Ograniczanie wyników
Czasopisma help
Autorzy help
Lata help
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 21

Liczba wyników na stronie
first rewind previous Strona / 2 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  Artificial Neural Networks
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 2 next fast forward last
PL
W artykule przedstawiono nową metodę oceny zagrożenia zawałowego dla polskich kopalń miedzi. W tym celu wykorzystano wiele różnych mierzonych przez służby kopalniane parametrów pochodzących z działu górniczego, geologicznego i działu obudowy, jak np.: wytrzymałość skał na rozciąganie, obecność spękań pionowych, rozwarstwienie stropu, zawodnienie górotworu, jego uwarstwienie, postęp frontu eksploatacyjnego, czy też opadnięcie wskaźników SRS. Wieloparametrowa analiza przeprowadzona za pomocą sztucznych sieci neuronowych SSN pozwoliła na predykcję zaistniałych zawałów z 82-procentową skutecznością. Zaproponowana metoda jest metodą dwuetapową, w której należy wyznaczyć dwa wskaźniki: skłonność górotworu do zawału - wskaźnik CP RF , oraz możliwość utrzymania wyrobiska o danej geometrii, obudowie i przewidywanym czasie jego użytkowania - wskaźnik CM RF . Podczas analizy pierwszego wskaźnika należy wziąć pod uwagę 12 czynników, a podczas analizy drugiego dodatkowe 4 (razem 16 czynników). Na podstawie wskaźnika CM RF wyróżniono cztery kategorie zagrożenia zawałowego od I do IV. Na obu etapach analizy i wyznaczania wskaźników CP RF i CMRF podano zakres zalecanych działań inżynierskich, które mogą pomóc w ograniczeniu zagrożenia, lub też w jego właściwym monitorowaniu. Przedstawiona metoda może być dobrym narzędziem do oceny zagrożenia zawałowego w warunkach polskich kopalń miedzi dla inżynierów. Jest łatwa i szybka, a do obliczenia obu wskaźników wystarczy np. arkusz obliczeniowy w programie Excel z obsługą makr.
EN
This paper presents a novel method of roof fall hazard assessment in copper mines in Poland. Various information, that are routinely collected by the mine geological and survey service, mining and support divisions, were used for this purpose. The data included e.g. rock tensile strength, presence of vertical fracturing, splitting of roof rocks, water condition in rock mass, rock mass stratification, excavation advance, and observations from Roof Splitting Indicators (SRS). Multiparameter analysis was carried out with the use of Artificial Neural Network (ANN), and allowed for prediction of the recorded roof falls with confidence as high as 82%. The proposed method involves two stages in which two indexes are determined: the CP RF , index that characterizes the susceptibility of rock mass to collapse, and the CM RF index that quantifies the standing up ability of the working of the specific geometry, specific support pattern and predicted time of its using. The determination of the first index requires analysis of 12 factors, and additional four factors for the second index (altogether 16 factors). Four categories, from I to IV, of roof fall hazard were distinguished based on the CM RF index. Through the two-stage analysis for CP RF and CM RF determination, there was also indicated a range of recommended engineering actions to reduce the rock fall hazard and to improve its monitoring. The presented method is a potentially useful engineering tool for roof fall hazard assessment in the conditions of Polish copper mines. It is uncomplicated and quick, and the computation of the two indexes can be performed on MS Excel worksheet with the use of Macros.
PL
Stosowane obecnie w ciepłownictwie Inteligentne Systemy Grzewcze, których obsługa odbywa się za pomocą platform SCADA (ang. Supervisory Control and Data Acquisition), są źródłem wielkiej ilości danych pomiarowych. Bardzo często informacje w nich zawarte są tracone, ponieważ ich analiza stwarza problemy natury metodologicznej. W niniejszym artykule przedstawiono wyniki badań nad wykorzystaniem jednej z metod eksploracji danych (ang. Data Mining) do predykcji temperatury powietrza w 31 lokalach mieszkalnych budynku wielorodzinnego. W tym celu za pomocą Sztucznych Sieci Neuronowych (ang. Artificial Neural Networks - ANN) analizowano szeregi czasowe temperatury wewnętrznej oraz dobowych sum temperatury wewnętrznej w trakcie jednego sezonu grzewczego (październik-maj). Jakość utworzonych neuronowych modeli predykcji oceniano na podstawie wartości współczynników korelacji liniowej oraz ilorazu odchyleń standardowych pomiędzy danymi rzeczywistymi i prognozowanymi. Wykazano, że zaproponowana metoda może być stosowana jako narzędzie wspomagające naliczanie opłat za użytkowanie sieci grzewczej w przypadku krótkotrwałych awarii systemu monitoringu.
EN
Intelligent Heating Systems, operated by SCADA (Supervisory Control and Data Acquisition) that are used today in heating systems are a source of great amount of measurement data. Very often information contained therein is lost because data analysis creates problems of a methodological nature. This paper presents the results of research on the use of data mining methods to predict air temperature in 31 premises of a multi-family building. For this purpose, the time series of indoor temperature and daily sums of indoor temperature during one heating season (October-May) were analyzed using Artificial Neural Networks (ANN). The quality of neuron prediction models was assessed on the basis of values of linear correlation coefficients and the quotient of standard deviations between actual and predicted data. It has been shown that the proposed method can be used as a tool to support the calculation of heating fees in the case of short-term failures of the monitoring system.
PL
W niniejszej pracy opracowano szereg związków między poszukiwaną cechą geomechaniczną, w tym parametrami sprężystymi – modułem Younga (E) i współczynnikiem Poissona (ʋ) oraz parametrami wytrzymałościowymi – wytrzymałością na ściskanie jednoosiowe (UCS) oraz stałą Biota (α), a cechami ośrodka, które najczęściej są standardowo mierzone lub szacowane dla większości obiektów złożowych. Cel pracy realizowano na obiekcie o potencjale węglowodorowym, w którym przedmiotem zainteresowania był interwał osadów dolnego paleozoiku, zdeponowanych w północnej części basenu bałtyckiego na obszarze koncesji Wejherowo. Do opracowania związków między poszukiwaną właściwością geomechaniczną ośrodka skalnego a innymi, standardowo mierzonymi lub interpretowanymi cechami fizycznymi skały zastosowano sztuczne sieci neuronowe z użyciem algorytmu wstecznej propagacji błędów (ang. back propagation). Algorytm wstecznej propagacji był wykorzystywany w środowisku oprogramowania Petrel (Schlumberger).
EN
In this work, a number of relationships were found between the geomechanical properties, including elastic moduli – Young’s modulus (E) and Poisson’s ratio (ʋ) and strength properties – uniaxial compression strength (UCS) and Biot’s coefficient (α), and commonly measured and interpreted properties, fitting in a standard exploration of the reservoir rock. For this purpose, the shale formation of lower Paleozoic age deposited in the northern part of the Baltic Basin were investigated. An artificial neural network using back propagation algorithm, was used to develop the relationship between the geomechanical properties and other, more commonly measured or interpreted physical properties of rocks.
PL
W pracy przedstawiono wyniki badań, których celem było utworzenie modelu pozwalającego na określenie odporności istniejących obiektów mostowych na wpływy wstrząsów górniczych. Podstawą do analiz była utworzona przez autora baza danych o odporności dynamicznej żelbetowych obiektów mostowych poddanych wymuszeniu sejsmicznemu charakterystycznemu dla terenu Legnicko-Głogowskiego Okręgu Miedziowego (LGOM). Odporność dynamiczna każdego obiektu w bazie danych została wyrażona w postaci granicznych wartości przyspieszeń drgań gruntu, jakie dana konstrukcja może przejąć bez zagrożenia bezpieczeństwa. Badania przeprowadzono, wykorzystując metodę Support Vector Machine (SVM) w ujęciu regresyjnym (SVR – Support Vector Regression) oraz sztuczne sieci neuronowe (ANN – Artificial Neural Network). Utworzone w ten sposób modele porównano w aspekcie jakości predykcji oraz uogólniania nabytej wiedzy. Pozwoliło to na wytypowanie metody najbardziej efektywnej pod względem oceny odporności dynamicznej istniejących obiektów mostów.
EN
This paper demonstrates the results of research studies aimed at creating a model that allows to determine the resistance of existing bridge structures to the impact of mining tremors. A database (created by the author of this article) of the dynamic resistance of reinforced concrete bridge structures subjected to seismic excitations commonly occurring in the Legnica-Głogów Copper District (LGOM) formed the basis for the analysis. The dynamic resistance of each structure contained in the database was expressed as the limit values of the acceleration of ground vibrations that may be carried by a given structure without compromising its safety. The study was carried out using the Support Vector Machine (SVM) method in a Support Vector Regression (SVR) approach as well as an Artificial Neural Network (ANN). The models were compared in terms of the quality of the predictions and generalization of the acquired knowledge. This allows to select the most-effective method in evaluating the dynamic resistance of existing bridge structures.
EN
The paper presents a new approach to monitoring changes of characteristic parameters of gravitational solids flow. Electrical Capacitance Tomography (ECT) is applied for non-invasive process monitoring. Artificial Neural Networks (ANN) are used to estimate important flow parameters knowing the measured capacitances. The proposed approach solves the ECT inverse problem in a direct manner and provides a rapid parameterization of the funnel flow. The simulation of the silo discharging process is performed relying on real flow behaviour obtained from the authors’ previous work. The simulated data are used to new approach testing and verification. The obtained results proved that proposed ANN-based method will allow for on-line gravitational solids flow monitoring.
PL
W artykule opisano nowe podejście do monitorowania zmian charakterystycznych parametrów przepływu grawitacyjnego. Do nieinwazyjnego monitorowania procesu stosowana jest Elektryczna Tomografia Pojemnościowa (ECT). Sztuczne Sieci Neuronowe wykorzystywane są do estymacji ważnych parametrów przepływu na podstawie mierzonych pojemności. Zaproponowane podejście pozwala na rozwiązanie problemu odwrotnego w ECT w sposób bezpośredni i umożliwia natychmiastową parametryzację przepływu kominowego. Symulacja procesu rozładowania silosu została wykonana na podstawie wyników wcześniejszych badań eksperymentalnych przeprowadzonych na rzeczywistym obiekcie. Dane symulacyjne wykorzystano do testowania i weryfikacji nowego podejścia. Uzyskane wyniki wykazały, iż zaproponowana metoda wykorzystująca Sztuczne Sieci Neuronowe pozwoli na monitorowanie on-line parametrów przepływu grawitacyjnego.
EN
The article contains selected results of research on the design Systemic Evolutionary Algorithm inspired by quantum informatics methods and description how to implement it in Matlab language in order to use for improve parameters neural model on example robot robot PR–02 arm motion. Initial population was based on weights matrix of artificial neural network. Randomly selected population of individual chromosomes in both the initial and in the following parent population have been converted to binary values, and these to quantum values by using created for this purpose quatization() function. Quantum gene value was determined on the basis of stonger pure state represented by different chromosomes, to which dequantization() function was used. Selection of individuals was conducted based on the model of neural robot PR–02 motion implemented in Matlab language using calculationsNeuralNetworks() function.
EN
The work contains selected results of research on the application of quantum computer science to a systemic evolutionary algorithm for the purpose of improving accuracy of neural models in electrical engineering and electrical power engineering. Artificial neural networks are used in neural modeling, which networks are designed and taught models of systems using available numerical data. Parameters of neural networks, and especially, elements of weight matrices, biases as well as parameters of activation functions may be improved using evolutionary algorithms. It seems that applying solutions offered by quantum computer science to systemic evolutionary algorithm, and especially, as regards creation of quantum initial population, quantum crossover and mutation operators as well as selection, considerably improves the accuracy of modelling, which was verified in MATLAB and Simulink environment using selected examples such as RP–02 robot’s arm movement, the development of the Polish Electrical Power Exchange (polish: TGEE) system, etc.
EN
The article discusses possibilities of implementing a neural network in a parallel way. The issues of implementation are illustrated with the example of the non-linear neural network. Parallel implementation of earlier mentioned neural network is written with the use of OpenCL library, which is a representative of software supporting general-purpose computing on graphics processor units (GPGPU). The obtained results demonstrate that some group of algorithms can be computed faster if they are implemented in a parallel way and run on a multi-core processor (CPU) or a graphics processing unit (GPU). In case of the GPU, the implemented algorithm should be divided into many threads in order to perform computations faster than on a multi-core CPU. In general, computations on a GPU should be performed when there is a need to process a large amount of data with the use of algorithm which is very well suited to parallel implementation.
PL
Metoda przewidywania średnic kolumn iniekcyjnych wykorzystująca sztuczne sieci neuronowe (SSN). Baza danych z ponad 130 obserwacji wykorzystana do uczenia SSN. Wykresy przydatne do projektowania średnicy kolumn iniekcyjnych.
EN
The prediction method of jet grouting columns diameter by using Artificial Neural Networks. The wide database of field trials used for teaching Artificial Neural Networks. Design charts together with the safety factors for prediction of jet grouting columns diameters.
EN
The parameter for the density specification of naturally compacted non-cohesive soils and soils in embankments of hydraulic structures is the density index (ID). The parameter used to control the quality of compaction of cohesive and non-cohesive soils artificially thickened, embedded in a variety of embankments is the degree of compaction (IS). In order to determine the parameters of density (ID or IS), compaction parameters ( or should be examined in a laboratory, which often is a long and difficult procedure to carry out. Therefore, there is a need for methods of improving and shortening the test of compaction parameters based on the development and application of useful correlations. Since compaction parameters are dependent on the soil granulation, a method based on regression and artificial neural networks was applied to develop required correlations. Due to the large number of input variables of neural networks in relation to the number of case studies, a PCA method was used to reduce the number of input variables, which resulted in reduction in the size of neural networks.
EN
Purpose: The paper presents the possibilities of using neural networks for the prediction of chemical composition of hot metal produced in blast furnace. Design/methodology/approach: Three blast furnaces in ArcelorMittal, Unit in Dąbrowa Górnicza, provided the data for the model construction. The data reflect a number of variables, which describe the blast furnace process. Findings: The results obtained, based on input parameters, show that the construction of such neural networks is viable. There is a good correlation between expected and actual results. Practical implications: The model can be used as an auxiliary tool for blast furnace operators. Originality/value: Prediction of a chemical composition of hot metal at the stage of adjusting hot metal process parameters.
EN
The paper presents an idea of using the Kalman Filtering (KF) for learning the Artificial Neural Networks (ANN). It is shown that KF can be fully competitive or more beneficial method with comparison standard Artificial Neural Networks learning techniques. The development of the method is presented respecting selective learning of chosen part of ANN. Another issue presented in this paper is the author’s concept of automatic selection of architecture of ANN learned by means of KF based on removing unnecessary connection inside the network. The effectiveness of presented ideas is illustrated on the examples of time series modeling and prediction. Considered data came from the experiments and situ measurements in the field of structural mechanics and materials.
PL
W układach sterowania maszyn numerycznych CNC istnieje możliwość zmniejszenia błędów odzwierciedlenia zadanej trajektorii ruchu oraz poprawienia dokładności wykonania elementów obrabianych poprzez wykorzystanie sterowania optymalnego. W proponowanym algorytmie sterowania użyto neuronowego modelu obiektu regulacji oraz sterowania predykcyjnego. Błędy obróbki są kompensowane poprzez modyfikację zadanej trajektorii ruchu.
EN
In CNC multi axis machine control systems it is possible to decrease motion trajectory errors and increase manufacturing precision by using optimal control. The proposed algorithm uses a neural network plant model and predictive control. Machining errors are compensated by modification of the reference trajectory.
EN
The taxonomy and stratigraphy of the Upper Campanian and Lower Maastrichtian belemnites from the Vistula (central Poland) and Kronsmoor (northern Germany) sections are revised on the basis of new collections from the Vistula section as well as a reinvestigation of the classic collection of Schulz from the Kronsmoor section. For the taxonomic description a new biometric procedure is proposed, which can be applied to both the genera Belemnella and Belemnitella. For the species-level taxa recognition the Artificial Neural Networks method, the self-organizing Kohonen algorithm, was implemented. This new taxonomic and methodological approach enabled the recognition of nine species of the genus Belemnella. Five of them can be assigned to the existing species B. lanceolata, B. longissima, B. inflata, B. obtusa and B. vistulensis. However, the species concept differs from that applied by Schulz (1979). As a consequence, the stratigraphic ranges of these species are modified. Four species are left in open nomenclature and represent possibly new species. Future studies may reveal that they might be assigned to East European forms from Ukraine or Russia. The species of Belemnella recognized are placed into the stratigraphic framework based on the standard ammonite and inoceramid bivalve zonations, especially those recognized in the Vistula section. The newly proposed belemnite zonation for the Vistula and Kronsmoor sections is correlated via inoceramids with the standard GSSP at Tercis, France, in order to identify the base of the Maastrichtian Stage. The Campanian/Maastrichtian boundary as defined in Tercis is placed here at the base of the newly defined B. obtusa and B. vistulensis Zones ["obtusa/vistulensis"] - thus it is markedly higher than the traditional boundary based on the FAD of representatives of the genus Belemnella - This new boundary coincides well with a distinct turnover of belemnite guard morphology and represents one of the most important points in the early evolutionary history of Belemnella. Three belemnite zones defined by their lower boundaries are recognized in the Campanian/Maastrichtian interval, in addition to three subzones recognized within the B. obtusa Superzone. The B. lanceolata and B. inflata zones as understood here are referred to the Upper Campanian [Tercis definition]. The B. obtusa Zone is subdivided into three subzones, viz.: Belemenlla vistulensis, Belemnella sp. G and Belemnella sp. F, which are referred to the Lower Maastrichtian [Tercis definition]. The fast evolving species of Belemnella enable the proposal of a biostratigraphic scheme with a resolution that is higher than those based on inoceramid bivalves and ammonites - the longevity of a belemnite zone could be as low as 200Ky.
EN
In this paper a smart automatic classification of PQ transients is performed attending to their amplitudes and frequencies, and the extreme of higher-order cumulants. Feature extraction stage is double folded. First, these statistical measurements reveal the hidden geometry for a constant amplitude or frequency, conforming the 2D clustering grace to the third and fourth-order features associated to each signal anomaly, coupled to the 50-Hz power line. Precisely the main contribution of the work is the novel finding that the maxima and the minima of the higher-order cumulants distribute according to curves families, each of which associated to the transient's frequency or amplitude. Given a statistical order, each datum in a curve corresponds to the initial amplitude (or constant frequency), and to a couple of extremes (min-max) associated to the statistical estimator. The random grouping along each curve reveals the a priori hidden geometry, linked to the subjacent electrical phenomenon. Secondly, the regular surface grid in the input space (amplitude-frequency) experiments a transformation to the output space which is developed by the higher-order statistics. Once the geometry in the feature space has been found, we show the computational intelligence modulus, based in Self-Organizing Maps, which performs satisfactory learning along each frequency and amplitude curve. Performance of a four-neuron network with different geometries is shown, confirming the curves' patterns.
PL
W artykule opisano automatyczną metodę klasyfikacji jakości energii w stanach przejściowych z uwzględnieniem amplitudy, częstotliwości i wartości ekstremalnych. W pierwszym etapie przeprowadzane są pomiary statystyczne dla stałej amplitudy i częstotliwości uwzględniające klastry 2D i właściwości trzeciego i czwartego rzędu towarzyszące anomaliom. Następnie uwzględniana jest geometria sieci. Po tym etapie włączany jest moduł sztucznej inteligencji bazujący na sieciach neuronowych.
EN
In this study, Turkey's denim trouser export was predicted using ANN and ARIMA models.ANN models were composed from the import of denim trousers, the minimum wage, the price of cotton, electricity, and water, the value of TRY against USD, the credit usage of ready-made clothing enterprises, export credits, the real effective exchange rate, brands of denim trousers, and the denim trouser Balasa Index. It is observed that the best prediction is provided by MLP, the second - with ERNN and the third - with ARIMA. The reason why the export of denim trousers is not completely modeled can be explained by the economic downturn, which began in 2008 and still continues. However, it is clearly seen that ANN models predict more successfully than ARIMA ones.
PL
W artykule prognozowano eksport dżinsów z Turcji za pomocą sztucznych sieci neuronowych i modelu ARIMA. Strukturę sztucznych sieci neuronowych opracowano na podstawie importu, minimalnego wynagrodzenia, ceny bawełny, elektryczności, wody, kursu waluty tureckiej w stosunku do dolara, kredytu obciążającego przedsiębiorstwa produkujące gotowe wybory, kredytów eksportowych, rzeczywistego efektywnego współczynnika wymiany, marek spodni dżinsowych i indeksu Balassy. Zaobserwowano, że najlepsze prognozowanie uzyskuje się stosując struktury MLP, następnie ERNN i jako ostatnie ARIMA. Przyczyną dla której eksportu dżinsów nie da się jednoznacznie modelować jest pogorszeni sytuacji ekonomicznej trwające od 2008 roku do chwili obecnej.
PL
W artykule zaprezentowano wyniki badań nad oceną stężenia tlenków azotu (NOx) okrętowego silnika dwusuwowego. Zapisy Załącznika VI do Konwencji MARPOL nakładają na armatorów obowiązek okresowej oceny emisji NOx z silników okrętowych. W niektórych wypadkach może to być procedura bardzo kosztowna i niedokładna. Praca prezentuje badania nad możliwością oceny poziomu emisji NOx z zastosowaniem sztucznych sieci neuronowych (SSN), bez konieczności pomiarów bezpośrednich tych związków w gazach wylotowych silnika. W artykule przedstawiono metodę wyboru danych wejściowych do sieci, wpływających na poziom emisji NOx, różne konfiguracje SSN oraz wyniki obliczeń. Na dane wejściowe składa się 15 parametrów pracy silnika wpływających na poziom emisji NOx. Dane wyjściowe potrzebne do uczenia sieci to zmierzone stężenie NOx w gazach wylotowych. Podczas obliczeń wzięto pod uwagę dwa typy SSN: 3-warstwowe sieci perceptronowe (MLP) z liczbą neuronów w warstwie ukrytej między 10 a 20 oraz sieci o radialnych funkcjach bazowych (RBF) z liczbą neuronów w warstwie ukrytej między 10 a 80. Dane wejściowe, walidacyjne i testowe uzyskano poprzez pomiary bezpośrednie. Po procedurze konfiguracji wybrane SSN były uczone za pomocą metody wstecznej propagacji błędów oraz metody gradientów sprzężonych. Podczas tych operacji wagi neuronów były zmieniane w celu minimalizacji średniego błędu kwadratowego. Dzięki tym zabiegom uzyskano 4 sieci, pozwalające na ocenę poziomu emisji NOx z silnika laboratoryjnego z dokładnością odpowiadającą zapisom Załącznika VI do Konwencji MARPOL.
EN
This paper presents the preliminary investigations of nitric oxides (NOx) estimation from marine two-stroke engines. The Annex VI to Marpol Convention enforce to ship-owners of the necessity of periodical direct measurements of the NOx emission from the ship engines. It is very expensive procedure with a low accuracy. The presented investigations show the possibility of estimation the NOx emission without direct measurements but using the artificial neural network (ANN). The paper presents method of choice the input data influenced on NOx emission and configuration of ANN and effects of calculations. The input data contain 15 parameters of engine working, influencing on NOx emission. The output data, necessary to learning the network, were NOx concentration in engine exhaust gases. We take into account two types of ANN; the 3-layer perceptron (MLP) with number of neurons in the hidden layer from 10 to 20 and the radial basis function neural network (RBF) with number of neurons in the hidden layer from 10 to 80. The input, validation and verification data was obtained from laboratory tests. After procedure of network configuration, the chosen ANN was learned by back propagation and conjugate gradient methods. During this operation the weights of neurons were changed to minimize the root mean square error. We obtained four ANN's, which allow us to estimate the NOx emission from laboratory engine with accuracy, comparable with Annex VI regulations.
EN
The thermodynamic characteristics and peculiarities of oxometalate reduction on aluminum surface as well as reaction product's properties (specific electric resistance of oxides) were analyzed. The artificial intellect means were decided to be use for conversion coatings forming process simulation because of the lack of correlation in ranged series of above mentioned parameters. The influence of an oxometalate concentration, pH, sealing period and test duration on the corrosion resistance of anodized D 16 alloy was studied and visualized in 3D space. Artificial neural networks based on multilayer perceptron have been applied for conversion coatings corrosion resistance prediction.
19
Content available remote Predication of violations in road transportation system
EN
Risk analysis in Human-Machine System has to take into account intentional Human Errors in order to reduce their occurrences and/or their consequences. After an introduction of the barrier removal concept and the BCD model, the article presents a comparative prediction study between a first human behaviour prediction method based on the barrier removal utility and the Iterative Learning Control and a second one based on the BCD model and the Artificial Neural Networks. Its interest is illustrated by the presentation of the results of an experimental study realized with a car driving simulator.
20
Content available remote Evaluating concrete materials by application of automatic reasoning
EN
There were two aims of the research. One was to enable more or less automatic confirmation of the known associations - either quantitative or qualitative - between technological data and selected properties of concrete materials. Even more important is the second aim - demonstration of expected possibility of automatic identification of new such relation-ships, not yet recognized by civil engineers. The relationships are to be obtained by methods of Artificial lntelligence, (Al), and are to be based on actual results from experiments on concrete materials. The reason of applying the Al tools is that in Civil Engi-neering the real data are typically non perfect, complex, fuzzy, often with missing details, which means that their analysis in a traditional way, by building empirical models, is hardly possible or at least can not be done quickly. The main idea of the proposed approach was to combine application of different Al methods in a one system, aimed at es-timation, prediction, design and/or optimization of composite materials. The paradigm of the approach is that the unknown rules concerning the properties of concrete are hidden in experimental results and can be obtained from the analysis of examples. Different Al techniques like artificial neural networks, machine learning and certain techniques related to statistics were applied. The data for the analysis originated from direct observations and from reports and publications on concrete technology. Among others it has been demonstrated that by combining different Al methods it is possible to improve the quality of the data, (e.g. when encountering outliers and missing values or in clustering problems), so that the whole data processing system will be giving better prediction, (when applying ANNs), or the newly discovered rules will be more effective, (e.g. with descriptions more complete and - at the same time - possibly more consistent, in case of ML algorithms).
first rewind previous Strona / 2 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.