Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "tworzenie automatyczne" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Gears and graphs
Grafy i przekładnie
Autorzy:
Wojnarowski, J.
Kopeć, J.
Zawiślak, S.
Powiązania:
https://bibliotekanauki.pl/articles/280372.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
modelowanie
analiza
tworzenie automatyczne
sztuczna inteligencja
modeling
analysis
artificial intelligence
Opis:
The paper presents, among others, a survey of works connected with the problem of the modeling of gears by means of versatile graph theory models. This approach to the problems of gear modeling allows computer based analysis and synthesis. Some recent papers claim that graph representations and derived methods belong to the branch of artificial intelligence due to the possibility of obtaining automatically versatile results, e.g. different constructional design solutions of mechanisms. Some examples are enclosed to explain which class of tasks is solved by means of the graph theory approach, i.e. modeling by means of bond graphs and linear graphs. The following problems have been considered: derivation of systems of equations describing the behaviour of gear subsystems and detection of a redundant wheel. The survey is based on over 60 papers published mainly within last 10 years, some of them in world wide high level scientific magazines.
W pracy przedstawiono, między innymi, przegląd prac związanych z zadaniem modelowania przekładni zębatych za pomocą uniwersalnych modeli wykorzystujących teorię grafów. To podejście do zadań modelowania przekładni zębatych umożliwia przeprowadzenie zadania analizy i syntezy za pomocą komputerów. W niektórych naj nowszych pracach pojawia się stwierdzenie, że reprezentacja za pomocą grafów i metod pochodnych są działem sztucznej inteligencji, gdyż umożliwiają automatyczne uzyskiwanie pożądanych wyników, np. różnych rozwiązań konstru'kcyjnych mechanizmów. Załączono kilka przykładów dla wyjaśnienia, jakie klasy zadań można rozwiązywać za pomocą metod wywodzących się z teorii grafów; tj. modelowanie za pomocą grafów przepływu mocy i grafów liniowych. Omówiono następujące zagadnienia: automatyczne tworzenie układów równań opisujących dynamikę podzespołów przekładni i wykrywanie kół nadmiarowych. Przegląd został oparty o prawie 60 prac, opublikowanych głównie w okresie ostatnich 10. lat; część z nich pochodzi z uznanych czasopism specjalistycznych o ogólnoświatowym zasięgu.
Źródło:
Journal of Theoretical and Applied Mechanics; 2006, 44, 1; 139-162
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Enhancements of Fuzzy Q-Learning algorithm
Rozszerzenia algorytmu Fuzzy Q-Learning
Autorzy:
Głowaty, G.
Powiązania:
https://bibliotekanauki.pl/articles/305545.pdf
Data publikacji:
2005
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
modele rozmyte
uczenie ze wzmocnieniem
Q-Learning
automatyczne tworzenie modeli rozmytych
fuzzy models
reinforcement learning
Q-learning
automatic generation of fuzzy models
Opis:
Fuzzy Q-Learning algorithm combines reinforcement learning techniques with fuzzy modelling. It provides a flexible solution for automatic discovery of rules for fuzzy systems in the process of reinforcement learning. In this paper we propose several enhancements to the original algorithm to make it more performant and more suitable for problems with continuous-input continuous-output space. Presented improvements involve generalization of the set of possible rule conclusions. The aim is not only to automatically discover an appropriate rule-conclusions assignment, but also to automatically define the actual conclusions set given the all possible rules conclusions. To improve algorithm performance when dealing with environments with inertness, a special rule selection policy is proposed.
Algorytm Fuzzy Q-Learning pozwala na automatyczny dobór reguł systemu rozmytego z użyciem technik uczenia ze wzmocnieniem. W niniejszym artykule zaproponowana została zmodyfikowana wersja oryginalnego algorytmu. Charakteryzuje się ona lepszą wydajnością działania w systemach z ciągłymi przestrzeniami wejść i wyjść. Algorytm rozszerzono o możliwość automatycznego tworzenia zbioru potencjalnych konkluzji reguł z podanego zbioru wszystkich możliwych konkluzji. Zaproponowano także nową procedurę wyboru reguł dla polepszenia prędkości działania w systemach z bezwładnością.
Źródło:
Computer Science; 2005, 7; 77-87
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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