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:
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:
An integrated ANN-EMO approach to reduce the risk of occupational health hazards
Autorzy:
Anand, Y. K.
Srivastava, S.
Srivastava, K.
Powiązania:
https://bibliotekanauki.pl/articles/91580.pdf
Data publikacji:
2012
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
artificial neural network
ANN
evolutionary multiobjective optimisation
EMO
high risk of occupational health hazards
RoOHH
interview method
risk assessment score
RAS
Opis:
Workers in labor-intensive units, in general, maximize their earnings by subjecting themselves to high risk of occupational health hazards (RoOHH) due to economic reasons. We present an intelligent system integrating artificial neural network (ANN) and evolutionary multiobjective optimisation (EMO) to tackle this problem, which has received scant attention in the literature. A brick manufacturing unit in India is chosen as case study to demonstrate the working of proposed system. Firing is assessed to be the most severe job among others using an interview method. A job-combination approach is devised which allows firing workers to perform another job (loading/covering/molding) along with firing. The second job not only reduces their exposure to high temperature zone but also helps to compensate for reduced earnings. RoOHH is measured using a risk assessment score (RAS). ANN models the psychological responses of workers in terms of RAS, and facilitates the evaluation of a fitness function of EMO. EMO searches for optimal work schedules in a job-combination to minimize RAS and maximize earnings simultaneously. 1 Introduction Brick manufacturing (BM) in India is labor intensive and comprises the following major jobs − molding the raw bricks, loading molded bricks to kiln using a pushcart or a pony-cart, stacking molded bricks into the kiln in a particular way, spreading clay sand over the stacks uniformly for superior baking of bricks, firing the kiln that includes pouring the coal into the kiln from the covered holes at the top of the kiln at required intervals and monitoring the fire, and finally unloading the baked bricks from the kiln; we term these processes respectively as molding, loading, stacking, covering, firing and unloading, for ready references in this paper.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2012, 2, 2; 77-95
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An overview of classification methods from dermoscopy images in skin lesion diagnostic
Przegląd metod klasyfikacji obrazów dermatoskopowych wykorzystywanych w diagnostyce zmian skórnych
Autorzy:
Michalska, Magdalena
Boyko, Oksana
Powiązania:
https://bibliotekanauki.pl/articles/407654.pdf
Data publikacji:
2020
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
dermatoscopic images
classification method
neural network
SVM
skin cancer
skin lesion
obraz dermatoskopowy
metoda klasyfikacji
sztuczna sieć neuronowa
nowotwór skóry
zmiany skórne
Opis:
The article contains a review of selected classification methods of dermatoscopic images with human skin lesions, taking into account various stages of dermatological disease. The described algorithms are widely used in the diagnosis of skin lesions, such as artificial neural networks (CNN, DCNN), random forests, SVM, kNN classifier, AdaBoost MC and their modifications. The effectiveness, specificity and accuracy of classifications based on the same data sets were also compared and analyzed.
Artykuł zawiera przegląd wybranych metod klasyfikacji obrazów dermatoskopowych zmian skórnych człowieka z uwzględnieniem różnych etapów choroby dermatologicznej. Opisane algorytmy są szeroko wykorzystywane w diagnostyce zmian skórnych, takie jak sztuczne sieci neuronowe (CNN, DCNN), random forests, SVM, klasyfikator kNN, AdaBoost MC i ich modyfikacje. Porównana i przeanalizowana została również skuteczność, specyficznośc i dokładność klasyfikatów w oparciu o te same zestawy danych.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2020, 10, 2; 36-39
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of data quoted on the Day-Ahead Market of TGE S.A. using Statistics and Machine Learning Toolbox
Autorzy:
Tchórzewski, Jerzy
Longota, Bartłomiej
Powiązania:
https://bibliotekanauki.pl/articles/2201615.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
artificial neural network
cluster analysis
Day-Ahead Market
k-means method
Matlab and Simulink environment
Statistics and Machine Learning Toolbox
Ward’s method
Opis:
The publication contains the results of research in the field of cluster analysis carried out using data quoted on the Day-Ahead Market of TGE S.A. Two methods were used in the analysis, one hierarchical known as the Ward’s method, and the other non-hierarchical - the k-means method. Many interesting research results have been obtained, which are illustrated, among others, in in the form of dendrograms, silhouette graphs and graphs in the form of clusters. Data on the volume and the volumeweighted average price of electricity were examined for various types of quotations: fixing 1, fixing 2 and continuous quotations. The research was carried out in the MATLAB and Simulink environments using a library called Machine and Statistics Learning Toolbox. Selected test results were interpreted.
Źródło:
Studia Informatica : systems and information technology; 2022, 2(27); 49--74
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of the kohonen neural network in analysis of the measurement results of the polarization mode dispersion
Zastosowanie sieci neuronowej kohonena do analizy wników pomiaru dyspersji polaryzacyjnej
Autorzy:
Torbus, S.
Kolasa, M.
Długosz, R.
Powiązania:
https://bibliotekanauki.pl/articles/389807.pdf
Data publikacji:
2010
Wydawca:
Politechnika Bydgoska im. Jana i Jędrzeja Śniadeckich. Wydawnictwo PB
Tematy:
dyspersja polaryzacyjna
metoda interferometryczna pomiaru PMD
analiza statystyczna wyników pomiarów
sieć neuronowa Kohonena
polarization mode dispersion
interferometric method for measuring PMD
statistical analysis
Kohonen neural Network
Opis:
This paper presents a subject of the Polarization Mode Dispersion (PMD). PMD is characteristic for a single mode optical fiber transmission. Several aspects have been presented in the paper, such as the interferometric method for measuring the PMD, as well as the statistical analysis of the measurement results contrasted with the analysis of the same results by use of the Kohonen neural network (KNN).
W pracy omówiono zagadnienie dyspersji polaryzacyjnej – PMD (ang. Polarization Mode Dispersion), która jest charakterystyczna dla transmisji z wykorzystaniem jednomodowego włókna światłowodowego. Przedstawiono również interferometryczną metodę pomiaru współczynnika dyspersji polaryzacyjnej, statystyczną analizę rzeczywistych wyników pomiaru oraz analizę tych samych wyników pomiaru za pomocą sieci neuronowej Kohonena.
Źródło:
Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy; 2010, 13; 55-66
1899-0088
Pojawia się w:
Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Automatyczny klasyfikator rodzaju uszkodzenia amortyzatora samochodowego
Automatic classifier of the kind of car shock absorber damage
Autorzy:
Cempiel, D.
Powiązania:
https://bibliotekanauki.pl/articles/133451.pdf
Data publikacji:
2013
Wydawca:
Polskie Towarzystwo Naukowe Silników Spalinowych
Tematy:
diagnozowanie amortyzatorów
metoda EUSAMA
sieć neuronowa
analiza obrazu
automatyczny diagnosta
klasyfikator
shock absorber diagnosis
EUSAMA method
neural network
image analysis
automatic classifier
Opis:
W artykule przedstawiono analizę wpływu czynników zewnętrznych (dodatkowe obciążenie, zmiany ciśnienia w oponach) na wartość wskaźnika EUSAMA. Jednocześnie zaproponowano automatyczną metodę diagnozowania stanu amortyzatorów przy pomocy analizy obrazów z wykorzystaniem sieci neuronowej oceniającej przebieg wartości wskaźnika EUSAMA w czasie. Na potrzeby pracy przygotowano model matematyczny części zawieszenia wraz ze stanowiskiem badawczym opartym o metodę EUSAMA plus. Zamodelowano układ odzwierciedlający dynamikę jednej czwartej zawieszenia pojazdu. Metoda automatycznego diagnozowania stanu amortyzatorów zakłada poprawność przeprowadzonego badania metodą EUSAMA. Uzyskane wyniki spełniły oczekiwania.
The article presents an analysis of the impact of external factors (extra load, tire pressure changes) on the value of the EUSAMA ratio. A method of automatic diagnosis of shock absorbers is proposed. This method is based on image analysis using a neural network appraising the “EUSAMA plus” ratio in the time domain. For the purpose of this paper a mathematical model of quarter of the car suspension with the test stand based on the method EUSAMA was prepared. The method of automatic diagnosis of shock absorbers assumes the correctness of the EUSAMA test. The results met expectations.
Źródło:
Combustion Engines; 2013, 52, 3; 1069-1075
2300-9896
2658-1442
Pojawia się w:
Combustion Engines
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of optimization algorithms of connectionist temporal classifier for speech recognition system
Porównanie algorytmów optymalizacji klasyfikatora czasowego do systemu rozpoznawania mowy
Autorzy:
Amirgaliyev, Yedilkhan
Darkhan, Kuanyshbay
Shoiynbek, Aisultan
Powiązania:
https://bibliotekanauki.pl/articles/408796.pdf
Data publikacji:
2019
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
recurrent neural network
search method
acoustic
systems modeling language
rekurencyjna sieć neuronowa
metoda wyszukiwania
akustyka
język modelowania systemów
Opis:
This paper evaluates and compares the performances of three well-known optimization algorithms (Adagrad, Adam, Momentum) for faster training the neural network of CTC algorithm for speech recognition. For CTC algorithms recurrent neural network has been used, specifically Long- Short-Term memory. LSTM is effective and often used model. Data has been downloaded from VCTK corpus of Edinburgh University. The results of optimization algorithms have been evaluated by the Label error rate and CTC loss.
W artykule dokonano oceny i porównania wydajności trzech znanych algorytmów optymalizacyjnych (Adagrad, Adam, Momentum) w celu przyspieszenia treningu sieci neuronowej algorytmu CTC do rozpoznawania mowy. Dla algorytmów CTC wykorzystano rekurencyjną sieć neuronową, w szczególności LSTM, która jest efektywnym i często używanym modelem. Dane zostały pobrane z wydziału VCTK Uniwersytetu w Edynburgu. Wyniki algorytmów optymalizacyjnych zostały ocenione na podstawie wskaźników Label error i CTC loss.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2019, 9, 3; 54-57
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
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:
Effect of ship neural domain shape on safe and optimal trajectory
Autorzy:
Lisowski, J.
Powiązania:
https://bibliotekanauki.pl/articles/24201475.pdf
Data publikacji:
2023
Wydawca:
Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
Tematy:
artificial neural network model
method for optimization
dynamic programming method
ship safety domain
safe ship control
path planning
multi-object decision model
computer simulation
Opis:
This article presents the task of safely guiding a ship, taking into account the movement of many other marine units. An optimally neural modified algorithm for determining a safe trajectory is presented. The possible shapes of the domains assigned to other ships as traffic restrictions for the particular ship were subjected to a detailed analysis. The codes for the computer program Neuro-Constraints for generating these domains are presented. The results of the simulation tests of the algorithm for a navigational situation are presented. The safe trajectories of the ship were compared at different distances, changing the sailing conditions and ship sizes.
Źródło:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2023, 17, 1; 185--191
2083-6473
2083-6481
Pojawia się w:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
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:
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:
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:
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:
Inverse problem solution using neural network
Rozwiązanie problemu odwrotnego przy użyciu sieci neuronowych
Autorzy:
Król, K.
Powiązania:
https://bibliotekanauki.pl/articles/408770.pdf
Data publikacji:
2012
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
sieć neuronowa
problem odwrotny w tomografii komputerowej
metoda elementów brzegowych
neural network
inverse problem
computer tomography
boundary element method
Opis:
This paper was presented a practical method of solving inverse problems in tomography using neural networks. The methods to detect changes in the size and position of an object inside another object tomography. Computed tomography allows direct, non-invasive diagnosis of brain and other intracranial structures. With this method it is possible to detect intracerebral hemorrhages, tumors, etc.
W pracy została przedstawiona praktyczna metoda rozwiązania problemu odwrotnego w tomografii przy zastosowaniu sieci neuronowych. Przedstawiono metody do wykrywania zmian w wielkości i położeniu obiektu wewnątrz innego obiektu za pomocą tomografii. Tomografia komputerowa pozwala na bezpośrednie, nieinwazyjne diagnostyki mózgu i innych struktur wewnątrzczaszkowych. Dzięki tej metodzie możliwe jest wykrycie krwotoków śródmózgowych, guzów itp.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2012, 1; 9-11
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
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