PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Czasopismo
2016 | R. 89, nr 8-9 | 1036--1037
Tytuł artykułu

Sieci neuronowe MLP w badaniu chropowatości Ra i Rz

Wybrane pełne teksty z tego czasopisma
Warianty tytułu
EN
MLP neural networks in the study of surface roughness Ra and Rz
Języki publikacji
PL
Abstrakty
PL
Omówiono modele sieci neuronowych jednokierunkowych wielowarstwowych ze wsteczną propagacją błędu (MLP). Modele te zastosowano do oceny chropowatości Ra i Rz. Badania wykonano na danych rzeczywistych wybranego przedsiębiorstwa. Dane te zostały zebrane podczas procesu obróbki rowków pod pierścienie w tłokach silników samochodowych.
EN
The article discusses the models of one-directional multilayer neural networks with error backpropagation (MLP). These models were used to evaluate the surface roughness of Ra and Rz. The study was performed on real data of the selected enterprise. These data were gathered during the process of machining grooves under the rings of the pistons in automobile engines.
Wydawca

Czasopismo
Rocznik
Strony
1036--1037
Opis fizyczny
Bibliogr. 6 poz., tab.
Twórcy
autor
  • Instytut Mechaniki i Informatyki Stosowanej, Uniwersytet Kazimierza Wielkiego w Bydgoszczy, izarojek@ukw.edu.pl
Bibliografia
  • 1. PN-EN ISO 4287:1999 – Specyfikacje geometrii wyrobów – Struktura geometryczna powierzchni: metoda profilowa – Terminy, definicje i parametry struktury geometrycznej powierzchni.
  • 2. Karaye D. „Prediction and control of surface roughness in CNC lathe using artificial neural network”. Journal of Materials Processing Technology. Vol. 209 (2009): pp. 3125÷3137.
  • 3. Asiltürk I., Çunkas M. „Modeling and prediction of surface roughness in turning operations using artificial neural network and multiple regression method”. Expert Systems with Applications. Vol. 38 (2011): pp. 5826÷5832.
  • 4. Zain A.M., Haron H., Sharif S. „Prediction of surface roughness in the end milling machining using Artificial Neural Network”. Expert Systems with Applications. Vol. 37 (2010): pp. 1755÷1768.
  • 5. Senveter J., Klancnik S., Balic J., Cus F. „Prediction of surface roughness using a feed-forward neural network”. Management and Production Engineering Review. Vol. 1, No. 2 (2010): pp. 47÷55.
  • 6. Russell S.J., Norvig P. „Artificial intelligence: a modern approach”. New Jersey: Prentice Hall, 2009.
Uwagi
Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-47f0daa0-ca55-49b9-8d88-f8dd9b4b26c2
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.