Temat: surface network - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Extracellular matrix surface network is associated with non-morphogenic calli of Helianthus tuberosus cv. Albik produced from various explants
Autorzy:: Pilarska, M.
Popielarska-Konieczna, M.
Slesak, H.
Kozieradzka-Kiszkurno, M.
Goralski, G.
Konieczny, R.
Bohdanowicz, J.
Kuta, E.
Powiązania:: https://bibliotekanauki.pl/articles/58028.pdf
Data publikacji:: 2014
Wydawca:: Polskie Towarzystwo Botaniczne
Tematy:: callogenesis
extracellular matrix
surface network
in vitro culture
non-morphogenic callus
Helianthus tuberosus
Albik cultivar
explant
transmission electron microscopy
Opis:: Helianthus tuberosus is economically important species. To improve characters of this energetic plant via genetic modification, production of callus tissue and plant regeneration are the first steps. A new, potentially energetic cultivar Albik was used in this study to test callus induction and regeneration. Callus was produced on leaves, petioles, apical meristems and stems from field-harvested plants but was totally non-morphogenic. Its induction started in the cortex and vascular bundles as confirmed by histological analysis. The surface of heterogeneous callus was partially covered with a membranous extracellular matrix surface network visible in scanning and transmission electron microscopies. The results clearly indicate that: (i) the morphogenic capacity of callus in topinambur is genotype dependent, (ii) cv. Albik of H. tuberosus proved recalcitrant in in vitro regeneration, and (iii) extracellular matrix surface network is not a morphogenic marker in this cultivar.
Źródło:: Acta Societatis Botanicorum Poloniae; 2014, 83, 1
0001-6977
2083-9480
Pojawia się w:: Acta Societatis Botanicorum Poloniae
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Deep learning classification and recognition method for milling surface roughness combined with simulation data
Autorzy:: Lu, Lingli
Yi, Huaian
Shu, Aihua
Qin, Jianhua
Lu, Enhui
Powiązania:: https://bibliotekanauki.pl/articles/2203367.pdf
Data publikacji:: 2023
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: milling surface
classification
deep neural network
simulation
Opis:: To address the problem that a deep neural network needs a sufficient number of training samples to have a good prediction performance, this paper firstly used the Z-Map algorithm to generate a simulated profile of the milling surface and construct an optical simulation model of surface imaging to supplement the training sample size of the neural network. Then the Deep CORAL model was used to match the textures of the simulated samples and the actual samples across domains to solve the problem that the simulated samples were not in the same domain as the actual milling samples. Experimental results have shown that high texture matching could be achieved between optical simulation images and actual images, laying the foundation for expanding the actual milled workpiece images with the simulation images. The deep convolutional neural model Xception was used to predict the classification of six classes of data sets with the inclusion of simulation images, and the accuracy was improved from 86.48% to 92.79% compared with the model without the inclusion of simulation images. The proposed method solves the problem of the need for a large number of samples for deep neural networks and lays the foundation for similar methods to predict surface roughness for different machining processes.
Źródło:: Metrology and Measurement Systems; 2023, 30, 1; 117--138
0860-8229
Pojawia się w:: Metrology and Measurement Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Application of the Hamming network to the classification of surfaces after abrasive machining
Autorzy:: Lipinski, D.
Tomkowski, R.
Kacalak, W.
Powiązania:: https://bibliotekanauki.pl/articles/99929.pdf
Data publikacji:: 2018
Wydawca:: Wrocławska Rada Federacji Stowarzyszeń Naukowo-Technicznych
Tematy:: classification
surface topography
abrasive machining
neural network
Opis:: The use of artificial neural networks for modelling and inference about surface parameters is a more and more often undertaken research topic. Based on the analysis of the ranges of suitability of surface topography parameters, a variety of different parameters can be observed to identify surfaces with different features and different conditions of use. The issues of surface topography analysis and determination of surface condition after abrasive machining are of fundamental importance. Currently, when assessing the surface intended for interaction with the other surface, it is possible to use many surface evaluation parameters. Assigning the machined surface to the appropriate assessment group, especially in automated quality control systems, requires a preliminary surface classification. In this article Hamming's network was used for the surface classification along with modification of Hamming distance.
Źródło:: Journal of Machine Engineering; 2018, 18, 4; 114-126
1895-7595
2391-8071
Pojawia się w:: Journal of Machine Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Analiza przestrzennego układu sieci dróg i cieków w gminie wiejskiej
Analysis of spatial distribution of road and stream networks in the rural community
Autorzy:: Fiedler, M.
Antkowiak, M.
Sojka, M.
Powiązania:: https://bibliotekanauki.pl/articles/400762.pdf
Data publikacji:: 2014
Wydawca:: Polskie Towarzystwo Inżynierii Ekologicznej
Tematy:: sieć drogowa
sieć rzeczna
spływ powierzchniowy
road network
stream network
surface outflow
Opis:: Drogi i związana z nimi infrastruktura mogą znacząco oddziaływać na stan środowiska. Sieć drogowa wpływa na wielkość spływów powierzchniowych i może prowadzić do zmian w obiegu wody w środowisku. Zwiększenie wielkości terenów nieprzepuszczalnych wpływa na zmniejszenie infiltracji i zdolności retencyjnych, co powoduje, że w okresach roztopów oraz opadów burzowych punkty łączne sieci dróg i cieków stanowią dodatkowe źródło wody dopływającej do cieków. Prowadzi to do zwiększenia fal wezbraniowych oraz przyspiesza czas ich wystąpienia. W pracy przedstawiono metodę pozwalającą na określenie obszarów szczególnie narażonych na zwiększony dopływ wód powierzchniowych do cieków. Do analizy wykorzystano takie parametry jak: gęstość sieci cieków, gęstość sieci drogowej, rozkład punktów łącznych obu sieci oraz długość cieków w odległości mniejszej niż 100 m od dróg. Wyniki badań wykazały liczne występowanie punktów łącznych wynikające z dość dużej gęstości zarówno sieci drogowej, jak i sieci cieków. Analizowany obszar wykazuje równocześnie dużą zmienność możliwości wpływu dróg na przepływy w ciekach. Tereny o najwyższym zagrożeniu zajmują prawie 25% powierzchni całkowitej i powinny podlegać szczegółowej analizie w kontekście zagospodarowania przestrzeni.
Roads and infrastructure strongly influenced on the environment. Therefore an effect of road network on hydrological conditions of watershed should be taken into account. Road networks have an effect on surface water flow and lead to direct and indirect changes of water circulation in the environment. Road networks appear to have increased contribution of impermeable areas and decreased infiltration and retention capabilities. This effect in increasing of flood waves peak and also expedite time to their occurrence. During storms or snow melting junctions of road and stream networks could be additional sources of water flowing directly from road surface or from ditch to the stream. In the paper we describe method which could help to find areas with high interaction between road networks and stream networks. Examined area of Kleszczewo community was divided into grid which consist of 92 square cells of 1 km side size. For each cell we described the interaction of roadand stream networks. The generalized factor take into account density of stream network, density of road network, number of junctions of both networks and length of roads closer than 100 m from streams in each cell. Calculated values of the factor allow to distinct three classes of interaction possibilities. Results of investigation showed that the community area has big density of stream network, as well as road network what effect in numerous junction points. The majority of junctions occur between streams and field roads. Analyzed area show great variability in possibility of interaction between road network and stream network occurrence. Areas with highest possibility of such interaction took almost 25% of total area. Such places could effect in higher direct storm water flow into streams, and in consequence higher flood peaks.
Źródło:: Inżynieria Ekologiczna; 2014, 39; 51-61
2081-139X
2392-0629
Pojawia się w:: Inżynieria Ekologiczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Application of Artificial Neural Network: A Case of Single Point Incremental Forming (SPIF) of Cu67Zn33 Alloy
Autorzy:: Oraon, Manish
Sharma, Vinay
Powiązania:: https://bibliotekanauki.pl/articles/1841429.pdf
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: SPIF
input variable
artificial neural network
surface roughness
Opis:: Artificial neural network (ANN), a Computational tool that is frequently applied in the modeling and simulation of manufacturing processes. The emerging forming technique of sheet metal which is typically called single point incremental forming (SPIF) comes into the map and the research interest towards its technological parameters. The surface quality of the end product is a major issue in SPIF, which is more critical with the hard metals. The part of the brass metal is demanded in many industrial uses because of its high load-carrying capacity and its wear resistance property. Considering the industrial interest and demand of the brass metal products, the present study is done with the SPIF experiment on calamine brass Cu67Zn33 followed by an ANN analysis for predicting the absolute surface roughness. The modeling result shows a close agreement with the measured data. The minimum and maximum errors are found in experiment 3 and experiment 7 respectively. The error of predicted roughness is found in the range of –30.87 to 20.23 and the overall coefficient of performance of ANN modeling is 0.947 which is quite acceptable.
Źródło:: Management and Production Engineering Review; 2021, 12, 1; 17-23
2080-8208
2082-1344
Pojawia się w:: Management and Production Engineering Review
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: A simulation model of seawater vertical temperature by using back-propagation neural network
Autorzy:: Zhao, N.
Han, Z.
Powiązania:: https://bibliotekanauki.pl/articles/259762.pdf
Data publikacji:: 2015
Wydawca:: Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:: neural network
Agro data
vertical structure
surface temperature
Opis:: This study proposed a neural-network-based model to estimate the ocean vertical water temperature from the surface temperature in the northwest Pacific Ocean. The performance of the model and the sources of errors were assessed using the Gridded Argo dataset including 576 stations with 26 vertical levels from surface (0 m)–2,000 m over the period of 2007–2009. The parameter selection, model building, stability of the neural network were also investigated. According to the results, the averaged root mean square error (RMSE) of estimated temperature was 0.7378 °C and the correlation coefficient R was 0.9967. More than 67% of the estimates from the four selected months (January, April, July and October) lay within ± 0.5 °C. When counting with errors lower than ± 1°C, the lowest percentage was 83%.
Źródło:: Polish Maritime Research; 2015, S 1; 82-88
1233-2585
Pojawia się w:: Polish Maritime Research
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Prognozowanie osiadań powierzchni terenu przy użyciu sieci neuronowych
Application of neural networks to the prediction of the surface subsidence
Autorzy:: Pawluś, D.
Powiązania:: https://bibliotekanauki.pl/articles/349657.pdf
Data publikacji:: 2007
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:: osiadanie powierzchni terenu
sieci neuronowe
neural network
surface subsidence
Opis:: Artykuł prezentuje wyniki pracy nad utworzeniem sieci neuronowej prognozującej osiadania powierzchni terenu na podstawie danych dotyczących planowanej eksploatacji, takich jak: głębokość i grubość pokładu, położenie, wielkość oraz kształt pola eksploatacyjnego, kąt zasięgu wpływów głównych oraz współczynnik eksploatacji. Do tworzenia sieci wykorzystano pakiet Statistica, natomiast dane do uczenia sieci uzyskano z modelu teoretycznego Budryka-Knothego. Prognozy uzyskane przez sieć, dla której otrzymano najlepsze dopasowanie wyników, przedstawiono na rysunkach 4 i 5. Aktualnie prowadzone są prace nad znalezieniem sieci lub zespołu sieci, które wyznaczałyby osiadania powierzchni dla obszaru zawierającego więcej niż jedno pole eksploatacyjne.
This paper presents an application of neural networks for the prediction of a surface subsidence. The main advantage of the artificial neural network approach is that there is no need to assume the type of functional relation and there is no need to have an accurate knowledge of material properties in the area of interest. Only the geometry of the neural network has to be chosen and the learning procedure has to be successfully completed. The networks were used as a solution to following problem. There was given excavated quadrangular area which was described by the following factors: the coordinates of vertices of a worked area, the seam thickness, the depth of the opening, an angle of the mining influence and the subsidence factor. We want to predict the final subsidence of any point of surface. The multi-layer feed-forward networks were used for modeling the surface subsidence trough. The supervised learning has been used. Figures 4 and 5 present the final subsidences of the points lying on two lines. The neural networks could be used for computing the surface subsidence. The author will intend to use networks for computing the other factors of the surface deformations.
Źródło:: Górnictwo i Geoinżynieria; 2007, 31, 3; 329-335
1732-6702
Pojawia się w:: Górnictwo i Geoinżynieria
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Próba zastosowania sieci neuronowych do prognozowania osiadań powierzchni terenu powstałych na skutek eksploatacji górniczej
Application of neural networks to the predication of the surface subsidence
Autorzy:: Pawluś, D.
Powiązania:: https://bibliotekanauki.pl/articles/350416.pdf
Data publikacji:: 2006
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:: osiadanie powierzchni terenu
sieci neuronowe
surface subsidence
neural network
Opis:: W artykule przedstawiono zastosowanie sieci neuronowych do przewidywania osiadań powierzchni terenu powstałych w wyniku eksploatacji górniczej. Sieci neuronowe są często wykorzystywane do tego by na podstawie pewnych danych wejściowych przewidywać określone dane wyjściowe. Zaletą sieci neuronowej jako narzędzia prognozującego jest to, że sieć w wyniku procesu uczenia może nabyć zdolności przewidywania wyjściowych sygnałów wyłącznie na podstawie obserwacji tzw. ciągu uczącego, bez konieczności formułowania hipotez co do rodzaju zależności między nimi. Celem badań było utworzenie takich sieci, które na podstawie danych dotyczących planowanej eksploatacji, głębokość i grubość pokładu, położenie, wielkość oraz kształt pola eksploatacyjnego mogły wyznaczyć obniżenia terenu. Dane do uczenia sieci uzyskano z modeli teoretycznych. Wartości osiadań obliczono na podstawie teorii Budryka-Knothego. W artykule zaprezentowano testowane modele sieci oraz wyniki uzyskane z sieci najlepiej rozwiązującej problem. Na ich podstawie można stwierdzić, że możliwe jest utworzenie sieci neuronowej prognozującej osiadania powierzchni, pod warunkiem jednak, że będziemy dysponować dużą ilością danych do uczenia sieci (rzędu kilku, a nawet kilkudziesięciu tysięcy). Dlatego też dużym problemem jest utworzenie sieci neuronowej uczonej na podstawie przypadków rzeczywistych. Stąd planowane jest kontynuowanie badań w tym zakresie.
This paper presents an application of neural networks for the prediction of a surface subsidence. The main advantage of the artificial neural network approach is that there is no need to assume the type of functional relation and there is no need to have an accurate knowledge of material properties in the area of interest. Only the geometry of the neural network has to be chosen and the learning procedure has to be successfully completed. There are several types of neural network geometry. The multi-layer feed-forward networks were used for modeling the surface subsidence trough. Neural networks need to learn in order to produce useful results. There are two different kinds of learning: unsupervised learning and supervised learning. The supervised learning has been used. The networks were used as a solution to following problem. There was given excavated quadrangular area which was described by the following factors: the cordinates of vertices of a worked area, the seam thickness, the depth of the opening. We want to predicate the final subsidence of any point P(x,y). The neural networks could be used for computing the surface subsidence. The author will intend to use networks for computing the other factors of the surface deformations.
Źródło:: Górnictwo i Geoinżynieria; 2006, 30, 4; 79-87
1732-6702
Pojawia się w:: Górnictwo i Geoinżynieria
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Nowa metoda wyznaczenia pola powierzchni skóry przedramienia i dłoni wykorzystująca sztuczną sieć neuronową
New method of forearm and palm skin area estimation using neural networks
Autorzy:: Redlarski, G.
Krawczuk, M.
Rzyman, G.
Tojza, P. M.
Siebert, J.
Powiązania:: https://bibliotekanauki.pl/articles/267667.pdf
Data publikacji:: 2017
Wydawca:: Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:: wyznaczenie pola powierzchni skóry
SSN
skin surface estimation
artificial neural network
Opis:: W artykule przedstawiono rozbieżności pomiędzy wartościami pola powierzchni skóry obliczonymi za pomocą znanych metod a ich rzeczywistymi wartościami. Wykorzystując skaner 3D o wysokiej dokładności, zmierzono pole powierzchni skóry przedramienia i dłoni. Zaobserwowano, że błędy obliczeń są w wysokim stopniu skorelowane z wartościami BMI badanych osób. W grupie osób o BMI poniżej 20 stwierdzono maksymalny błąd względny wynoszący -8,5%, natomiast w grupie osób o BMI powyżej 25 odnotowano błędy kilkakrotnie wyższe, w skrajnym przypadku sięgające 27%. W celu redukcji błędów zaproponowano podejście alternatywne, bazujące na wykorzystaniu sztucznej sieci neuronowej.
The article introduces a comparative analysis of existing methods for calculation of forearm and palm skin surfaces with high quality 3D models. Moreover, it was possible to systematize the errors resulting from these calculations and their division due to the BMI of a person. For people with BMI below 20, a maximum error of 8.5% was found, while for people with BMI above 25 the error was close to -27%. On this basis, inaccuracies in the process of the forearm and palm skin estimation of an abnormal body were found. What is more, an artificial neural network to determine this surface was proposed. The proposed neural network was developed for 15 neurons in the hidden layer and 1 neuron in the output layer. The Levenberg-Marquardt with backpropagation learning method was used. The maximal error for the neural network during the forearm and palm skin estimation was 3,04%.
Źródło:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2017, 55; 53-56
1425-5766
2353-1290
Pojawia się w:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: The conception of using a Bayesian network for aiding the design of manufacturing processes of surface layers
Koncepcja wykorzystania sieci Bayesa do wspomagania projektowania procesów wytwarzania warstw wierzchnich
Autorzy:: Wójcicki, T.
Powiązania:: https://bibliotekanauki.pl/articles/258416.pdf
Data publikacji:: 2013
Wydawca:: Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:: surface layers
surface engineering
Bayesian network
probabilistic networks
design
warstwa wierzchnia
inżynieria powierzchni
sieć Bayesa
sieć probabilistyczna
projektowanie
Opis:: The paper presents a selected area of ongoing research on computer-aided design of manufacturing processes of surface layers with the use of modern information technologies. It describes the main problems related to the manufacturing of surface layers by mechanical, thermal, thermo-mechanical, thermo-chemical, electrochemical, and physical treatment, and information technologies used for these tasks. The paper presents an original methodology that uses a probabilistic Bayesian network, which is a directed graph, and it is based on the events and their associated probabilities representing the structure of cause and effect for the selected problem areas. The methods of determining the probability of events for specific network nodes and joint probability distribution for the whole structure of the graph are described. The model of the information system transforms the input values into output values, and this paper presents the range of information and the phases of the inference process, consisting of automatic technology identification of surface layer formations characterized by the expected properties and method of determining the process parameters for selected technology. The implementation of a model solution for selected application problems associated with the need to get a surface layer characterized by a certain hardness distribution and the results achieved are presented.
W artykule przedstawiono wybrany fragment realizowanych prac badawczych dotyczących wspomagania projektowania procesów wytwarzania warstw wierzchnich z wykorzystaniem nowoczesnych technologii informatycznych. Omówiono podstawowe problemy związane z wytwarzaniem warstw wierzchnich poprzez obróbkę mechaniczną, cieplną, cieplno-mechaniczną, cieplno-chemiczną, elektrochemiczną i fizyczną oraz technologie informatyczne wykorzystywane do tego typu zadań. Zaprezentowano autorską metodykę wykorzystującą probabilistyczną sieć Bayesa, będącą skierowanym grafem opartym na zdarzeniach i przypisanych do nich prawdopodobieństwach odzwierciedlających strukturę przyczynowo-skutkową dla wybranych obszarów problemowych. Przedstawiono metody wyznaczania prawdopodobieństwa zdarzeń dla określonych węzłów sieci oraz łącznego rozkładu prawdopodobieństwa dla całej struktury grafu. Zaprezentowano model systemu informatycznego realizującego zadanie polegające na transformacji wielkości wejściowych na wielkości wyjściowe i wymagany do tego celu zakres informacyjny, a także fazy prowadzenia procesu wnioskowania, polegające na automatycznej identyfikacji technologii wytwarzania warstw wierzchnich, charakteryzujących się oczekiwanymi właściwościami, oraz sposób ustalania wartości parametrów procesowych dla wybranej technologii. Przedstawiono implementację rozwiązania modelowego dla wybranego problemu aplikacyjnego związanego z potrzebą uzyskania warstwy wierzchniej charakteryzującej się określonym rozkładem twardości, a także osiągnięte rezultaty.
Źródło:: Problemy Eksploatacji; 2013, 2; 69-81
1232-9312
Pojawia się w:: Problemy Eksploatacji
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "surface network" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język