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 model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 68
Tytuł:
Analiza jakości modelu matematycznego i modeli opartych na sztucznych sieciach neuronowych na przykładzie wybranych cech fizycznych komponentów
Adequacy of the mathematical model and the models based on artificial neural networks to evaluating the kinetic strength of feed pellets
Autorzy:
Grieger, A.
Rynkiewicz, M.
Powiązania:
https://bibliotekanauki.pl/articles/288831.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
model matematyczny
sztuczna sieć neuronowa
pasza granulowana
wytrzymałość kinetyczna
mathematical model
artificial neural network
kinetic strength
feed pellet
Opis:
Opisano procedurę badania wytrzymałości kinetycznej paszy granulowanej. Na podstawie przeprowadzonego eksperymentu zbadano zależności pomiędzy stopniem rozdrobnienia komponentów paszy sypkiej i ciśnieniem pary podawanej do kondycjonera granulatora na wytrzymałość kinetyczną paszy granulowanej. Na podstawie uzyskanych wyników zbudowano model matematyczny i dziewięć modeli opartych na strukturze sztucznych sieci neuronowych. Na podstawie przeprowadzonej analizy nie stwierdzono istotnych różnic w wartościach średnich błędów względnych badanych modeli.
The procedure of testing kinetic strength of the feed pellets was described. On the basis of experiment results the relationship between finesses degree of ground feed components and the pressure of steam supplied to conditioning assembly of granulator, as well as their effect on the kinetic strength of feed pellets, were determined. Obtained results enabled to develop the mathematical model and nine models based on artificial neural networks. The ANN based models were the subjects to teaching according to the Neuronix 2.3 software. The errors arising at net-work teaching were compared with errors attributed to predetermined algorithm. No substantial differences were found between the mean values of relative errors bound to both tested models.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 8, 8; 101-109
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
GPU-based multi-layer perceptron as efficient method for approximation complex light models in per-vertex lighting
Autorzy:
Pietras, K.
Rudnicki, M.
Powiązania:
https://bibliotekanauki.pl/articles/92844.pdf
Data publikacji:
2005
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
sky color
lighting model
GeForce FX
neural network
GPU
graphics processing unit
Opis:
This paper describes a display method of the sky color on GeForce FX hardware. Lighting model used here is taken from “Display of the Earth taking into account atmospheric scattering” by Tomoyuki Nishita et.al., however this model is not the only suitable one in the proposed method.
Źródło:
Studia Informatica : systems and information technology; 2005, 2(6); 53-63
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza twardości selera w czasie suszenia
Analysis of celery hardness during drying process
Autorzy:
Łapczyńska-Kordon, B.
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/289364.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
twardość
sztuczna sieć neuronowa
model SSN
seler
hardness
SSN model
artificial neural network
celery
Opis:
W pracy przedstawiono próbę zastosowania modelu sformułowanego na bazie sztucznych sieci neuronowych do opisu zmian twardości selera w czasie konwekcyjnego suszenia w warunkach wymuszonego przepływu powietrza. Model opracowano na podstawie badań. Próbki selera w kształcie cylindrów o wymiarach 10x10 mm poddano suszeniu konwekcyjnemu w temperaturach: 60 i 70°C. Podczas suszenia w równych odstępach czasowych określano twardość materiału metodą Vickersa za pomocą mikrotwardościomierza PMT-3. Do opisu zmian twardości w zależności od zawartości wody, temperatury suszenia i rodzaju obróbki przed suszeniem zastosowano model opracowany za pomocą sztucznych sieci neuronowych SSN. Do budowy modelu zastosowano wielowarstwową jednokierunkową sztuczną sieć neuronową, wykorzystując do uczenia zmodyfikowany algorytm wstecznej propagacji błędu. Analizowano sieci o różnej architekturze w celu zoptymalizowania działania modelu sieciowego. Stwierdzono, że sieć o 3 neuronach w warstwie 1, 3 neuronach w warstwie 2 i 1 neuronie w warstwie wyjściowej jest optymalna. Błąd względny globalny pomiędzy wartościami otrzymanymi z doświadczeń i z obliczeń wyniósł 28,7%.
The paper presents an attempt of using a model created based on artificial neural networks for description of changes in celery hardness during convection drying under forced air circulation conditions. The model was developed based on the tests. Celery samples in a form of cylinders in size of 10x10 mm were put to convection drying at temperatures: 60 and 70°C. During the drying process material hardness was determined at equal time intervals based on the Vickers method using microhardness tester PMT-3. For description of hardness changes as a function of water content, drying temperature and type of treatment before drying a model developed based on artificial neural networks SSN was used. For creating the model a multilayer unidirectional neural network was employed, using a modified algorithm of backward error propagation for learning process. Networks with different architecture were analyzed in order to optimize actions of the network model. The analysis showed that the optimal network was the one with 3 neurons in layer 1, 3 neurons in layer 2 and 1 neuron in output layer. The global relative error between the values obtained from the experiments and from calculations was 28,7%.
Źródło:
Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 295-302
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modele i reguły decyzyjne w symptomowej diagnostyce technicznej
Models and decision rules in symptom technical diagnostic
Autorzy:
Jastriebow, A.
Gad, S.
Słoń, G.
Powiązania:
https://bibliotekanauki.pl/articles/327440.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
model matematyczny
model informacyjny
sztuczna sieć neuronowa
reguła logiczna
reguła numeryczna
diagnostyka
pojazd
mathematical model
informative model
artificial neural network
logic rule
numeric rule
diagnostic
vehicle
Opis:
W pracy przedstawiono modele i reguły decyzyjne stosowane w symptomowej diagnostyce technicznej. Modele podzielono na dwie grupy: matematyczne i informacyjne. Opisano kryteria budowy takich modeli. Na podstawie opisanych modeli przedstawiono reguły decyzyjne. Na przykładzie diagnozowania wyposażenia elektrycznego samochodów przedstawiono wyniki symulacyjnej analizy wybranych reguł. Wyniki analizy potwierdzają wysoką efektywność metod opartych na sztucznych sieciach neuronowych.
In the paper models and decision rules, applied in the symptom technical diagnostic, are presented. Models have been split into two groups: mathematical and informative. Criterions of designing of such models are described. On the basis of described models, decision rules have been presented. Results of the simulating analysis of chosen rules have been presented on the example of diagnosing of car's electrical equipment. Results of the analysis confirm high efficiency of methods artificial neural networks.
Źródło:
Diagnostyka; 2006, 3(39); 199-208
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie plonów wybranych płodów rolnych z wykorzystaniem modeli neuronowych w postaci szeregów czasowych
Expectation crops of chosen agricultural fetuses with the help of neural model by time series
Autorzy:
Boniecki, P.
Mueller, W.
Powiązania:
https://bibliotekanauki.pl/articles/337153.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sieć neuronowa
prognozowanie
płody rolne
plon
model neuronowy
szereg czasowy
neural network
prognose
neural model
time series
agricultural fetuses
yield
Opis:
Jednym z ważnych etapów badania oraz analizy systemów empirycznych jest proces prognozowania, mający praktyczne zastosowanie w szerokim zakresie działalności ludzkiej. W przypadku przewidywania wielkości płodów rolnych mamy do czynienia z szeregiem złożonych bodźców, które w efekcie przekładają się na wynik końcowy, jakim jest plon. Jakość tych prognoz ma ogromne znaczenie dla kolejnych etapów w łańcuchu produkcyjno-dystrybucyjnym płodów rolnych. Sieci neuronowe w postaci szeregów czasowych są wysublimowaną techniką modelowania, zdolną odwzorować bardzo złożone funkcje. Celem analizy szeregów czasowych jest ustalenie prognozy przyszłych wartości pewnej zmiennej, której wartości zmieniają się w czasie. Najczęściej dąży się do obliczenia prognozy korzystając z wcześniejszych wartości tej samej zmiennej, której wartość ma być przewidywana. Zbiór uczący, wykorzystywany przy neuronowej analizie szeregów czasowych, budowany jest zwykle w oparciu o pojedynczą zmienną, której typ określony jest jako "Wejściowo-Wyjściowy". Oznacza to, że jest ona wykorzystywana zarówno jako wejście sieci neuronowej, jak i jako jej wyjście.
Prediction becomes a very important stage in many activities. In case of expectation crops of chosen agricultural foetuses we deal with a number of stimuli which consequently transform into the end effect. It is clear that the quality of those predictions has a great influence on subsequent stages in the production and distribution chain of agricultural foetuses. Neural networks by time series are a sophisticated technique of modeling capable of reflecting very complex functions. In time series problems, the objective is to predict ahead the value of a variable which varies in time, using previous values of that and/or other variables. The time series training data set therefore typically has a single variable, and this has type input/output (i.e., it is used both for network input and network output).
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2006, 51, 4; 40-43
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sieci neuronowe typu MLP oraz RBF jako narzędzia klasyfikacyjne w analizie obrazu
The neural network type the MLP and RBF as classifying tools in picture analysis
Autorzy:
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/337163.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sieć neuronowa
sieć neuronowa MLP
sieć neuronowa RBF
analiza obrazu
identyfikacja neuronowa
model neuronowy
neural network
MLP neural network
RBF neural network
picture analysis
neuronal identification
neuronal model
Opis:
Neuronowa identyfikacja danych obrazowych, ze szczególnym naciskiem na analizę ilościową oraz jakościową, coraz częściej wykorzystywana jest do pozyskiwania oraz zgłębiania wiedzy zawartej w danych empirycznych. Ekstrakcja, a następnie klasyfikacja wybranych cech obrazu, pozawala na wytworzenie informatycznych narzędzi do identyfikacji wybranych obiektów, prezentowanych np. w postaci obrazu cyfrowego. W związku z tym, celowym wydaje się być poszukiwanie nowoczesnych metod wspomagających proces edukacyjny w zakresie konstrukcji oraz eksploatacji modeli neuronowych w kontekście ich wykorzystania w procesie analizy obrazu. Dodatkowym celem pracy było porównanie jakości sieci MLP oraz RBF mające na względzie wskazanie optymalnego instrumentu klasyfikacyjnego.
The neuronal identification of pictorial data, with special emphasis on both quantitative & qualitative analysis, is more frequently utilized to gain & deepen the empirical data knowledge. Extraction & then classification of selected picture features, enables one to create computer tools in order to identify these objects presented as, for example, digital pictures. In relationship from this, it seems to be purposeful the search of the modern methods helping educational process in the range of construction as well as exploitation of neuronal models in context of their utilization in picture analysis process. The additional aim of the work was the comparison of neural network of the type MLP and RBF for indication of the optimum classification tool.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2006, 51, 4; 34-39
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
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:
Próba określenia terminów zabiegów agrotechnicznych na plantacjach wierzby energetycznej przy pomocy modeli matematycznych i sieci neuronowych
An attempt to determine time for agrotechnical measures at energy willow plantations using mathematical models and neural networks
Autorzy:
Neugebauer, M.
Nalepa, K.
Sołowiej, P.
Powiązania:
https://bibliotekanauki.pl/articles/287363.pdf
Data publikacji:
2008
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
wierzba energetyczna
populacja
szkodnik
model matematyczny
sieć neuronowa
energy willow
population
pests
mathematical model
neural network
Opis:
Powstające w ostatnich latach coraz większe plantacje wierzby energetycznej są narażone na atak owadów, które w trakcie gradacji mogą zniszczyć całą plantację. W pracy utworzono model matematyczny opisujący rozwój populacji owadów. Na bazie tego modelu oraz danych z rzeczywistych plantacji - takich jak: dane geograficzne (tj. wielkość plantacji, usytuowanie plantacji względem innych upraw i lasów i inne), dane wegetacyjne (wiek plantacji, okres rozwoju, pora roku i inne) - przeprowadzono modelowanie neuronowe w celu określenia najkorzystniejszego terminu zabiegów agrotechnicznych mających powstrzymać gradację ww. szkodników.
Larger and larger energy willow plantations occurring in recent years are exposed to attack of insects, which may devastate the whole plantation during their gradation. The researchers developed a mathematical model describing insect population growth. This model and data from existing plantations - including geographical information (that is: plantation size, plantation location in reference to other crops and forests, and other), vegetation data (plantation age, growth period, season of the year, and other) - provided grounds to carry out neural modelling in order to determine the most advantageous time for agrotechnical measures intended to stop gradation of the above-mentioned pests.
Źródło:
Inżynieria Rolnicza; 2008, R. 12, nr 7(105), 7(105); 159-166
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Kinetics of the continuous reaction crystallization of barium sulphate in BaCl2 - (NH4)2SO4 - NaCl - H2O system - neural network model
Autorzy:
Piotrowski, K.
Koralewska, J.
Wierzbowska, B.
Matynia, A.
Powiązania:
https://bibliotekanauki.pl/articles/778848.pdf
Data publikacji:
2009
Wydawca:
Zachodniopomorski Uniwersytet Technologiczny w Szczecinie. Wydawnictwo Uczelniane ZUT w Szczecinie
Tematy:
siarczan baru
jony sodu
sole pohartownicze
hartowanie stali
chlorek baru
kinetyka krystalizacji
barium sulphate
sodium ions
used quenching salts
steel hardening
barium chloride
reaction crystallization kinetics
population density distribution
chemical neutralization
solid waste utilization
neural network model
Opis:
One of the main toxic components of post quenching salts formed in large quantities during steel hardening processes is BaCl2. This dangerous ingredient can be chemically neutralized after dissolution in water by means of reaction crystallization with solid ammonium sulphate (NH4)2SO4. The resulting size distribution of the ecologically harmless crystalline product - BaSO4 - is an important criteria deciding about its further applicability. Presence of a second component of binary quenching salt mixture (BaCl2-NaCl) in water solution, NaCl, influences the reaction-crystallization process kinetics affecting the resulting product properties. The experimental 39 input-output data vectors containing the information about the continuous reaction crystallization in BaCl2 - (NH4)2SO4 - NaCl - H2O system ([BaCl2]RM = 10-24 mass %, [NaCl]RM = 0-12 mass %, T = 305-348 K and τ = 900-9000 s) created the database for the neural network training and validation. The applicability of diversified network configurations, neuron types and training strategies were verified. An optimal network structure was used for the process modeling.
Źródło:
Polish Journal of Chemical Technology; 2009, 11, 4; 13-19
1509-8117
1899-4741
Pojawia się w:
Polish Journal of Chemical Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja ekotypowa samców sarny europejskiej (Capreolus capreolus L.) na podstawie wybranych pomiarów ich ciała
Ecotype classification of the European roe deer [Capreolus capreolus L.] males on the basis of selected body parameters
Autorzy:
Kulak, D.
Wajdzik, M.
Powiązania:
https://bibliotekanauki.pl/articles/1011776.pdf
Data publikacji:
2009
Wydawca:
Polskie Towarzystwo Leśne
Tematy:
samce
pomiary zoometryczne
zwierzeta lowne
lowiectwo
sarna polna
ekotypy
Capreolus capreolus
lesnictwo
kozly
sarna
sarna lesna
european roe deer
field ecotype
forest ecotype
regression model
neural network
Opis:
The studies were carried out on the European roe deer (Capreolus capreolus L.) males from field and forest ecotypes harvested in the Opole Region. Attempts were made to identify the ecotype of the examined individuals on the basis of skull and body measurements. It was found that the most useful measurements for ecotype identification are skull dimensions: LTO (profile length), LCB (condylobasal length), LBA (basal length), LV (length between the front edge of the occipital foramen and the end of the jawbone), LHM (mandible length) and MG (body weight). 82% of individuals were correctly classified using the regression analysis method, while the use of the neural network resulted in correctness ranging from 90 to 98% depending on the type of the network applied.
Źródło:
Sylwan; 2009, 153, 08; 563-574
0039-7660
Pojawia się w:
Sylwan
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural networks as performance improvement models in intelligent CAPP systems
Autorzy:
Rojek, I.
Powiązania:
https://bibliotekanauki.pl/articles/971020.pdf
Data publikacji:
2010
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
classification model
neural network
tool
manufacturing operation
Opis:
The paper presents neural networks as performance improvement models in intelligent computer aided process planning systems (CAPP systems). For construction of these models three types of neural networks were used: linear network, multi-layer network with error backpropagation, and the Radial Basis Function network (RBF). The models were compared. Due to the comparison, we can say which type of neural network is the best for selection of tools for manufacturing operations. Tool selection for manufacturing operation is a classification problem. Hence, neural networks were built as classification models, meant to improve tool selection for manufacturing. The study was done for selected manufacturing operations: turning, milling and grinding. Models for the milling operation were presented in detail.
Źródło:
Control and Cybernetics; 2010, 39, 1; 54-68
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
System informatyczny piao jako narzędzie do przetwarzania obrazów cyfrowych wspomagające proces generowania zbiorów uczących przeznaczonych do budowy modeli neuronowych
Computer system piao as a tool for processing and gathering digital images in a process of generating learning sets used for construction of models of artificial neural networks
Autorzy:
Zaborowicz, M.
Boniecki, P.
Świerczyński, K.
Powiązania:
https://bibliotekanauki.pl/articles/337395.pdf
Data publikacji:
2010
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
system informatyczny PIAO
obraz cyfrowy
przetwarzanie
model neuronowy
computer system PIAO
neural network
digital images
Opis:
Pozyskiwanie oraz przetwarzanie danych empirycznych występujących w formie graficznej jest istotnym elementem w procesie generowania zbiorów uczących, przeznaczonych do budowy identyfikacyjnych modeli neuronowych. Właściwa analiza oraz konwersja obrazów cyfrowych są fundamentalnym procesem, determinującym dalsze etapy modelowania neuronowego. Powszechnie dostępne metody edycji oraz pozyskiwania danych z obrazów nie zawsze pozwalają na właściwe i efektywne wytworzenie zbioru uczącego. Często zachodzi potrzeba użycia kilku rodzajów komercyjnego oprogramowania, aby w efekcie można było pozyskać zbiór danych empirycznych zapisanych w pożądanej formie. Dlatego wydaje się być zasadnym wytwarzanie od podstaw kompleksowego systemu informatycznego dedykowanego dla wsparcia procesu generowania zbiorów uczących.
Gathering data is an essential element of the process of generating learning sets, intended for the construction of artificial neural networks. A proper analysis and processing of the images are the basis for the next stages of the neural simulation. Commonly available methods of the edition and gaining data from images do not always allow to create a learning set in a right way. Often, there is a need to use several different software in order to gain one eligible set of data. This is a reason, why making a complex software for the process of generating the learning sets, is so important.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2010, 55, 2; 128-133
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Forecasting nitrate concentration in groundwater using artificial neural network and linear regression models
Autorzy:
Zare, A.
Bayat, V.
Daneshkare, A.
Powiązania:
https://bibliotekanauki.pl/articles/25733.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Instytut Agrofizyki PAN
Tematy:
nitrate concentration
ground water
artificial neural network
linear regression model
prediction
regression
Iran
quality index
Źródło:
International Agrophysics; 2011, 25, 2
0236-8722
Pojawia się w:
International Agrophysics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Budowa sztucznej sieci neuronowej do identyfikacji parametrów modelu odbiornika elektrycznego
Construction of the artificial neural network to identify the model parameters of the electric receiver
Autorzy:
Zajkowski, K.
Duer, S.
Powiązania:
https://bibliotekanauki.pl/articles/249886.pdf
Data publikacji:
2012
Wydawca:
Instytut Naukowo-Wydawniczy TTS
Tematy:
sztuczna sieć neuronowa
model
parametry
odbiorniki elektryczne
artificial neural network
parameters
electric receiver
Opis:
W artykule przedstawiono sposób wyznaczania parametrów modelu odbiornika elektrycznego w postaci liniowego, aktywnego dwójnika, bazujący na sztucznej sieci neuronowej. Zadaniem sieci jest wyznaczenie rozwiązania N równań o N niewiadomych. Algorytm ten umożliwia wyznaczenie rozwiązania w sytuacji gdy współczynniki Ai w równaniach obarczone są błędami pomiarowymi. Dla pewnych wartości Ai, (gdzie i = 1, ..., N) nie istnieją funkcje odwrotne równań wejściowych. W tym przypadku niemożliwe jest wyznaczenie rozwiązania układu równań metodami klasycznymi.
The paper presents the method of determining the electrical parameters of the model that contains the serial receiver combination of elements R, L, E, based on artificial neural network. The purpose of this network is determine solutions N equations with N unknowns. This algorithm allows to determine a solution where Ai coefficients in these equations contain errors. For some values of Ai (where i = 1, ..., N) there is no inverse function of input equations. In this case, it is impossible to determine a solution of the equations of classical methods.
Źródło:
TTS Technika Transportu Szynowego; 2012, 9; 521-529, CD
1232-3829
2543-5728
Pojawia się w:
TTS Technika Transportu Szynowego
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 68

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