Temat: neural network application - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Application of neural networks in prediction of tensile strength of absorbable sutures
Autorzy:: Karpiński, R.
Gajewski, J.
Szabelski, J.
Barta, D.
Powiązania:: https://bibliotekanauki.pl/articles/117922.pdf
Data publikacji:: 2017
Wydawca:: Polskie Towarzystwo Promocji Wiedzy
Tematy:: neural network application
forecasting
sutures tensile
aplikacja sieci neuronowej
prognozowanie
rozciąganie szwów
Opis:: The paper presents results of research on neural network application in fore-casting the tensile strength of two types of sutures. The preliminary research was conducted in order to establish the accuracy of the proposed method and will be used for formulating further research areas. The neu-ral network enabled evaluation of suture material degradation after 3-to-6-days’ exposure to Ringer’s solution. The encountered problems regarding inaccuracies show that developing a single model for sutures may be difficult or impossible. Therefore future research should be conducted for a single type of sutures only and require applying additional parameters for the neural network.
Źródło:: Applied Computer Science; 2017, 13, 4; 76-86
1895-3735
Pojawia się w:: Applied Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Logical network design of microbearing systems
Autorzy:: Wierzcholski, K.
Powiązania:: https://bibliotekanauki.pl/articles/242043.pdf
Data publikacji:: 2011
Wydawca:: Instytut Techniczny Wojsk Lotniczych
Tematy:: artificial neural network
propositional calculus application
optimum of solutions
Opis:: This paper presents the some applications of logical network analysis in topological form as an Artificial Neural Networks (ANN) intelligence component implemented regard to the optimum calculations of micro-bearing operating parameters such as hydrodynamic pressure, carrying load capacity, and optimum measurements of friction forces, friction coefficient and micro-bearing wear. Efficient functioning of slide micro-bearings systems require to choice the proper journal shapes, bearing materials, roughness of bearing surfaces and many other features to which belongs capability to the processes and control. Artificial intelligence of micro-bearing leads to the creating and indicating of the network logical models to describe most simple and most proper topological graphical schemes presenting the design of anticipated processes. Application of the logical network analysis into the micro-bearing HDD design is the subject-matter of this paper. Mechanism of neuron activity, basic scheme of detection system in modern of Atomic Force Microscope, tip radius estimation, input impulse, tribo-topology logical network scheme mechanism, tribo-topology logical network analysis scheme mechanism, the pressure distributions in cylindrical micro-bearings caused by the rotation in circumferential direction and magnetic field, the view from the film origin and from film end are presented in the paper.
Źródło:: Journal of KONES; 2011, 18, 2; 455-462
1231-4005
2354-0133
Pojawia się w:: Journal of KONES
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Application of neural networks for control of district heating
Wykorzystanie sieci neuronowych do regulacji w ciepłownictwie
Autorzy:: Chmielnicki, W. J.
Powiązania:: https://bibliotekanauki.pl/articles/230702.pdf
Data publikacji:: 2010
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: sieć neuronowa
regulacja
ciepłownictwo
zastosowanie
neural network
control
district heating
application
Opis:: The annual usage of heat for the demand of heating systems in municipal sector has been estimated as about 650PJ. It is mostly addressed for the demand of central heating systems and hot water consumption. The mode of adopted solutions concerning regulation and control, as well as energy management system, essentially influence its consumption. In the case of residential buildings, the costs of energy constitute the greatest share related to the total cost of building maintenance. Providing buildings with modern digital systems for control and regulation of heating installations is a basic condition enabling their rational usage. In currently employed solutions, algorithms PI or PID are usually applied. However, due to the non-linear properties of heating control systems, they do not secure proper quality. The sequences are often unstable and major control deviations occur. The application of neural networks is an alternative solution to those presently employed. They are especially recommended for adaptive control of non-stationary systems. Such cases occur in heating objects since they demonstrate non-linear properties with a great range of variability of parameters; this especially refers to district heating equipped with flux-through heat exchangers. A compile model of heating system control aided by neural networks is presented. The results of the investigation clearly prove the usefulness of such solutions, cause the quality of control is much better than that one applied in traditional systems. Presently, works on the implementation of the proposed solutions are under way.
Roczne zużycie ciepła na potrzeby ciepłownicze w Polsce w sektorze komunalno-bytowym, szacowane jest na około 650PJ. W znacznej części przeznaczone ono jest na potrzeby centralnego ogrzewania i ciepłej wody użytkowej. Instotny wpły na jego zużycie ma rodzaj przyjętych rozwiązań dotyczących regulacji i sterowania oraz systemów zarządzania energią. W przypadku budynków mieszkalnych koszty energii stanowią największy udział w stosunku do całkowitych kosztów związanych z eksploatacją budynku. Podstawowym warunkiem umożliwiającym racjonalne jej zużycie jest wyposażenie budynku w nowoczesne cyfrowe systemy do regulacji i sterowania instalacji ciepłowniczych. W stosowanych obecnie rozwiązaniach wykorzystuje się zwykle algorytmy Pl lub PlD. Jednak ze względu na nieliniowe właściwości ciepłowniczych obiektów regulacji, nie zapewniają one odpowiedniej jakości. Często przebiegi mają charakter niestabilny i dochodzi do znacznych odchyłek regulacji. Alternatywą do stosowanych obecnie rozwiązań jest wykorzystanie sieci neuronowych. Są one szczególnie zalecane do sterowania adaptacyjnego układów niestacjonarnych. Takie przypadki występują w obiektach cieplnych, gdyż mają one właściwości nieliniowe o bardzo dużym zakresie zmienności parametrów, dotyczy to zwłaszcza węzłów ciepłowniczych wyposażonych w przepływowe wymienniki ciepła. W pracy przedstawiono opracowany model sterowania węzłów ciepłowniczych za pomocą sieci neuronowych. Wyniki badań wyraźnie wskazują na celowość takich rozwiązań, gdyż jakość regulacji jest znacznie lepsza aniżeli w przypadku stosowania układów tradycyjnych. Aktualnie trwają prace nad wdrożeniem zaproponowanych rozwiązań.
Źródło:: Archives of Civil Engineering; 2010, 56, 3; 219-238
1230-2945
Pojawia się w:: Archives of Civil Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Application of artificial neural network and genetic algorithm to healthcarewaste prediction
Autorzy:: Arabgol, S.
Ko, H. S.
Powiązania:: https://bibliotekanauki.pl/articles/91848.pdf
Data publikacji:: 2013
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:: artificial neural network
ANN
application
hospital
genetic algorithm
GA
healthcare waste
Opis:: Prompt and proper management of healthcare waste is critical to minimize the negative impact on the environment. Improving the prediction accuracy of the healthcare waste generated in hospitals is essential and advantageous in effective waste management. This study aims at developing a model to predict the amount of healthcare waste. For this purpose, three models based on artificial neural network (ANN), multiple linear regression (MLR), and combination of ANN and genetic algorithm (ANN-GA) are applied to predict the waste of 50 hospitals in Iran. In order to improve the performance of ANN for prediction, GA is applied to find the optimal initial weights in the ANN. The performance of the three models is evaluated by mean squared errors. The obtained results have shown that GA has significant impact on optimizing initial weights and improving the performance of ANN.
Źródło:: Journal of Artificial Intelligence and Soft Computing Research; 2013, 3, 4; 243-250
2083-2567
2449-6499
Pojawia się w:: Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Application of artifical neural networks in planning track superstructure repairs
Zastosowanie sztucznych sieci neuronowych w planowaniu napraw nawierzchni kolejowej
Autorzy:: Bałuch, H.
Nowosińska, I.
Powiązania:: https://bibliotekanauki.pl/articles/1849768.pdf
Data publikacji:: 2020
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: nawierzchnia kolejowa
planowanie napraw
sieć neuronowa sztuczna
zastosowanie
track superstructure
repair planning
neural network
application
Opis:: The diagnostics of track superstructure, which involves geometric measurements, direct observation and railroad surveillance, provides the basis for making decisions regarding the commencement of repair works. Planning repairs and increasing the probability of making the right decision at the right time also requires knowledge of the basic performance specifications of a given railway line, especially the maximum train speed and the permissible traffic volume. The article discusses a way to plan the repairs of track superstructure using artificial neural networks. It features a description of the process of designing, building and training a neural network, based on which a way to predict the degree of urgency of repairs has been discussed. The conclusions point towards the potential advantages of neurocomputers in the process of track superstructure maintenance.
Diagnostyka nawierzchni kolejowej obejmująca pomiary geometryczne, obserwacje bezpośrednie lub obrazy wizyjne stanowi podstawę do podejmowania decyzji o przystępowaniu do napraw. Planowanie napraw i zwiększenie prawdopodobieństwa trafności podjętej decyzji o właściwym czasie wykonania wymaga też znajomości podstawowych charakterystyk eksploatacyjnych określonej linii kolejowej, głównie zaś maksymalnej prędkości pociągów oraz natężenia przewozów. W artykule przedstawiono możliwość planowania napraw nawierzchni kolejowej przy zastosowaniu sztucznych sieci neuronowych. Scharakteryzowano proces projektowania, budowy i uczenia sieci neuronowej, na podstawie którego przedstawiono możliwość predykcji stopnia pilności naprawy. W podsumowaniu przedstawiono możliwości wykorzystania neurokomputerów w procesie utrzymania nawierzchni kolejowej.
Źródło:: Archives of Civil Engineering; 2020, 66, 4; 45-60
1230-2945
Pojawia się w:: Archives of Civil Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "neural network application" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język