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 network method" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 29
Tytuł:
Prediction of mortality rates in heart failure patients with data mining methods
Autorzy:
Bohacik, J.
Kambhampati, C.
Davis, D. N.
Cleland, J. G. F.
Powiązania:
https://bibliotekanauki.pl/articles/908867.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
Tematy:
heart failure
data mining
prediction of mortality rates
home telemonitoring
Bayesian network method
decision tree method
neural network method
nearest neighbour method
Opis:
Heart failure is one of the severe diseases which menace the human health and affect millions of people. Half of all patients diagnosed with heart failure die within four years. For the purpose of avoiding life-threatening situations and minimizing the costs, it is important to predict mortality rates of heart failure patients. As part of a HEIF-5 project, a data mining study was conducted aiming specifically at extracting new knowledge from a group of patients suffering from heart failure and using it for prediction of mortality rates. The methodology of knowledge discovery in databases is analyzed within the framework of home telemonitoring. Several data mining methods such as a Bayesian network method, a decision tree method, a neural network method and a nearest neighbour method are employed. The accuracy for the data mining methods from the point of view of avoiding life-threatening situations and minimizing the costs is discussed. It seems that the decision tree method achieves the best accuracy results and is also interpretable for the clinicians.
Źródło:
Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica; 2013, 13, 1; 7-16
1732-1360
2083-3628
Pojawia się w:
Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie neuronowej metody estymacji parametrów spalania do regulacji pracy palnika pyłowego
Application of neural network method of estimation of combustion parameters for control of pulverised coal burner
Autorzy:
Wójcik, W.
Smolarz, A.
Powiązania:
https://bibliotekanauki.pl/articles/157795.pdf
Data publikacji:
2005
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
neuronowa metoda estymacji parametrów
spalanie
regulacja pracy palnika pyłowego
neural network method of estimation
combustion parameters
control of pulverised coal burner
Opis:
W kotłach energetycznych pracuje od kilkunastu do kilkudziesięciu palników i sterowanie na podstawie pomiarów uśrednionych lub opóźnionych (np. z analizatorów gazowych umieszczonych na kominie), jest często za mało efektywne. Wady tej nie miałaby regulacja pracy pojedynczego palnika ale brak metody pomiaru jego parametrów spalania. W artykule opisane są próby pozyskiwania informacji o emisji tlenków azotu i tlenku wegla na podstawie, opracowanego w Katedrze Elektroniki i Politechniki Lubelskiej, światłowodowego układu monitorujacego wybrane strefy płomienia w pojedynczym palniku. Do estymacji emisji zostały użyte sieci neuronowe. Sygnały z systemu estymacji zostały wykorzystane do budowy regulatora pojedynczego palnika stabilizujacego wielkość emisji NOx. W artykule zawarte są wyniki symulacji takiego układu regulacji.
There are even several tens of burners operating in a power boiler so control based on averaged and delayded measurements (e.g. from gas analysers located in flue gas duct) often results ineffective. control of individual burner would not have such disadvantage but there is a lack of method of measurement of its combustion parameters. the article describes attempts to acquire information about emission of nitrogen oxides and carbon monoxide from fiberoptic system for flame monitoring, developed in Department of Electronics of Lublin University of technology. Artificial neural networks have been used for estimation of emission. Signals for, estimation system have been used to build the controller stabilising emission of NOx from a single burner. results of simuklation tests are included.
Źródło:
Pomiary Automatyka Kontrola; 2005, R. 51, nr 3, 3; 30-33
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Impact of the saturation current IS and ideality factor N on the performance of the characteristic (I-V) of a solar cell
Wpływ prądu nasycenia IS i współczynnika doskonałości złącza n na charakterystykę (I-V) ogniwa słonecznego
Autorzy:
Khalis, M.
Masrour, R.
Mir, Y.
Zazoui, M.
Powiązania:
https://bibliotekanauki.pl/articles/29520331.pdf
Data publikacji:
2019
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
dark
illumination current–voltage
Si
GaAs
CIGS
current saturation
ideality factor
defect
neural network method
aktualne nasycenie
współczynnik idealności
wada
metoda sieci neuronowej
Opis:
The performance of a solar cell mainly is due to the quality of the starting material. During the production of the solar cell, several defects in different regions of the material appear. These defects degrade the efficiency of the solar cell. Thorough knowledge of the physical properties of defects requires highly sophisticated electrical current-voltage (I-V) characterization techniques that provide information on the physical origin of the defects. The characteristic (I-V) of the cell is governed by several parameters, such as the saturation current Is and the ideality factor n which are the indicators of the quality of the solar cell. These parameters significantly reflect the existence of defects in the material. On the other hand, the use of such a characteristic to go back to the nature of the defects is not widespread because it lacks a data base between the main defects and the modification of the characteristic (I-V). To extract the different parameters, we developed a method based on artificial neurons in Matlab code, then we applied this method to the following cells: GaAs, Si-mono and polycrystalline and CIGS thin-film cells by applying the model with two diodes. The results obtained demonstrate that the behavior of the ideality factor and the saturation current vary from one cell to another. This variance is important for polycrystalline Si and CIGS cells. Thus, this model is the most suitable for the diagnosis of the characteristics (IV) for Si and GaAs, but remains incoherent (Mismatches) to describe the characteristic of the CIGS cell because of the non-uniform presence of shunt defects which allowed us to add another component of the leakage current. Finally, this method correlates with the experimental characteristic (I-V).
Zachowanie się ogniw słonecznych zależy w dużej mierze od jakości materiału. W procesie wytwarzania baterii może pojawić się szereg wad w różnych jej częściach. Te wady obniżają wydajność ogniwa. Dokładna analiza właściwości fizycznych wad wymaga dokładnego określenia charakterystyki prądowonapięciowej (I-V), która dostarczyłaby informacji o przyczynie tych wad. Charakterystyka prądowo-napięciowa (I-V) baterii zależy od szeregu parametrów takich jak prąd nasycenia Is, i współczynnik doskonałości złącza n, które są wskaźnikami jakości baterii. Te parametry dobrze odzwierciedlają istnienie wad w materiale. Z drugiej strony, ze względu na brak danych dotyczących korelacji między głównymi wadami i zmianami charakterystyk (IV), wykorzystanie tych charakterystyk do określenia natury powstałych wad nie jest rozpowszechnione. Aby rozróżnić wpływ różnych parametrów opracowano metodę wykorzystującą sztuczną sieć neuronową i oprograowanie MatLab. Tę metodę zastosowano do następujących ogniw słonechnych: GaAs, Si-mono and polikrystaliczny oraz cienkie warstwy CIGS popraz zaqstosowanie modelu z dwoma diodami. Uzyskane wyniki wykazały, że zachowanie się współczynnika doskonałości złącza i prądu nasycenia zmienia się dla różnych ogniw. Te różnice są ważne zarówno dla ogniw Si jak i CIGS. Stąd opracowany model jest najbardziej przydatny do diagnozowania charakterystyk (I-V) dla ogniw Si i GaAs, ale jest niespójny przy opisie ogniw CIGS, ponieważ występują w nich w sposób nierównomierny wady powodujące zwarcie elektrod. To pozwoliło Autorom dodać prąd upływu, jako dodatkowy parameter modelu. W artykule potwierdzono zgodność opracowanej metody z doświadczalnymi charakterystykami (I-V).
Źródło:
Computer Methods in Materials Science; 2019, 19, 4; 163-169
2720-4081
2720-3948
Pojawia się w:
Computer Methods in Materials Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid, finite element-artificial neural network model for composite materials
Zastosowanie sztucznych sieci neuronowych w modelowaniu numerycznym kompozytów przy pomocy metody elementów skończonych
Autorzy:
Lefik, M.
Powiązania:
https://bibliotekanauki.pl/articles/281993.pdf
Data publikacji:
2004
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
artificial neural network
composite materials
self-learning FE method
Opis:
An application of Artificial Neural Networks for a definition of the effective constitutive law for a composite is described in the paper. First, a classical homogenisation procedure is directly interpreted with a use of this numerical tool. Next, a self-learning Finite Element code (FE with ANN inside) is used in the case when the effective constitutive law is deduced from a numerical experiment (substituting here a purely phenomenological approach). The new contribution to the classical self-learning procedure consists of its adaptation to a case of a non-monotonic loading (non-to-one load-deformation curve). This new ability of the method is principally due to the incremental form of the constitutive equation and the respective scheme of the neural network structure. Also an organisation of a constitutive data-base containing learning patterns is suitably modified. It is shown by examples that the training process is very quick. The error of this method is smaller, comparing to other schemes of data acquisition.
W artykule opisano zastosowanie sztucznych sieci neuronowych do określenia efektywnego związku konstytutywnego dla kompozytów. To narzędzie numeryczne użyte zostało dwojako: do bezpośredniego zapisu wyników otrzymanych w ramach klasycznej metody homogenizacji oraz do wnioskowania o własnościach efektywnych na podstawie eksperymentu numerycznego (zastępującego eksperyment rzeczywisty) wykonanego na małej, lecz reprezentatywnej próbce kompozytu. W tym drugim przypadku zastosowano schemat "samouczącego się" programu metody elementów skończonych, w którym związek konstytutywny opisany jest siecią neuronową. Schemat ten zaadaptowano tak, że może być użyty w przypadku obciążeń niemonotonicznych oraz wtedy, gdy zależność: miara odkształcenia-miara naprężenia nie jest wzajemnie jednoznaczna. Te nowe możliwości uzyskane zostały dzięki przedstawieniu związku konstytutywnego w formie przyrostowej oraz opracowania odpowiedniej do tego budowy sieci neuronowej. Schemat "samouczącego się" programu MES charakteryzuje się tym, że proces formułowania nieznanego związku konstytutywnego jest szybki, a zgodność modelu numerycznego z eksperymentem większa niż dla innych metod.
Źródło:
Journal of Theoretical and Applied Mechanics; 2004, 42, 3; 539-563
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:
Fuzzy-neural and evolutionary computation in identification of defects
Neuronowo-rozmyte oraz ewolucyjne obliczenia w identyfikacji defektów
Autorzy:
Burczyński, T.
Orantek, P.
Skrobol, A.
Powiązania:
https://bibliotekanauki.pl/articles/282003.pdf
Data publikacji:
2004
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
fuzzy neural network
evolutionary algorithm
defect
identification
boundary element method
Opis:
It is known that an elastic body contains some internal defects such as voids, cracks, additional masses, etc. This paper is devoted to a method based on computational intelligence for non-destructive defect identification. In the presented paper, an elastic body loaded statically is considered. The body contains an unknown number of internal defects. There are a lot of applications based on non-destructive methods. The Evolutionary Algorithm (EA) with the Boundary Element method (BEM) is a very effective tool in the identification of internal defects. In this method, the fitness function is calculated for each chromosome in each generation by the BEM. The number of chromosomes in each generation is quite large, and the number of generations is also large, so the time needed to carry out the identification is very long. Methods based on Artificial Neural Networks (ANN) find the position and shape of internal defects in a very short time. Because ANNs are usually trained using gradient methods, the risk that the solution is in a local optimum is one of disadvantages of such a method. There is also a problem when the ANN has to identify two or more different kinds of defects (cracks, voids and additional masses) in one body. In the present method, an EA is connected with the ANN in one system. This operational allows to avoid main disadvantages of these methods and to use their advantages. The evolutionary algorithm is applied to identify the number of defects and their parameters (position and size). The identification of a defect in the body is performed by minimizing the fitness function which is calculated as a difference between measured and computed displacements in some sensor points on the boundary of the investigated structure. The fitness function is computed using an Artificial Neural Network (ANN).
Obiekty techniczne jako układy mechaniczne zawierają różne defekty wewnętrzne takie jak pustki, pęknięcia itp. Artykuł jest poświęcony nieniszczącym metodom identyfikacji defektów opartym na inteligencji obliczeniowej. Rozważane jako ciało sprężyste znajdujące się pod wpływem obciążenia statycznego zawierające nieznaną liczbę defektów wewnętrznych. Istnieje wiele nieniszczących metod identyfikacji defektów wewnętrznych. Jedną z nich jest metoda oparta na Algorytmach Ewolucyjnych (AE) połączonych z Metodą Elementów Brzegowych (MEB). W tej metodzie dla każdego chromosomu w każdym pokoleniu obliczana jest za pomocą MEB funkcja przystosowania. Ponieważ liczba chromosomów w epoce oraz liczba epok jest dosyć duża, zatem czas potrzebny do przeprowadzenia identyfikacji jest znaczący. Metody bazujące na Sztucznych Sieciach Neuronowych (SSN) identyfikują położenie oraz kształt defektów wewnętrznych w bardzo krótkim czasie. SSN są zazwyczaj uczone z wykorzystaniem metod gradientowych. Isnieje zatem spore ryzyko, że uzyskane rozwiązanie utknęło w minimum lokalnym. Wykorzystując SSN napotykamy na spore trudności również w przypadku identyfikacji dwóch lub więcej różnych rodzajów defektów (pęknięć, pustek itp.), które występują jednocześnie w identyfikowanym układzie. W metodzie opisywanej w niniejszym artykule połączono AE oraz SSn w jeden system. Operacja ta pozwoli ustrzec się przed głównymi wadami i uwypuklić zalety obydwu metod. AE identyfikuje liczbę, położenie oraz wymiary defektów. Identyfikacja następuje przez minimalizację funkcji przystosowania, która jest mierzona jako różnica pomiędzy zmierzonymi i obliczonymi przemieszczeniami na brzegu modelu obiektu w punktach kontrolnych. Funkcja przystosowania jest obliczana z wykorzystaniem SSN.
Źródło:
Journal of Theoretical and Applied Mechanics; 2004, 42, 3; 445-460
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Data analysis and processing for the system reliability neural network based on expert judgment
Autorzy:
Nguyen, H.
Powiązania:
https://bibliotekanauki.pl/articles/246332.pdf
Data publikacji:
2014
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
artificial neural network
reliability
elicitation
AHP method
expert judgment
data correlation
Opis:
The article presents a data analysis and processing for tuning artificial neural network (ANN) of the anthrop technical system reliability, based on the opinions of experts. In general, the system reliability parameters are functions of operands – physical values – like time to failure, time between failures, duration times of specific reliability or operational states, number of failures in a time interval (event frequencies). These values are easier to be determined by an expert – operator with long year experience – than probabilistic model parameters. It is suggested that they be used in elicitation, for example linguistic estimates of the shares of reliability system elements in the system failure frequency. The numerical – linguistic elicitation of these opinions was carried out, which turned out to be uncorrelated and not suitable for tuning the network. Data processing method was used with the appropriate adopted analytic hierarchy process (AHP) geometric scale and matrix approximation method evaluations (logarithmic least squares method). Correlation analyses were performed for received input and output data of network and error of data processing method was determined. The results are shown in the example of elicitation and data correlation analyses for tuning the reliability neural network of the ship propulsion system.
Źródło:
Journal of KONES; 2014, 21, 2; 235-242
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of the Density of Energetic Co-crystals: a Way to Design High Performance Energetic Materials
Autorzy:
Zohari, Narges
Mohammadkhani, Faezeh Ghiasvand
Powiązania:
https://bibliotekanauki.pl/articles/357956.pdf
Data publikacji:
2020
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Przemysłu Organicznego
Tematy:
energetic co-crystals
density
MLR method
artificial neural network
molecular design
Opis:
For designing a new energetic material with good performance, a knowledge of its density is required. In this study, the relationship between the densities of energetic co-crystals and their molecular structures was examined through a quantitative structure-property relationship (QSPR) method. The methodology of this research provides a new model which can relate the density of an energetic co-crystal to several molecular structural descriptors, which are calculated by Dragon software. It is indicated that the density of a co-crystal is a function of sp, OB, DU, nAT, as well as several non-additive structural parameters. The new recommended correlation was derived on the basis of the experimental densities of 50 co-crystals with various structures as a training set. The R2 or determination coefficient of the derived correlation was 0.937. This correlation provided a suitable estimate for a further 12 energetic co-crystals as a test set. Meanwhile, the predictive ability of the correlation was investigated through a cross validation method. Moreover, the new model has more reliability and performance for predicting the densities of energetic co-crystals compared to a previous one which was based on an artificial neural network approach. As a matter of fact, designing novel energetic co-crystals is possible by utilising the proposed method.
Źródło:
Central European Journal of Energetic Materials; 2020, 17, 1; 31-48
1733-7178
Pojawia się w:
Central European Journal of Energetic Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A two-step fall detection algorithm combining threshold-based method and convolutional neural network
Autorzy:
Xu, Tao
Se, Haifeng
Liu, Jiahui
Powiązania:
https://bibliotekanauki.pl/articles/1848958.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
wearable
fall detection
MPU6050
threshold-based method
convolutional neural network
Opis:
Falls are one of the leading causes of disability and premature death among the elderly. Technical solutions designed to automatically detect a fall event may mitigate fall-related health consequences by immediate medical assistance. This paper presents a wearable device called TTXFD based on MPU6050 which can collect triaxial acceleration signals. We have also designed a two-step fall detection algorithm that fuses threshold-based method (TBM) and machine learning (ML). The TTXFD exploits the TBM stage with low computational complexity to pick out and transmit suspected fall data (triaxial acceleration data). The ML stage of the two-step algorithm is implemented on a server which encodes the data into an image and exploits a fall detection algorithm based on convolutional neural network to identify a fall on the basis of the image. The experimental results show that the proposed algorithm achieves high sensitivity (97.83%), specificity (96.64%) and accuracy (97.02%) on the open dataset. In conclusion, this paper proposes a reliable solution for fall detection, which combines the advantages of threshold-based method and machine learning technology to reduce power consumption and improve classification ability.
Źródło:
Metrology and Measurement Systems; 2021, 28, 1; 23-40
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Acoustical Assessment of Automotive Mufflers Using FEM, Neural Networks, and a Genetic Algorithm
Autorzy:
Chang, Y.-C.
Chiu, M.-C.
Wu, M.-R.
Powiązania:
https://bibliotekanauki.pl/articles/177901.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
acoustics
finite element method
genetic algorithm
muffler optimization
polynomial neural network model
Opis:
In order to enhance the acoustical performance of a traditional straight-path automobile muffler, a multi-chamber muffler having reverse paths is presented. Here, the muffler is composed of two internally parallel/extended tubes and one internally extended outlet. In addition, to prevent noise transmission from the muffler’s casing, the muffler’s shell is also lined with sound absorbing material. Because the geometry of an automotive muffler is complicated, using an analytic method to predict a muffler’s acoustical performance is difficult; therefore, COMSOL, a finite element analysis software, is adopted to estimate the automotive muffler’s sound transmission loss. However, optimizing the shape of a complicated muffler using an optimizer linked to the Finite Element Method (FEM) is time-consuming. Therefore, in order to facilitate the muffler’s optimization, a simplified mathematical model used as an objective function (or fitness function) during the optimization process is presented. Here, the objective function can be established by using Artificial Neural Networks (ANNs) in conjunction with the muffler’s design parameters and related TLs (simulated by FEM). With this, the muffler’s optimization can proceed by linking the objective function to an optimizer, a Genetic Algorithm (GA). Consequently, the discharged muffler which is optimally shaped will improve the automotive exhaust noise.
Źródło:
Archives of Acoustics; 2018, 43, 3; 517-529
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Soft computing-based technique as a predictive tool to estimate blast-induced ground vibration
Autorzy:
Arthur, Clement Kweku
Temeng, Victor Amoako
Ziggah, Yao Yevenyo
Powiązania:
https://bibliotekanauki.pl/articles/1839011.pdf
Data publikacji:
2019
Wydawca:
Główny Instytut Górnictwa
Tematy:
radial basis function neural network
back propagation neural network
generalized regression neural network
wavelet neural network
group method of data handling
ground vibration
radialna funkcja bazowa
sieć neuronowa
GRNN
sieć falkowo-neuronowa
grupowa metoda przetwarzania danych
drgania gruntu
Opis:
The safety of workers, the environment and the communities surrounding a mine are primary concerns for the mining industry. Therefore, implementing a blast-induced ground vibration monitoring system to monitor the vibrations emitted due to blasting operations is a logical approach that addresses these concerns. Empirical and soft computing models have been proposed to estimate blast-induced ground vibrations. This paper tests the efficiency of the Wavelet Neural Network (WNN). The motive is to ascertain whether the WNN can be used as an alternative to other widely used techniques. For the purpose of comparison, four empirical techniques (the Indian Standard, the United State Bureau of Mines, Ambrasey-Hendron, and Langefors and Kilhstrom) and four standard artificial neural networks of backpropagation (BPNN), radial basis (RBFNN), generalised regression (GRNN) and the group method of data handling (GMDH) were employed. According to the results obtained from the testing dataset, the WNN with a single hidden layer and three wavelons produced highly satisfactory and comparable results to the benchmark methods of BPNN and RBFNN. This was revealed in the statistical results where the tested WNN had minor deviations of approximately 0.0024 mm/s, 0.0035 mm/s, 0.0043 mm/s, 0.0099 and 0.0168 from the best performing model of BPNN when statistical indicators of Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Relative Root Mean Square Error (RRMSE), Correlation Coefficient (R) and Coefficient of determination (R2) were considered.
Źródło:
Journal of Sustainable Mining; 2019, 18, 4; 287-296
2300-1364
2300-3960
Pojawia się w:
Journal of Sustainable Mining
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Development of a combined method to quicklyassess ship speed and fuel consumption at different powertrain load and sea conditions
Autorzy:
Krata, P.
Kniat, A.
Guedes Soares, C.
Krata, H.
Powiązania:
https://bibliotekanauki.pl/articles/1841479.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
Tematy:
combined method
sea conditions
ship speed
fuel consumption
powertrain load
Artificial Neural Network
Opis:
Decision support systems (DSS) recently have been increasingly in use during ships operation. They require realistic input data regarding different aspects of navigation. To address the optimal weather routing of a ship, which is one of the most promising field of DSS application, it is necessary to accurately predict an actually attainable speed of a ship and corresponding fuel consumption at given loading conditions and predicted weather conditions. In this paper, authors present a combined calculation method to predict those values. First, a deterministic modeling is applied and then an artificial neural network (ANN) is structured and trained to quickly mimic the calculations. The sensitivity of the ANN to adopted settings is analyzed as well. The research results confirm a more than satisfactory quality of reproduction of speed and fuel consumption data as the ANN response meet the calculation results with high accuracy. The ANN-based approach, however, requires a significantly shorter time of execution. The directions of future research are outlined.
Źródło:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2021, 15, 2; 437-445
2083-6473
2083-6481
Pojawia się w:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Noise Elimination of Reciprocating Compressors Using FEM, Neural Networks Method, and the GA Method
Autorzy:
Chang, Y.-C.
Chiu, M.-C.
Xie, J.-L.
Powiązania:
https://bibliotekanauki.pl/articles/178126.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
finite element method
polynomial neural network model
genetic algorithm
group method of data handling
reciprocating compressor
optimization
Opis:
Industry often utilizes acoustical hoods to block noise emitted from reciprocating compressors. However, the hoods are large and bulky. Therefore, to diminish the size of the compressor, a compact discharge muffler linked to the compressor outlet is considered. Because the geometry of a reciprocating compressor is irregular, COMSOL, a finite element analysis software, is adopted. In order to explore the acoustical performance, a mathematical model is established using a finite element method via the COMSOL commercialized package. Additionally, to facilitate the shape optimization of the muffler, a polynomial neural network model is adopted to serve as an objective function; also, a Genetic Algorithm (GA) is linked to the OBJ function. During the optimization, various noise abatement strategies such as a reverse expansion chamber at the outlet of the discharge muffler and an inner extended tube inside the discharge muffler, will be assessed by using the artificial neural network in conjunction with the GA optimizer. Consequently, the discharge muffler that is optimally shaped will decrease the noise of the reciprocating compressor.
Źródło:
Archives of Acoustics; 2017, 42, 2; 189-197
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Estymacja błędów modelu powierzchni opisanych funkcjami kształtu za pomocą sieci neuronowych
The estimation of errors of area models described by the shape functions by the means of neural networks
Autorzy:
Mrówczyńska, M.
Powiązania:
https://bibliotekanauki.pl/articles/341297.pdf
Data publikacji:
2007
Wydawca:
Uniwersytet Przyrodniczy we Wrocławiu
Tematy:
sieci neuronowe jednokierunkowe
algorytmy gradientowe
aproksymacja powierzchni
neural network
gradient methods of optimalization
approximation method
Opis:
W artykule przedstawiono zagadnienie estymacji błędów modeli powierzchni określonej na dyskretnym zbiorze punktów o danych wartościach współrzędnych przestrzennych (x,y,z). Przyjęto, że obiekt opisują funkcje kształtu w postaci płaszczyzny, paraboloidy eliptycznej oraz paraboloidy hiperbolicznej. Realizacja numeryczna zadania polegała na wyznaczeniu błędów modeli określonych za pomocą sieci neuronowych oraz na podstawie rozwiązania zadań wyrównawczych. Modelowanie za pomocą sieci neuronowych zrealizowano za pomocą sieci jednokierunkowych wielowarstwowych z zastosowaniem gradientowych metod optymalizacji oraz algorytmu Resilientback Propagation (RPROP). Wyniki porównano z wynikami aproksymacji wielomianem drugiego i trzeciego stopnia, funkcją sklejaną oraz metodą kriging.
The article deals with the issue of estimation of the area models errors determined on the basis of a discrete points set with the given values of space coordinates (x, y, z). The object was assumed to be described by shape functions in the form of the elliptic paraboloid and the hyperbolic paraboloid. The digital task accomplishment consisted in the statistic verification of errors of the models determined by neural networks and by the accomplishment of adjustment tasks. Modeling by the means of neural networks was carried out by the unidirectional multilayer networks with the application of gradient methods of optimalization and by Resilientback Propagation algorithm (RPROP). The obtained results were compared with the following results of approximation of the second and the third degree of polynomial, the b-spline function and the kriging's method.
Źródło:
Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum; 2007, 6, 1; 15-23
1644-0668
Pojawia się w:
Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Shape Optimisation of Multi-Chamber Acoustical Plenums Using BEM, Neural Networks, and GA Method
Autorzy:
Chang, Y.-C.
Cheng, H.-C.
Chiu, M.-C.
Chien, Y.-H.
Powiązania:
https://bibliotekanauki.pl/articles/177780.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
boundary element method
plenum
centre-opening baffle
polynomial neural network model
group method of data handling
optimisation
genetic algorithm
Opis:
Research on plenums partitioned with multiple baffles in the industrial field has been exhaustive. Most researchers have explored noise reduction effects based on the transfer matrix method and the boundary element method. However, maximum noise reduction of a plenum within a constrained space, which frequently occurs in engineering problems, has been neglected. Therefore, the optimum design of multi-chamber plenums becomes essential. In this paper, two kinds of multi-chamber plenums (Case I: a two-chamber plenum that is partitioned with a centre-opening baffle; Case II: a three-chamber plenum that is partitioned with two centre-opening baffles) within a fixed space are assessed. In order to speed up the assessment of optimal plenums hybridized with multiple partitioned baffles, a simplified objective function (OBJ) is established by linking the boundary element model (BEM, developed using SYSNOISE) with a polynomial neural network fit with a series of real data – input design data (baffle dimensions) and output data approximated by BEM data in advance. To assess optimal plenums, a genetic algorithm (GA) is applied. The results reveal that the maximum value of the transmission loss (TL) can be improved at the desired frequencies. Consequently, the algorithm proposed in this study can provide an efficient way to develop optimal multi-chamber plenums for industry.
Źródło:
Archives of Acoustics; 2016, 41, 1; 43-53
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 29

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