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 "rozmyta sieć neuronowa" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-11 z 11
    Tytuł:
    A fuzzy neural network for knowledge acquisition in complex time series
    Autorzy:
    Kasabov, N.
    Kim, J.
    Kozma, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/205889.pdf
    Data publikacji:
    1998
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    logika rozmyta
    sieć neuronowa rozmyta
    układ dynamiczny
    adaptation
    computational neural net
    fuzzy logic
    fuzzy neural net
    knowledge acquisition
    time-series and dynamical system
    Opis:
    A novel fuzzy neural network, called FuNN, is applied here for time-series modeling. FuNN models have several features that make them well suited to a wide range of knowledge engineering applications. These strengths include fast and accurate learning, good generalisation capabilities, excellent explanation facilities in the form of semantically meaningful fuzzy rules, and the ability to accomodate both numerical data and existing expert knowledge about the problem under consideration. We investigate the effectiveness of the proposed neuro-fuzzy hybrid architectures for manipulating the future behaviour of nonlinear dynamical systems and interpreting fuzzy if-then rules. A well-known example of Box and Jenkins is used as a benchmark time series in the proposed modelling approach and the other modelling approach. Finally, experimental results and comparisons with the other popular neuro-fuzzy inference system, namely Adaptive Network-based Fuzzy Inference System (ANFIS) are also presented.
    Źródło:
    Control and Cybernetics; 1998, 27, 4; 593-611
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An Expert System Coupled With a Hierarchical Structure of Fuzzy Neural Networks for Fault Diagnosis
    Autorzy:
    Calado, J. M. F.
    Costa, I. S.
    Powiązania:
    https://bibliotekanauki.pl/articles/908283.pdf
    Data publikacji:
    1999
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    rozpoznanie błędu
    wykrywanie błędu
    system ekspertowy
    sieć neuronowa rozmyta
    fault diagnosis
    fault detection
    fault isolation
    shallow knowledge
    deep knowledge
    expert system
    fuzzy neural network
    abrupt faults
    incipient faults
    Opis:
    An on-line fault diagnosis system, designed to be robust to the normal transient behaviour of the process, is described. The overall system consists of an expert system cascade with a hierarchical structure of fuzzy neural networks, corresponding to a multi-stage fault detection and isolation system. The fault detection is performed through the expert system by means of fault detection heuristic rules, generated from deep and shallow knowledge of the process under consideration. If a fault is detected, the hierarchical structure of fuzzy neural networks starts and it performs the fault isolation task. The structure of this diagnosis system was designed to allow for the diagnosis of single and multiple simultaneous abrupt and incipient faults from only single abrupt fault symptoms. Also, it combines the advantages of both fuzzy reasoning and neural networks learning capacity. A continuous binary distillation column has been used as a test bed of the current approach. Single, double and triple simultaneous abrupt faults, as well as incipient faults, have been considered. The preliminary results obtained show a good accuracy, even in the case of multiple faults.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 1999, 9, 3; 667-687
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Extraction of fuzzy rules using deterministic annealing integrated with ε-insensitive learning
    Autorzy:
    Czabański, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/908395.pdf
    Data publikacji:
    2006
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    system rozmyty
    sieć neuronowa
    sieć neuronowa rozmyta
    ekstrakcja reguł
    fuzzy systems
    neural networks
    neuro-fuzzy systems
    rules extraction
    deterministic annealing
    Opis:
    A new method of parameter estimation for an artificial neural network inference system based on a logical interpretation of fuzzy if-then rules (ANBLIR) is presented. The novelty of the learning algorithm consists in the application of a deterministic annealing method integrated with ε-insensitive learning. In order to decrease the computational burden of the learning procedure, a deterministic annealing method with a “freezing” phase and ε-insensitive learning by solving a system of linear inequalities are applied. This method yields an improved neuro-fuzzy modeling quality in the sense of an increase in the generalization ability and robustness to outliers. To show the advantages of the proposed algorithm, two examples of its application concerning benchmark problems of identification and prediction are considered.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2006, 16, 3; 357-372
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Artificial intelligence in technical diagnostics
    Sztuczna inteligencja w diagnostyce technicznej
    Autorzy:
    Korbicz, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/327534.pdf
    Data publikacji:
    2008
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    detekcja uszkodzeń
    odporność
    próg adaptacyjny
    sieć neuronowa
    sieć neuronowo-rozmyta
    programowanie genetyczne
    diagnostyka techniczna
    fault detection
    robustness
    adaptive threshold
    neural networks
    neuro-fuzzy networks
    genetic programming
    technical diagnostics
    Opis:
    The paper deals with the problems of robust fault detection using soft computing techniques, particularly neural networks (Group Method of Data Handling, GMDH), neuro-fuzzy networks (Takagi-Sugeno (T-S) model) and genetic programming. The model-based approach to Fault Detection and Isolation (FDI) is considered. The main objective is to show how to employ the bounded-error approach to determine the uncertainty defined as a confidence range for the model output, the adaptive thresholds can be defined. Finally, the presented approaches are tested on a servoactuator being an FDI benchmark in the DAMADICS project.
    W artykule rozpatruje się problemy odpornej detekcji uszkodzeń z wykorzystaniem technik obliczeń inteligentnych, a w szczególności sieci neuronowych (Group Method of Data Handling, GMDH), sieci neuronowo-rozmytych (model Takagi-Sugeno) oraz programowania genetycznego. Rozpatruje się układ detekcji i lokalizacji uszkodzeń z modelem. Głównym celem jest pokazanie jak zastosować metodę ograniczonego błędu do wyznaczenia niepewności modeli neuronowych i rozmytych. Pokazano, że korzystając z wyznaczonych niepewnych modeli obliczeń inteligentnych zdefiniowanych w postaci przedziałów ufności dla wyjścia modelu można zdefiniować adaptacyjny próg decyzyjny. W ostatniej części efektywność rozpatrywanych podejść ilustrowana jest na przykładzie układu diagnostyki inteligentnego urządzenia siłownik-ustawnik-zawór z projektu DAMADICS.
    Źródło:
    Diagnostyka; 2008, 2(46); 7-16
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    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:
    Forecasting return products in an integrated forward/reverse supply chain utilizing an ANFIS
    Autorzy:
    Kumar, D. T.
    Soleimani, H.
    Kannan, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/329809.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    artificial neural network
    adaptive network based fuzzy
    inference system
    closed loop supply chain
    forecasting methods
    fuzzy neural network
    sztuczna sieć neuronowa
    system wnioskowania
    metoda prognozowania
    sieć neuronowa rozmyta
    Opis:
    Interests in Closed-Loop Supply Chain (CLSC) issues are growing day by day within the academia, companies, and customers. Many papers discuss profitability or cost reduction impacts of remanufacturing, but a very important point is almost missing. Indeed, there is no guarantee about the amounts of return products even if we know a lot about demands of first products. This uncertainty is due to reasons such as companies’ capabilities in collecting End-of-Life (EOL) products, customers’ interests in returning (and current incentives), and other independent collectors. The aim of this paper is to deal with the important gap of the uncertainties of return products. Therefore, we discuss the forecasting method of return products which have their own open-loop supply chain. We develop an integrated two-phase methodology to cope with the closed-loop supply chain design and planning problem. In the first phase, an Adaptive Network Based Fuzzy Inference System (ANFIS) is presented to handle the uncertainties of the amounts of return product and to determine the forecasted return rates. In the second phase, and based on the results of the first one, the proposed multi-echelon, multi-product, multi-period, closed-loop supply chain network is optimized. The second-phase optimization is undertaken based on using general exact solvers in order to achieve the global optimum. Finally, the performance of the proposed forecasting method is evaluated in 25 periods using a numerical example, which contains a pattern in the returning of products. The results reveal acceptable performance of the proposed two-phase optimization method. Based on them, such forecasting approaches can be applied to real-case CLSC problems in order to achieve more reliable design and planning of the network.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2014, 24, 3; 669-682
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Building intrusion detection systems based on the basis of methods of intellectual analysis of data
    Budowa systemów wykrywania ataków na podstawie metod inteligentnej analizy danych
    Autorzy:
    Tolіupa, S.
    Brailovskyi, M.
    Parkhomenko, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/952707.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    intrusion detection system
    attack
    fuzzy logic
    neural network
    system wykrywania włamań
    atak
    logika rozmyta
    sieć neuronowa
    Opis:
    Nowadays, with the rapid development of network technologies and with global informatization of society problems come to the fore ensuring a high level of information system security. With the increase in the number of computer security incidents, intrusion detection systems (IDS) started to be developed rapidly.Nowadays the intrusion detection systems usually represent software or hardware-software solutions, that automate the event control process, occurring in an information system or network, as well as independently analyze these events in search of signs of security problems. A modern approach to building intrusion detection systems is full of flaws and vulnerabilities, which allows, unfortunately, harmful influences successfully overcome information security systems. The application of methods for analyzing data makes it possible identification of previously unknown, non-trivial, practically useful and accessible interpretations of knowledge necessary for making decisions in various spheres of human activity. The combination of these methods along with an integrated decision support system makes it possible to build an effective system for detecting and counteracting attacks, which is confirmed by the results of imitation modeling.
    W chwili obecnej szybki rozwój technologii sieciowych i globalnej informatyzacji społeczeństwa uwypukla problemy związane z zapewnieniem wysokiego poziomu bezpieczeństwa systemów informacyjnych. Wraz ze wzrostem liczby incydentów komputerowych związanych z bezpieczeństwem nastąpił dynamiczny rozwój systemów wykrywania ataków. Obecnie systemy wykrywania włamań i ataków to zazwyczaj oprogramowanie lub sprzętowo-programowe rozwiązania automatyzujące proces monitorowania zdarzeń występujących w systemie informatycznym lub sieci, a także samodzielnie analizujące te zdarzenia w poszukiwaniu oznak problemów bezpieczeństwa. Nowoczesne podejście do budowy systemów wykrywania ataków na systemy informacyjne jest pełne wad i słabych punktów, które niestety pozwalają szkodliwym wpływom na skuteczne pokonanie systemów zabezpieczania informacji. Zastosowanie metod inteligentnej analizy danych pozwala wykryć w danych nieznane wcześniej, nietrywialne, praktycznie użyteczne i dostępne interpretacje wiedzy niezbędnej do podejmowania decyzji w różnych sferach ludzkiej działalności. Połączenie tych metod wraz ze zintegrowanym systemem wspomagania decyzji umożliwia zbudowanie skutecznego systemu wykrywania i przeciwdziałania atakom, co potwierdzają wyniki modelowania.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2018, 8, 4; 28-31
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    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:
    Simulation and Analysis of Sintering Furnace Temperature Based on Fuzzy Neural Network Control
    Autorzy:
    Chaoxin, Zou
    Rong, Li
    Zhiping, Xie
    Ming, Su
    Jingshi, Zeng
    Xu, Ji
    Xiaoli, Ye
    Ye, Wang
    Powiązania:
    https://bibliotekanauki.pl/articles/1837792.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    fuzzy neural network
    furnace
    sintering
    temperature control
    PID
    sieć neuronowa rozmyta
    piec
    spiekanie
    kontrola temperatury
    Opis:
    Aiming at the problems of delay and couple in the sintering temperature control system of lithium batteries, a fuzzy neural network controller that can solve complex nonlinear temperature control is designed in this paper. The influence of heating voltage, air inlet speed and air inlet volume on the control of temperature of lithium battery sintering is analyzed, and a fuzzy control system by using MATLAB toolbox is established. And on this basis, a fuzzy neural network controller is designed, and then a PID control system and a fuzzy neural network control system are established through SIMULINK. The simulation shows that the response time of the fuzzy neural network control system compared with the PID control system is shortened by 24s, the system stability adjustment time is shortened by 160s, and the maximum overshoot is reduced by 6.1%. The research results show that the fuzzy neural network control system can not only realize the adjustment of lithium battery sintering temperature control faster, but also has strong adaptability, fault tolerance and anti-interference ability.
    Źródło:
    Archives of Foundry Engineering; 2021, 21, 1; 23-30
    1897-3310
    2299-2944
    Pojawia się w:
    Archives of Foundry Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Simulation and Analysis of Sintering Furnace Temperature Based on Fuzzy Neural Network Control
    Autorzy:
    Chaoxin, Zou
    Rong, Li
    Zhiping, Xie
    Ming, Su
    Jingshi, Zeng
    Xu, Ji
    Xiaoli, Ye
    Ye, Wang
    Powiązania:
    https://bibliotekanauki.pl/articles/1837849.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    fuzzy neural network
    furnace
    sintering
    temperature control
    PID
    sieć neuronowa rozmyta
    piec
    spiekanie
    kontrola temperatury
    Opis:
    Aiming at the problems of delay and couple in the sintering temperature control system of lithium batteries, a fuzzy neural network controller that can solve complex nonlinear temperature control is designed in this paper. The influence of heating voltage, air inlet speed and air inlet volume on the control of temperature of lithium battery sintering is analyzed, and a fuzzy control system by using MATLAB toolbox is established. And on this basis, a fuzzy neural network controller is designed, and then a PID control system and a fuzzy neural network control system are established through SIMULINK. The simulation shows that the response time of the fuzzy neural network control system compared with the PID control system is shortened by 24s, the system stability adjustment time is shortened by 160s, and the maximum overshoot is reduced by 6.1%. The research results show that the fuzzy neural network control system can not only realize the adjustment of lithium battery sintering temperature control faster, but also has strong adaptability, fault tolerance and anti-interference ability.
    Źródło:
    Archives of Foundry Engineering; 2021, 21, 1; 23-30
    1897-3310
    2299-2944
    Pojawia się w:
    Archives of Foundry Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ventilation control of the new safe confinement of the Chornobylnuclear power plant based on neuro-fuzzy networks
    Kontrola wentylacji nowej bezpiecznej powłoki czarnobylskiej elektrowni jądrowej oparta na rozmytych sieciach neuronowych
    Autorzy:
    Loboda, Petro
    Starovit, Ivan S.
    Shushura, Oleksii M
    Havrylko, Yevhen V.
    Saveliev, Maxim V.
    Sachaniuk-Kavets’ka, Natalia
    Neprytskyi, Oleksandr
    Oralbekova, Dina
    Mussayeva, Dinara
    Powiązania:
    https://bibliotekanauki.pl/articles/28875033.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    New Safe Confinement
    ventilation management
    neuro-fuzzy network
    information technology
    fuzzy logic
    digital twin
    Nowa Bezpieczna Powłoka
    zarządzanie wentylacją
    rozmyta sieć neuronowa
    technologia informacyjna
    logika rozmyta
    cyfrowy bliźniak
    Opis:
    The accident at the Chornobyl Nuclear Power Plant (ChNPP) in Ukraine in 1986 became one of the largest technological disasters in human history. During the accident cleanup, a special protective structure called the Shelter Object was built to isolate the destroyed reactor from the environment. However, the planned operational lifespan of the Shelter Object was only 30 years. Therefore, with the assistance of the international community, a new protective structure called the New Safe Confinement (NSC) was constructed and put into operation in 2019. The NSC is a large and complex system that relies on a significant number of various tools and subsystems to function. Due to temperature fluctuations and the influence of wind, hydraulic processes occur within the NSC, which can lead to the release of radioactive aerosols into the environment. The personnel of the NSC prevents these leaks, including through ventilation management. Considering the long planned operational term of the NSC, the development and improvement of information technologies for its process automation is a relevant task. The purpose of this paper is to develop a method for managing the ventilation system of the NSC based on neuro-fuzzy networks. An investigation of the current state of ventilation control in the NSC has been conducted, and automation tools for the process have been proposed. Using an adaptive neuro-fuzzy inference system (ANFIS) and statistical data on the NSC's operation, neuro-fuzzy models have been formed, which allows to calculate the expenses of the ventilation system using the Takagi-Sugeno method. The verification of the proposed approaches on a test data sample demonstrated sufficiently high accuracy of the calculations, confirming the potential practical utility in decision-making regarding NSC’s ventilation management. The results of this paper can be useful in the development of digital twins of the NSC for process management and personnel training.
    Awaria w Czarnobylskiej Elektrowni Jądrowej (ChNPP), która miała miejsce w Ukrainie w 1986 roku, stała się jedną z największych katastrof technologicznych w historii ludzkości. Podczas likwidacji awarii zbudowano specjalną strukturę ochronną – Obiekt "Ukrycie", mającą na celu izolację zniszczonego reaktora od otoczenia. Jednak planowany okres eksploatacji sarkofagu "Ukrycie" wynosił tylko 30 lat, dlatego przy wsparciu społeczności międzynarodowej zbudowano nową strukturę ochronną – "Nowa Bezpieczna Powłoka" (NSC), która została oddana do użytku w 2019 roku. NSC jest dużym i skomplikowanym systemem, którego funkcjonowanie zapewnia znaczna liczba różnych narzędzi i podsystemów. Ze względu na zmienne temperatury i wpływ wiatru, w NSC zachodzą procesy hydrauliczne, które mogą prowadzić do uwolnienia promieniotwórczych aerozoli do otoczenia. Personel NSC zapobiega tym wyciekom, między innymi poprzez zarządzanie wentylacją. W związku z długim planowanym okresem eksploatacji NSC, istotnym zadaniem jest rozwój i doskonalenie technologii informatycznych dla automatyzacji procesów. Celem pracy jest opracowanie metody zarządzania systemem wentylacji NSC opartej na rozmytych sieciach neuronowych. Przeprowadzono badania istniejącego stanu rozwiązywania problemów zarządzania wentylacją NSC oraz wybrano narzędzia do automatyzacji procesu. Za pomocą adaptacyjnego systemu wnioskowania neuro-rozmytego (ANFIS) i danych statystycznych dotyczących funkcjonowania NSC, stworzono modele neuro-rozmyte, które pozwalają na kalkulację kosztów systemu wentylacyjnego metodą Takagi-Sugeno. Weryfikacja zaproponowanych podejść na próbce kontrolnej danych wykazała wystarczająco wysoką dokładność obliczeń, co potwierdza możliwość ich praktycznego zastosowania w procesie podejmowania decyzji dotyczących zarządzania wentylacją NSC. Wyniki pracy mogą być również przydatne przy tworzeniu cyfrowe bliźniaków NSC w celu zarządzania procesami i szkolenia personelu.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 4; 114--118
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-11 z 11

      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