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 "neuron network" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-15 z 15
    Tytuł:
    Forecasting economic and financial indicators by supply of deep and recovery neural networks
    Autorzy:
    Boyko, N.
    Ivanets, A.
    Bosik, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/411261.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Oddział w Lublinie PAN
    Tematy:
    neural network
    deep
    recurrent
    activation function
    feedforward
    neuron
    hidden layer
    stock price prediction
    Opis:
    This paper studies the potential of the application of the Recurrent Neural Networks, as well as the Deep Neural Networks in the field of the finances and trading. In particular, their use in the stock price predicting software. The concepts of the RNNs and DNNs are provided and explained thoroughly. Both techniques RNNs and DNNs are utilized in the implementation of the stock price predicting software. Two separate versions of the software are created in order to demonstrate the main differences between the algorithms, as well as to determine the best of the two. Each version is thoroughly examined. The comparison of each of the algorithms is performed and highlighted. Examples of the implementations of the software, utilizing each of the algorithms on big volumes of stock data, for stock price prediction are provided. The article summarizes the concept of stock price prediction backed by the popular machine learning algorithms and its application in the nowadays world.
    Źródło:
    ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes; 2018, 7, 2; 3-8
    2084-5715
    Pojawia się w:
    ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Design parameters optimisation of ROPAX ferry using seakeeping characteristics and additional wave resistance
    Optymalizacja parametrów projektowych promu pasażersko-samochodowego pod kątem wybranych właściwości morskich i dodatkowego oporu na fali
    Autorzy:
    Cepowski, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/257284.pdf
    Data publikacji:
    2008
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    właściwości morskie
    prom ro-ro
    kołysanie boczne
    przyspieszenie poprzeczne
    dodatkowy opór na fali
    parametry projektowe
    sztuczna sieć neuronowa
    optymalizacja wielokryterialna
    metoda Pareto
    logika rozmyta
    sea-keeping
    ro-pax ferry
    rolling
    motion sickness index
    additional wave resistance
    design parameters
    artificial neuron network
    optimisation
    Pareto method
    fuzzy logic
    Opis:
    This paper presents the multi-criteria design parameters of the optimisation of the ROPAX ferry using sea-keeping characteristics and additional wave resistance. The design criteria were formed using the method based on deterministic scenario and the partial objective functions were determined as artificial neuron networks. The design parameters' optimisation was carried out with the Pareto method. The best design variants were chosen using the elements of fuzzy logic that allowed, among other things, to present design quality with linguistic variables. This approach allowed choosing the best variant concerning all criteria at the same time.
    W artykule przeprowadzono wielokryterialną optymalizację parametrów projektowych promu pasażersko-samochodowego pod kątem wybranych właściwości morskich i dodatkowego oporu statku na fali. Kryteria projektowe sformułowano posługując się metodą opartą na scenariuszach deterministycznych, natomiast funkcje celów cząstkowych wyznaczono w postaci sztucznych sieci neuronowych. Optymalizację parametrów projektowych przeprowadzono metodą Pareto. Do wyboru najlepszych wariantów projektowych wykorzystano elementy logiki rozmytej, co pozwoliło m.in. na przedstawienie walorów projektu za pomocą zmiennych lingwistycznych. Takie podejście umożliwiło wybór wariantu najlepszego pod kątem wszystkich kryteriów jednocześnie.
    Źródło:
    Problemy Eksploatacji; 2008, 2; 149-158
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wyznaczanie gęstości nasion jęczmienia jarego przy wykorzystaniu sztucznych sieci neuronowych
    Spring barley seeds density determination using artificial neuron networks
    Autorzy:
    Francik, S.
    Hebda, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/290414.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    sztuczna sieć neuronowa
    jęczmień jary
    ziarno
    gęstość
    artificial neuron network
    spring barley
    seed
    density
    Opis:
    W pracy opracowano modele wykorzystujące sztuczne sieci neuronowe do wyznaczenia gęstości nasion jęczmienia jarego (odmiany Stratus i Rodos). Po przebadaniu 200 sieci wybrano jako modele dwie sieci typu perceptron trójwarstwowy. Jako dane wejściowe istotne okazały się mass ziarna, długości i jeden z wymiarów poprzecznych (grubość albo szerokość). Wybrane sieci neuronowe zachowały zdolność generalizacji - średnie błędy względne dla danych testujących (nie wykorzystywanych w procesie uczenia) były nieznacznie większe niż dla danych walidacyjnych.
    The study involved development of models using artificial neuron networks to determine spring barley seeds density (Stratus and Rodos varieties). After having tested 200 networks, two three-layer perception-type networks were selected for models. Important input data were: seed weight, seed length, and one of crosswise dimensions (thickness or width). Selected neuron networks maintained their generalization ability - mean relative errors for testing data (not used in learning process) were slightly higher than for validation data.
    Źródło:
    Inżynieria Rolnicza; 2005, R. 9, nr 10, 10; 83-90
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Employing linear artificial neural networks in property appraisal and valuation – possible applications
    Zastosowanie liniowych sieci neuronowych w wycenie nieruchomości – możliwości aplikacyjne
    Autorzy:
    Górak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/100240.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie
    Tematy:
    neural network
    artificial neuron
    training set
    property valuation
    database
    sieć neuronowa
    sztuczny neuron
    zbiór uczący
    wycena nieruchomości
    baza danych
    Opis:
    Transactional price is the result of some kind of free market game, and of independent decisions taken by the parties to the transaction. Prices depend on a number of factors, specific to the local real estate market. The impact of some factors is fixed, while others are dependent on the location of the property. Therefore, research into the determination of rules that would describe the relationship between the market price of the real estate, and its market characteristics, remain valid. The article presents the possibilities of applying linear artificial neural networks to real estate valuation. Using a database, the artificial linear neural network is developing a regression model, which produces the results that oscillate close to the market value of the property. The necessary condition is the creation of a database that is representative of the given real estate market.
    Cena transakcyjna to wynik pewnego rodzaju gry rynkowej oraz suwerennych decyzji podejmowanych przez strony transakcji. Ceny uzależnione są od szeregu czynników charakterystycznych dla danego lokalnego rynku nieruchomości. Wpływ pewnych czynników jest niezmienny, inne zaś zależne są od lokalizacji nieruchomości. Dlatego badania nad określeniem reguł opisujących zależność pomiędzy ceną rynkową nieruchomości a jej cechami rynkowymi są wciąż aktualne. Artykuł przedstawia możliwości aplikacyjne sztucznych liniowych sieci neuronowych w wycenie nieruchomości. Sztuczna liniowa sieć neuronowa na podstawie bazy danych, opracowuje model regresyjny uzyskujący wyniki oscylujące w pobliżu rynkowej wartości nieruchomości. Warunkiem koniecznym jest utworzenie bazy danych, reprezentatywnej dla danego rynku nieruchomości.
    Źródło:
    Geomatics, Landmanagement and Landscape; 2017, 1; 17-24
    2300-1496
    Pojawia się w:
    Geomatics, Landmanagement and Landscape
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Stabilność układu sterowania z regulatorem neuronowym
    Stability of system with neurocontroller
    Autorzy:
    Hirniak, Y.
    Ivakhiv, O.
    Nakonechnyi, M.
    Repetylo, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/268949.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    sieć neuronowa
    dynamika układów sterowania
    system sterowania
    stabilność
    neuron network
    non-linear object
    system control
    controller
    algorithm studying
    Opis:
    W artykule rozpatrzono sposób syntezy regulatorów neuronowych, które wykorzystuje się do sterowania dynamicznymi obiektami nieliniowymi. Zbadano stabilność układu sterowania z regulatorem neuronowym, którego struktura została zaprojektowana według pożądanej reguły sterowania. Zaproponowano strukturę, w której w przeciwieństwie do zwykle stosowanego wprowadzenia uchybu regulacji na wejście regulatora podaje się sygnał wejściowy oraz wyjściowy na dwa oddzielne wejścia, co powoduje większą skuteczność działania systemu sterowania, a mianowicie polepszenie, jakości sterowania oraz przyśpieszenie reakcji systemu na sygnały wymuszające.
    The nature of nonlinearities in the objects of control particularly in the drives of robotic systems as dynamic objects of the second order is analyzed and shown that under the influence of some loads the mathematical model of such object is nonlinear and its linearization leads to disregard factors that significantly affect the dynamics of the object. The controllers which are built using classical methods in the process of system operation do not provide full adequacy between the values of specified and actual controlled variables of nonlinear control objects. An application of neural controllers promises the best prospects. We consider features of construction of dynamic neural network and the mathematical models of standard carried the review of functions of activation neurons and feasibility of using gradient algorithms including the algorithm Levenberg Marquardt for training dynamic neural networks. It is supposed that the system is based on the proportional-integral-differential law. The stability of the system supported by neurocontroller with two separated inputs is discussed. Obviously the control action of such dynamic system is corresponded with the difference between output signals of the non-linear object and the chosen standard. On contrary to a typical structure it was proposed to put these signals on two separate inputs. During the training procedure everyone weight is found one from another independently. This task has been considered which include the location of the dominant roots of the characteristic equation of the closed-loop system in a given area of the complex plane of the roots and then return back to the open-loop system. The comparison of obtained errors in traditional and proposed structures of neurocontroller showed that the last one is the most effective in quality and productivity sense.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2014, 38; 23-27
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metod analizy obrazów do automatycznej detekcji i pomiaru źrenic oczu
    Methods of image analysis used for automatic detection of human eye pupils
    Autorzy:
    Koprowski, R.
    Tokarczyk, R.
    Wróbel, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/131258.pdf
    Data publikacji:
    2006
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    digital image
    image analysis
    correlation
    neuron network
    morphological analysis
    obraz cyfrowy
    analiza obrazu
    korelacja
    sieć neuronowa
    analiza morfologiczna
    Opis:
    Potrzeby diagnostyki medycznej wad budowy i postawy człowieka wymagają stworzenia prostej metody jego pozycjonowania w trójwymiarowej przestrzeni. Jedną z metod wyznaczania położenia charakterystycznych punktów ciała jest metoda fotogrametryczna. Pomierzone punkty na zdjęciach służą do zbudowania przestrzennego modelu i za pomocą punktów dostosowania umieszczenia go w układzie odniesienia. Fotogrametryczny system do pomiaru 3D punktów ciała ludzkiego opracowany w Zakładzie Fotogrametrii i Informatyki Teledetekcyjnej WGGiIŚ AGH w Krakowie wymaga pomiaru na zdjęciach cyfrowych wybranych miejsc ciała ludzkiego, sygnalizowanych styropianowymi kulkami-markerami oraz środków źrenic oczu. W ramach automatyzacji pomiaru na zdjęciach prowadzone są badania nad metodami detekcji i pomiaru trzech grup punktów: fotopunktów, markerów na pacjencie oraz źrenic oczu Niniejsze opracowanie dotyczy metody automatycznego pomiaru trzeciej grupy punktów pomiarowych. Opracowana metoda detekcji źrenic oczu wymaga zrealizowania celów cząstkowych: detekcji markerów na ciele pacjenta, segmentacji obrazu ciała dla wykrycia głowy z rejonem oczu, wykrycia i pomiaru środków źrenic. Pierwszy z celów osiągnięto wykorzystując metodę korelacji krzyżowej. Do wykrycia rejonu oczu wykorzystano analizę skupień zbioru wspołrzędnych metodą k najbliższych sąsiadów. Dalsze przybliżenie rejonu oczu osiągnięto wykorzystując analizę statystyczną dużej ilości zdjęć pacjentów dla wyznaczenia współczynnika kryterium rejonizacji. Metodyka wyznaczania położenia oczu, centralnych punktów położenia źrenic została oparta na sieciach neuronowych ze wsteczną propagacją błędu. Uzyskana dokładność metody została oceniona na poziomie około 1 piksela, jej skuteczność w znacznej mierze zależy od prawidłowej detekcji markerów na ciele pacjenta.
    The needs of medical rehabilitation requires the creation of a simple method for the positioning of a human body in 3-D space. The method of posture analysis consists in simple visualization of particular characteristic points of the patient’s body. Usually, an assessment of the relative displacement and asymmetry of these points are a reliable measure of pathological body posture deviation. One of the methods of determining the position of characteristic points is the photogrammetric method. The points measured in the images are used to create a spatial model and, based on control points, position it in a reference system. The photogrammetric system for measuring 3D points located on a human body has been developed in the Department of Photogrammetry and Remote Sensing Informatics, Technical University – AGH Kraków. In the system, on digital images (taken with two compact, free-focus-type digital cameras), special markers (light foamed polystyrene balls) located on chosen points of human body and the center of an eye pupil are measured. To make the system more automatic, the research is carried on to automatically detect and measure the three following groups of points: control points, markers located on the human body and eye pupil. In this paper, the method of automatic measurement of last group of points is considered. The developed method of eye pupil detection requires achieving the following goals: detection of markers located on the human body, segmentation of the body image to detect a head, approximate eye localization and, finally, the measurement of a pupil center. The first goal was achieved by using the cross correlation method. The localization of the eyes was done by analyzing the coordinates’ set concentration by k nearest neighbors. The achieved results were divided into two sets pa 1 and pa 2 , which consist of data on the position of markers located on the front and back sides of body. A further approximation of eye location was achieved using statistical analysis of many images to determine the coefficient as a criterion for region membership. The methodology of determination of eye position, and pupil center were based on a neural network with backward error propagation. The achieved accuracy was estimated as 1 pixel, but the efficiency strongly depends on the proper detection of the markers located on the patient’s body.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 305-317
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A modified particle swarm optimization procedure for triggering fuzzy flip-flop neural networks
    Autorzy:
    Kowalski, Piotr A.
    Słoczyński, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/2055168.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    fuzzy neural network
    fuzzy flip-flop neuron
    particle swarm optimization
    training procedure
    sieć neuronowa rozmyta
    optymalizacja rojem cząstek
    procedura szkoleniowa
    Opis:
    The aim of the presented study is to investigate the application of an optimization algorithm based on swarm intelligence to the configuration of a fuzzy flip-flop neural network. Research on solving this problem consists of the following stages. The first one is to analyze the impact of the basic internal parameters of the neural network and the particle swarm optimization (PSO) algorithm. Subsequently, some modifications to the PSO algorithm are investigated. Approximations of trigonometric functions are then adopted as the main task to be performed by the neural network. As a result of the numerical verification of the problem, a set of rules are developed that can be helpful in constructing a fuzzy flip-flop type neural network. The obtained results of the computations significantly simplify the structure of the neural network in relation to similar conditions known from the literature.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2021, 31, 4; 577--586
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Rozpoznawanie obrazów z użyciem sztucznych sieci neuronowych
    Image recognition with artificial neuron networks
    Autorzy:
    Langman, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/290854.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    sztuczna sieć neuronowa
    rozpoznawanie obrazów
    artificial neuron network
    image recognition
    Opis:
    W pracy przedstawiono propozycję architektury sztucznej sieci neuronowej, która może być zastosowana do rozpoznawania obrazów. Cechuje się one modularną budową, co powoduje iż rozbudowa już nauczonej sieci polega na dołączeniu nauczonego dodatkowego modułu bez konieczności ingerencji w istniejącą cześć sieci.
    The study presents architecture proposal for artificial neuron network, which may be employed for image recognition. Modular structure is characteristic for it, as a result of which development of already taught network involves adding taught extra module without the need to interfere with existing part of the network.
    Źródło:
    Inżynieria Rolnicza; 2005, R. 9, nr 10, 10; 263-268
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Efficient nonlinear predictive control based on structured neural models
    Autorzy:
    Ławryńczuk, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/907652.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    sterowanie procesami
    sterowanie predykcyjne
    sieć neuronowa
    optymalizacja
    linearyzacja
    process control
    model predictive control
    neuron network
    optimisation
    linearisation
    Opis:
    This paper describes structured neural models and a computationally efficient (suboptimal) nonlinear Model Predictive Control (MPC) algorithm based on such models. The structured neural model has the ability to make future predictions of the process without being used recursively. Thanks to the nature of the model, the prediction error is not propagated. This is particularly important in the case of noise and underparameterisation. Structured models have much better long-range prediction accuracy than the corresponding classical Nonlinear Auto Regressive with eXternal input (NARX) models. The described suboptimal MPC algorithm needs solving on-line only a quadratic programming problem. Nevertheless, it gives closed-loop control performance similar to that obtained in fully-fledged nonlinear MPC, which hinges on online nonconvex optimisation. In order to demonstrate the advantages of structured models as well as the accuracy of the suboptimal MPC algorithm, a polymerisation reactor is studied.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2009, 19, 2; 233-246
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sieci neuronowej do określania efektywności pracy rozdrabniacza leśnego
    Emploment of neuron network for definition of effectiveness of work forestry shreder
    Autorzy:
    Maksymiak, M.
    Grieger, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/289071.pdf
    Data publikacji:
    2007
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    sztuczna sieć neuronowa
    rozdrabniacz leśny
    efektywność
    artificial neuron network
    forestry
    shredder
    effectiveness
    Opis:
    Poprawa jakości użytkowania maszyn do prac w lesie wymaga stosowania nowoczesnych narzędzi wspomagających decyzje. Celem pracy była budowa SSN do wspomagania procesu decyzyjnego w zakresie wyznaczania efektywności wykorzystania rozdrabniacza leśnego na podstawie przewidywanych parametrów pracy. Badania przeprowadzono na dwóch różnych zestawach maszyn; ciągnika rolniczego ZTS 16245 w połączeniu z rozdrabniaczem Seppi m, i ciągnika rolniczego Crystal 160 z rozdrabniaczem Atilla ST. Zebrane dane z badań stosowano do uczenia szeregu złożonych sieci neuronowych. Parametrem wyjściowym w procesie uczenia była efektywność pracy rozdrabniacza leśnego wyrażona w rbh/ha. Porównano szereg modyfikacji wag sieci. Jako właściwe rozwiązanie w postaci nauczonej sieci przyjęto najmniejszy błąd względny uzyskany po zakończeniu procesu uczenia. Powyższe badania wykazały, że różnice błędu względnego dla różnych układów SSN są nieznaczne, mianowicie występują w przedziale od 10,7% do 19,1%. Możliwe zatem jest stosowanie tego typu rozwiązania jako narzędzia ułatwiającego zarządzanie techniką do prac leśnych.
    Improvement quality of operation machines to work on forest require to use modern implements asist decision. The aim of this study is to create a model, which would use artificial neuron networks to establish the optimal effectiveness of a forestry shredder. The research ware precede on base on example of two sets of machines: Seppi m and tractor ZTS 16245, and Atilla ST and tractor Crystal 160. The initial parameter was the effectiveness of the forestry shredder indicated by working hours / area. Several modifications of network worth were compared. The process for different versions was conducted according to the methodology of comparing quality of the network learning to various number of the neurons in several layers.
    Źródło:
    Inżynieria Rolnicza; 2007, R. 11, nr 2 (90), 2 (90); 175-181
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predykcja natężenia ruchu w ciągu skrzyżowań z wykorzystaniem sieci neuronowych
    The traffic flow prediction in the intersections using neural networks
    Autorzy:
    Pamuła, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/254214.pdf
    Data publikacji:
    2015
    Wydawca:
    Instytut Naukowo-Wydawniczy TTS
    Tematy:
    sieć neuronowa
    predykcja
    natężenie ruchu
    neuron network
    prediction
    traffic
    Opis:
    W artykule zaproponowano wykorzystanie jednej sieci neuronowej do krótkoterminowej predykcji wartości natężeń ruchu dla wylotów dwóch kolejnych skrzyżowań tej samej ulicy. Predykcja natężenia ruchu na drugim skrzyżowaniu została wykonana na podstawie danych historycznych dla skrzyżowania pierwszego. Pozwala to na określenie przyszłego natężenia ruchu na wylocie tego skrzyżowania w przypadku braku danych rejestrowanych na tym skrzyżowaniu. Dokonano walidacji modelu z użyciem historycznych danych otrzymanych z Centrum Sterowania Ruchem w Gliwicach. Baza danych obejmuje dane o natężeniu ruchu z 6 miesięcznego okresu rejestracji w 2014 roku (luty-lipiec). W badaniach wykorzystano wartości natężenia ruchu rejestrowane w odstępach 15 minutowych.
    The paper presents a proposal of using one neural network for short time prediction of traffic flow on two adjacent junctions of a traffic route. The traffic flow on the second junction is predicted on the basis of historic data registered at the first junction. This allows to forecast the flow on the second junction in the case of failure of its flow measuring devices. The proposed NN is validated using data acquired from the Road Traffic Control Centre in Gliwice. The database consists of traffic flow measurements collected over 6 months in 2014 (February - July). The flow was registered in 15 min intervals.
    Źródło:
    TTS Technika Transportu Szynowego; 2015, 12; 1180-1185, CD
    1232-3829
    2543-5728
    Pojawia się w:
    TTS Technika Transportu Szynowego
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Przegląd zastosowań sieci neuronowych w transporcie
    The rewiev of the applications of neural networks in transport
    Autorzy:
    Pamuła, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/250641.pdf
    Data publikacji:
    2015
    Wydawca:
    Instytut Naukowo-Wydawniczy TTS
    Tematy:
    sieć neuronowa
    transport
    ruch drogowy
    sterowanie ruchem
    polityka transportowa
    ekonomia transportowa
    neuron network
    traffic
    motion control
    transport policy
    transport economy
    Opis:
    Zdolność sieci neuronowej do odwzorowania nieliniowych zależności między zmiennymi opisującymi zachowanie obiektów oraz możliwość opracowania efektywnej konfiguracji sprzyja zastosowaniom w transporcie. W artykule przedstawiono reprezentatywne przykłady z zakresu: predykcji parametrów ruchu drogowego, sterowania ruchem drogowym, pomiarów parametrów ruchu, zachowania kierowców i prowadzenia autonomicznych pojazdów, ekonomii i polityki transportowej oraz omówiono własności proponowanych rozwiązań. Najczęściej wybieranymi sieciami neuronowymi są jednokierunkowe wielowarstwowe, trenowane z użyciem algorytmu propagacji wstecznej. W przeglądzie wzięto pod uwagę artykuły opublikowane w czasopismach w ciągu ostatnich pięciu lat.
    The neuron networks capability to map nonlinear functions of variables describing the behaviour of objects and the simplicity of designing their configuration favours the applications in transport. The paper presents representative examples in the scope of: prediction of road traffic parameters, road traffic control, measurement of road traffic parameters, drivers behaviour and autonomous vehicles, economy and transport policies. The features of the solutions are examined. Feedforward multilayer neural networks, trained using backpropagation, are the most often utilised configurations in transport applications. In the review was taken into account the articles published in journals over the past five years.
    Źródło:
    TTS Technika Transportu Szynowego; 2015, 12; 1186-1190, CD
    1232-3829
    2543-5728
    Pojawia się w:
    TTS Technika Transportu Szynowego
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimizing information processing in brain-inspired neural networks
    Autorzy:
    Paprocki, B.
    Pregowska, A.
    Szczepanski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/202095.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    neural network
    entropy
    mutual information
    noise
    inhibitory neuron
    Opis:
    The way brain networks maintain high transmission efficiency is believed to be fundamental in understanding brain activity. Brains consisting of more cells render information transmission more reliable and robust to noise. On the other hand, processing information in larger networks requires additional energy. Recent studies suggest that it is complexity, connectivity, and function diversity, rather than just size and the number of neurons, that could favour the evolution of memory, learning, and higher cognition. In this paper, we use Shannon information theory to address transmission efficiency quantitatively. We describe neural networks as communication channels, and then we measure information as mutual information between stimuli and network responses. We employ a probabilistic neuron model based on the approach proposed by Levy and Baxter, which comprises essential qualitative information transfer mechanisms. In this paper, we overview and discuss our previous quantitative results regarding brain-inspired networks, addressing their qualitative consequences in the context of broader literature. It is shown that mutual information is often maximized in a very noisy environment e.g., where only one-third of all input spikes are allowed to pass through noisy synapses and farther into the network. Moreover, we show that inhibitory connections as well as properly displaced long-range connections often significantly improve transmission efficiency. A deep understanding of brain processes in terms of advanced mathematical science plays an important role in the explanation of the nature of brain efficiency. Our results confirm that basic brain components that appear during the evolution process arise to optimise transmission performance.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2020, 68, 2; 225-233
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The mechanism of the analysis of entering Internet traffic for the presence of threats
    Mekhanizm analiza vkhodjashhego Internet trafika na naliche ugroz
    Autorzy:
    Petrov, A.
    Velchenko, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/792762.pdf
    Data publikacji:
    2012
    Wydawca:
    Komisja Motoryzacji i Energetyki Rolnictwa
    Tematy:
    external threat
    information system
    semantic neuron network
    virtual network
    automated informative system
    Internet traffic
    Źródło:
    Teka Komisji Motoryzacji i Energetyki Rolnictwa; 2012, 12, 4
    1641-7739
    Pojawia się w:
    Teka Komisji Motoryzacji i Energetyki Rolnictwa
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Membrain neural network for visual pattern recognition
    Autorzy:
    Popko, A.
    Jakubowski, M.
    Wawer, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/103198.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    neural network
    pattern recognition
    neuron model
    Opis:
    Recognition of visual patterns is one of significant applications of Artificial Neural Networks, which partially emulate human thinking in the domain of artificial intelligence. In the paper, a simplified neural approach to recognition of visual patterns is portrayed and discussed. This paper is dedicated for investigators in visual patterns recognition, Artificial Neural Networking and related disciplines. The document describes also MemBrain application environment as a powerful and easy to use neural networks’ editor and simulator supporting ANN.
    Źródło:
    Advances in Science and Technology. Research Journal; 2013, 7, 18; 54-59
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-15 z 15

      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