelowania heurystycznego [4], gdzie niezbędnych jest wiele obliczeń. W początkowym stadium rozwoju oprogramowania autorzy zastosowali prosty algorytm przeszukiwania systematycznego każdej możliwej kombinacji struktury sieci. Ponieważ tego typu algorytmy z reguły wymagają dużych mocy obliczeniowych, postanowiono wykorzystać system omawiany w niniejszym artykule.
Źródło:
Diagnostyka; 2006, 4(40); 15-18
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The application of the process modelling of anodic wet-stripping of CrN multi-layer coatings for characteristics prediction
Zastosowanie modelowania do prognozowania przebiegu anodowego rozpuszczania złożonych powłok CrN
Autorzy:
Bujak, J.
Ruta, R.
Trzos, M.
Powiązania:
https://bibliotekanauki.pl/articles/256710.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
powłoka CrN
rozpuszczanie anodowe
modelowanie statystyczne
sztuczna sieć neuronowa
model prognostyczny
multi-layer coating
anodic wet-stripping
statistical modelling
artificial neural network
prognostic model
Opis:
The paper presents the results of experimental research on a process of anodic wet-stripping of CrN multi-layer coatings. The stripping rate was correlated with the coating structure and the current density of the stripping process. The experimental data was statistically analysed and regression models of stripping thickness were created as a function of stripping time. The obtained results indicated that the anodic wet-stripping process can be described by means of linear function only in the case of one-layer coatings. Moreover, the general neural network model was created as a complex model including both quantitative and qualitative variables characterising the wet-stripping process. The developed models enable the estimation of the character and time of the stripping process, depending on the coating thickness, structure and current parameters.
W artykule przedstawiono wyniki badań eksperymentalnych anodowego procesu rozpuszczania złożonych powłok CrN. Uzyskane wyniki poddano analizie statystycznej, w rezultacie której wyznaczono modele regresyjne przebiegu procesu rozpuszczania w funkcji czasu. Ponadto wykorzystując sztuczne sieci neuronowe opracowano kompleksowy model procesu rozpuszczania anodowego. Opracowane modele umożliwiają oszacowanie przebiegu i czasu rozpuszczania w zależności od grubości powłoki oraz zastosowanych parametrów prądowych.
Źródło:
Problemy Eksploatacji; 2006, 4; 7-16
1232-9312
Pojawia się w:
Problemy Eksploatacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie danych lotniczego skaningu laserowego do klasyfikacji pokrycia terenu dla modelowania hydrodynamicznego
The use of airborne laser scanning data to land cover supervised classification for hydrodynamic modelling
Autorzy:
Tymków, P.
Borkowski, A.
Powiązania:
https://bibliotekanauki.pl/articles/129560.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
digital terrain model (DTM)
lotniczy skaning laserowy
klasyfikacja nadzorowana
sztuczna sieć neuronowa
numeryczny model terenu
modelowanie hydrodynamiczne
airborne laser scanning (ALS)
supervised classification
artificial neural network
hydrodynamic modelling
Opis:
Badania nad problematyką zapobiegania powodzi wymagają budowy modeli matematycznych przepływów wezbraniowych. Obliczenia hydrodynamiczne wykonywane są w oparciu o dane charakteryzujące geometrię doliny rzeki oraz opory przepływu, które zależą od pokrycia terenu. W artykule podjęto próbę wykorzystania danych lotniczego skaningu laserowego, wykonanego na potrzeby budowy numerycznego modelu terenu (NMT) dla modelowania hydrodynamicznego, do automatycznej nadzorowanej klasyfikacji pokrycia terenu. Klasyfikację tę oparto o wielowarstwowe sztuczne sieci neuronowe typu feed-forward. Wektor cech klasyfikowanych obiektów (klasyfikacja per-piksel) stanowiły dane o wysokości form pokrycia terenu, kolorowe zdjęcia lotnicze, dane charakteryzujące teksturę obszarów na zdjęciach oraz intensywność odbicia fali elektromagnetycznej skaningu laserowego. Wysokości form pokrycia terenu obliczone zostały na podstawie NMT i numerycznego modelu pokrycia terenu (NMPT) wygenerowanego z danych skaningu lotniczego. Niemetryczne zdjęcia lotnicze wykonane aparatem cyfrowym, poddane kalibracji i mozaikowaniu, stanowiły źródło informacji o jasności odbicia światła obiektów oraz były podstawą obliczeń teksturowych opartych o metodę macierzy sąsiedztwa (GLCM). Jako wektory uczące sieci neuronowej wybrano dziesięć pól testowych o powierzchni 400 m², w tym pięć klas roślinności wysokiej. Otrzymane rezultaty przedstawiono w formie graficznej oraz wykonano ilościową ocenę zgodności wyników z klasyfikacją przeprowadzoną w sposób manualny. Obliczone w tym celu wartości współczynnika κ potwierdzają dużą zgodność wyników klasyfikacji automatycznej z oczekiwanym rezultatem.
Flood protection research requires building mathematic models of flood flows. Hydraulic calculations are carried out on the basis of geometrical description of the valley as well as on surface roughness which depends on a land cover. Currently, geometric description of the modeling area in the form of cross-sections is often replaced with a digital terrain model (DTM). The data which is required to build DTM can be collected with photogrammetry or the airborne laser scanning method. An attempt at using airborne laser scanning data which was made for DTM and digital surface model (DSM) interpolation, for supervised classification of land cover was discussed. The classification was based on feed-forward artificial neural networks. Two cases were investigated: variant I - overall classification using one artificial neural network with 2 hidden layers of 10 neurons and variant II - individual recognition using different networks with one hidden layer of 10 neurons for each class. The feature vector of classified object (per-pixel classification) included: data concerning vegetation height, color aerial photographs, texture features and laser wave intensities. Heights of vegetation were calculated on the basis of DTM and DSM which were created for hydrodynamic modelling. Non-metric aerial photographs were taken by digital camera. After calibration and mosaic they served as sources of information about the lightness of objects. It was also a basis of GLCM (Grey Level Co-occurrence Matrix) texture feature calculations. Ten training fields of 400 m² were chosen as training vectors. Five of them represented various types of high vegetation. The collected data were visualized and computed numerically. A Kappa (κ) coefficient built on the basis of a confusion matrix was used for the quantitative assessment. The high similarity of the obtained results and reference data was confirmed by the value of the calculated kappa coefficient. Better results were obtained for individual classification (variant II) when the kappa value was 0.86.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 537-546
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
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
Artykuł
Tytuł:
Water trophicity of Utricularia microhabitats identified by means of SOFM as a tool in ecological modeling
Autorzy:
Kosiba, P
Stankiewicz, A.
Powiązania:
https://bibliotekanauki.pl/articles/58060.pdf
Data publikacji:
2007
Wydawca:
Polskie Towarzystwo Botaniczne
Tematy:
cluster analysis
artificial neural network
ecological modelling
water trophicity
environment protection
microhabitat
validation
global change
Utricularia
SOFM method
natural ecosystem
Opis:
The study objects were 48 microhabitats of five Utricularia species in Lower and Upper Silesia (POLAND). The aim of the paper was to focus on application of the Self-Organizing Feature Map in assessment of water trophicity in Utricularia microhabitats, and to describe how SOFM can be used for the study of ecological subjects. This method was compared with the hierarchical tree plot of cluster analysis to check whether this techniques give similar results. In effect, both topological map of SOFM and dendrogram of cluster analysis show differences between Utricularia species microhabitats in respect of water quality, from eutrophic for U. vulgaris to dystrophic for U. minor and U. intermedia. The used methods give similar results and constitute a validation of the SOFM method in this type of studies.
Źródło:
Acta Societatis Botanicorum Poloniae; 2007, 76, 3
0001-6977
2083-9480
Pojawia się w:
Acta Societatis Botanicorum Poloniae
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wybrane problemy projektowania i eksploatacji sieci rozdzielczych
Selected problems of design and operation of power distribution networks
Autorzy:
Kulczycki, J.,
Brożek, J.
Strzałka, J.
Kot, A.
Szpyra, W.
Powiązania:
https://bibliotekanauki.pl/articles/154201.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
elektroenergetyczne sieci rozdzielcze
regulacja napięcia
generacja rozproszona
modelowanie i symulacja
estymacja napięcia
estymacja strat mocy
algorytmy ewolucyjne
sztuczne sieci neuronowe
power distribution networks
voltage control
dispersed generation
system modelling and
system modelling and simulation
voltage estimation
power losses estimation
evolutionary algorithms
artificial neural networks
Opis:
Elektroenergetyczne sieci rozdzielcze stanowią ważne ogniwo systemu elektroenergetycznego. Optymalne projektowanie i efektywna eksploatacja tych sieci jest przedmiotem badań prowadzonych w wielu ośrodkach naukowych. W artykule przedstawiono wybrane problemy projektowania i eksploatacji elektroenergetycznych sieci rozdzielczych będące przedmiotem badań naukowych realizowanych w Laboratorium Sieci i Systemów Elektroenergetycznych Katedry Elektroenergetyki Akademii Górniczo-Hutniczej w Krakowie.
Power distribution networks are an important element of the Electric Power System. The problems of optimal development and effective utilization of these networks is subject of works realized in many research institutes. In the paper there are presented selected results of scientific research realized in the Networks and Power Systems Laboratory of Department of Electrical Power AGH University of Science and Technology.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 3, 3; 123-130
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
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
Artykuł
Wyświetlanie 1-15 z 64

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies