Wyniki wyszukiwania - Biblioteka Nauki

1

Zastosowanie sztucznej sieci neuronowej do prognozowania profili twardości w warstwie azotowanej

100%

Ratajski J. , Lipiński D. , Suszko T. , Dobrodziej J. , Michalski J.

Inżynieria Materiałowa

|

2006

|

tom Vol. 27, nr 3

516-518

PL

W pracy przedstawiono wycinek badań dotyczący opracowania modelu umożliwiającego prognozowanie profili twardości w warstwie azotowanej, bazującego na sztucznej sieci neuronowej. W opracowywanym modelu zastosowano jednokierunkową dwuwarstwową sieć neuronową. Zaprojektowana sieć posiada dobre zdolności uogólniania wiedzy zawartej w danych eksperymentalnych. Dopasowanie modelu do danych uczących umożliwiło wyznaczenie z dobrym przybliżeniem profili twardości tworzących zbiór danych weryfikujących.

EN

A artificial neuron network was designed for prediction of microhardness profiles in nitrided 18HGT steel. In the worked out model the unidirectional two layer neural network was used. The designed network possesses good abilities of generalizing the knowledge included in experimental data. The model adjusted to learning data is able to predict a microhardness distribution in nitrided layers what was come true for verifying data.

2

Ocena efektywności algorytmu szeregowania zadań wieloprocesorowych opartego na sztucznej sieci neuronowej

100%

Czarnowski I. , Jędrzejowicz P.

Zeszyty Naukowe. Automatyka / Politechnika Śląska

|

2000

|

tom z. 129

51-60

PL

W pracy przedstawiono wyniki analizy efektywności algorytmu szeregowania zadań wieloprocesorowych opartego na sztucznej sieci neuronowej. Zadania, o których mowa, mogą, przykładowo, reprezentować struktury lub moduły programów tolerujących błędy. Problem szeregowania zadań wieloprocesorowych dotyczy systemów czasu rzeczywistego, od których wymaga się dużej niezawodności i bezpieczeństwa. W pracy przedstawiono przybliżony algorytm szeregowania oparty na strukturze sztucznej sieci neuronowej. Algorytm został poddany ocenie metodą eksperymentów obliczeniowych, których rezultaty również przedstawiono w niniejszej pracy.

EN

The paper proposes an artificial neural network based algorithm for scheduling multiprocessor tasks. The considered scheduling problem class is characterized by a set of multiple, identical processors and a set of multiple-processor tasks. Multiple-processor tasks have to be processed on more than one processor at a time. Decision variables include assignment of processors to tasks and size of each task. To solve the above problem an artificial neural network based algorithm is proposed. Computational complexity of the approach is analyzed and evaluated. To assess effectiveness of the algorithm computational experiment has been carried. The results obtained by using the proposed algorithm have been compared with those generated by the specially designed evolutionary algorithm and the hybrid evolutionary. Experiment results prove high effectiveness of the neural network approach.

3

Dynamic model updating using neural networks

100%

Ziemiański L. , Miller B.

Computer Assisted Mechanics and Engineering Sciences

|

2000

|

tom Vol. 7, No. 4

781-793

EN

The paper presents an application of Artificial Neural Networks for updating a mathematical model of the structure based on dynamic parameters. Neural networks which predict the value of selected stiffness or concentrated masses on the basis of Frequency Response Function (FRF) have been built. Two types of neural networks have been used for this task: multi-layer feed-forward (MLFF) networks with different learning algorithms and networks with radial basis function (RBF). Preceding the update, the FRF is compressed in order to reduce the number of input values necessary for updating the model.

4

Analiza procesu oczyszczania ścieków z wykorzystaniem modelu opartego na technice sztucznych sieci neuronowych

80%

Masiuk S. , Rakoczy R. , Kordas M.

Inżynieria i Aparatura Chemiczna

|

2009

|

tom Nr 5

73-74

PL

Zaprezentowano zastosowanie techniki sztucznych sieci neuronowych w procesie tworzenia matematycznego opisu usuwania zanieczyszczeń w ścieku przemysłowym. Trójwymiarowe powierzchnie odpowiedzi modelu typu RBF mogą być wykorzystane do oceny wpływu parametrów charakteryzujących ściek wejściowy na analizowany parametr wyjściowy (twardość ogólna), charakteryzujący ściek po biologicznym oczyszczaniu.

EN

A main objective of this paper is to present the application of artificial neural network (ANN) technique for the development of a mathematical description of wastewater purification process. It was found that the 3-dimensional response surfaces could be used in the evaluation of raw sewage parameters' influence on the analyzed treatment sewage parameter (total hardness).

5

Sztuczna sieć neuronowa wspomagająca sterowanie oświetleniem ulicznym

80%

Drechny M. , Kolasa M.

Rynek Energii

|

2016

|

tom Nr 2

90--95

PL

Poszukując możliwości ograniczenia zużycia energii elektrycznej w instalacjach oświetlenia ulicznego, coraz częściej stosuje się różnego rodzaju systemy sterowania. Najprostsze systemy oświetlenia ulic sterowane są zegarem astro-nomicznym lub czujnikiem zmierzchu. Pojawienie się źródeł światła typu LED umożliwiło oprócz sterowania typu włącz/wyłącz także sterowaniem mocą oprawy, czego skutkiem może być oszczędność zużycia energii elektrycznej przy zachowaniu właściwych parametrów oświetlenia ulicy (np. natężenia oświetlenia). W pracy przedstawiono propozycję za-stosowania sztucznej sieci neuronowej (SSN) do wspomagania sterowania systemem oświetlenia ulicznego. Zaproponowane rozwiązanie bazuje na prognozach meteorologicznych.

EN

Looking for opportunities to reduce electricity consumption in street lighting systems, are increasingly being used all kinds of control systems. The simplest street lighting systems are controlled by an astronomical clock or twilight sensor. LED light sources have enabled in addition to the basic the on/off, also power control LED source. This may result in saving electricity consumption while maintaining appropriate parameters for street lighting (mainly illumination). The paper presents a proposal to apply the artificial neural network (ANN) to support street lighting system control. The proposed solution is based on meteorological forecasts.

6

Zastosowanie radialnej sieci neuronowej w diagnostyce uszkodzeń uzwojenia stojana maszyny indukcyjnej klatkowej

80%

Pietrowski W.

Maszyny Elektryczne : zeszyty problemowe

|

2010

|

tom Nr 88

93-96

EN

The paper presents application of the radial neural network for detection of faults in induction motor stator winding. The decision of stator winding condition has been taken using the artificial neural network with radial basis function based on axial flux. The axial flux has been measured for different configuration of stator winding. It can be concluded that the axial flux can be used in detection of faults in induction motor stator winding.

7

Rozpoznawanie obrazów z użyciem sztucznych sieci neuronowych

80%

Langman J.

Inżynieria Rolnicza

|

2005

|

tom R. 9, nr 10

263--268

PL

W pracy przedstawiono propozycję architektury sztucznej sieci neuronowej, która może być zastosowana do rozpoznawania obrazów. Cechuje się one modularną budową, co powoduje iż rozbudowa już nauczonej sieci polega na dołączeniu nauczonego dodatkowego modułu bez konieczności ingerencji w istniejącą cześć sieci.

EN

The study presents architecture proposal for artificial neuron network, which may be employed for image recognition. Modular structure is characteristic for it, as a result of which development of already taught network involves adding taught extra module without the need to interfere with existing part of the network.

8

Neural networks as an alternative to the classic analysis of empirical systems in agricultural engineering

80%

Boniecki P.

Prace Przemysłowego Instytutu Maszyn Rolniczych

|

2000

|

tom Vol. 45, nr 4

72-74

EN

Artificial neural networks, or neural networks for short, are a rapidly growing field of knowledge with applications in many areas of science. Their properties are ideal for many practical applicants. In order to demonstrate the scope for applications of neural networks in agricultural engineering, we have focused on one aspect of using such networks, which is to solve a regressive problem.

PL

Alternatywnym podejściem do opisu i analizy systemów empirycznych inżynierii rolniczej jest wykorzystanie technik neuronowych. Sztuczne sieci neuronowe stanowią intensywnie rozwijającą się dziedzinę wiedzy stosowaną w wielu obszarach nauki. Podstawą działania sieci są algorytmy uczące, umożliwiające zaprojektowanie odpowiedniej struktury sieci i dobór parametrów tej struktury, dopasowanych do problemu podlegającemu rozwiązaniu. Z wymienionych wyżej atutów sieci neuronowych na plan pierwszy wybija się zwłaszcza łatwość użycia omawianego narzędzia. W celu prezentacji możliwości zastosowania sieci neuronowych w inżynierii rolniczej zajęto się jednym z aspektów wykorzystania sieci jakim jest problem regresyjny.

9

Dokładność prognozy technicznej w zależności od architektury SSN

80%

Francik S. , Ślipek Z.

Prace Przemysłowego Instytutu Maszyn Rolniczych

|

2000

|

tom Vol. 45, nr 2

64-66

PL

W parcy zostało wykazane,że dokładność prognoz uzyskiwanych przy użyciu jednokierunkowych trójwarstwowych sztucznych sieci neuronowych (SSN) zależy od liczby neuronów w warstwie ukrytej. Prognozowane były zmiany techniczno-ekspolatacyjnych parametrów maszyn rolniczych. Badania zostały przeprowadzone dla maszyn i narzędzi do podstawowej uprawy roli produkowanych w Polsce od 1968 do 1999 roku. Porównane zostały błędy prognoz dla sieci dwu- i trójwarstwowych. Sformułowano wnioski dotyczące optymalnej architektury SSN dla prognoz krótkookresowych.

EN

It has been shown in this paper that the accuracy of forecasts obtained with the use of three-layer feedforward artificial neural networks (ANN) depends on the number of neurons in the hidden layer. Forecasts concerned changes of techno-exploitational parameters of agricultural machines. The research has been conducted for machines and tools used for basic soil cultivation, manufactured in Poland in the years 1968-1999. Errors of forecasts for two- and three-layer networks have been compared. Conclusions regarding the ANN for short-term forecasts have been drawn.

10

Wpływ opisu danych na efektywność uczenia oraz pracy sztucznej sieci neuronowej na przykładzie identyfikacji białek

80%

BARTMAN J.

Edukacja-Technika-Informatyka

|

2013

|

tom 4

|

nr 2

358-365

PL

Uczenie jednokierunkowych wielowarstwowych sztucznych sieci neuronowych jest zagadnieniem szeroko omawianym w literaturze. Autorzy większości opracowań skupiają się na metodach uczenia, zdecydowanie mniej prac poświęconych jest wpływowi preprocesingu danych na uczenie i efektywność pracy sieci. Skoro uczenie sztucznych sieci neuronowych jest szukaniem funkcji odwzorowującej zbiór danych wejściowych w zbiór oczekiwanych odpowiedzi, to czego możemy oczekiwać, jeżeli zmienimy opis danych uczących? Zmienia się funkcja odwzorowująca, a więc szukamy innej funkcji, zatem jest możliwe, iż sposób kodowania danych wpływa na efektywność uczenia i pracy sieci. Niniejsza praca dotyka przedstawione zagadnienie badając wpływ sposobu zakodowania opisu białek na efektywność uczenia oraz pracy sieci neuronowej identyfikującej rodzaj białka

EN

Learning feedforward multilayer neural networks is an issue widely discussed in the literature. The authors of the most works focus on methods of learning, much less work is devoted to the influence of data preprocessing on learning and the efficiency of the network. If learning of artificial neural networks is finding the mapping function set of input data into a set of expected responses, what you can expect if you change the description of the data learners? Changes of mapping functions, and so we are looking for another function, so it is possible that the encoding of data affects the efficiency of learning and job of the network. This paper touches the issue presented by examining the impact of coding method information about the proteins on the effectiveness of learning and the work of the neural network identifies the type of protein.

11

Zastosowanie sztucznych sieci neuronowych do modelowania procesu otrzymywania miedzi

80%

Talar J. , Kondek T. , Jarosz P. , Kusiak J. , Staszak J.

Inżynieria Maszyn

|

2005

|

tom R. 10, z. 4

166-174

PL

Celem pracy jest opracowanie modelu procesu wytopu miedzi w piecu zawiesinowym przy wykorzystaniu sztucznych sieci neuronowych. Zawiesinowy proces wytwarzania miedzi jest procesem ciągłym i jest on bardzo złożony ze względu na dużą liczbę parametrów go opisujących. Trudności w sterowaniu tym procesem wynikają z jego złożonej struktury, jak również konieczności uwzględnienia wszystkich ograniczeń wynikających z reakcji fizyko-chemicznych zachodzących w piecu, ograniczeń pozostałych ogniw procesu technologicznego oraz wymogów jakości produktów finalnych. Obecnie, sterowanie pracą pieca zawiesinowego opiera się w głównej mierze na doświadczeniu technologów i sterników. Istniejące modele tego procesu, oparte o modele numeryczne przepływu masy i ciepła, są bezużyteczne dla celów sterowania w warunkach rzeczywistych, ze względu na długie czasy obliczeń. W ramach niniejszej pracy podjęto próbę opracowania modelu pracy pieca zawiesinowego przy wykorzystaniu sztucznych sieci neuronowych, który mógłby być wykorzystany w sterowaniu tym procesem w czasie rzeczywistym. W pracy przedstawiono ogólną koncepcję sterowania procesem zawiesinowym oraz wyniki sztucznych sieci neuronowych w przewidywaniu parametrów wyjściowych procesu zawiesinowego.

EN

The main objective of the work is elaboration of the artificial neural network model of the copper flash smelting process. The copper flash smelting process is continuous of extremely complex structure and many input and output variables. It causes difficulties for the automatic control of that process. Moreover, there are many technological restrictions that must be respected, as well as requirements of the final product quality. Therefore, the control of the process is mainly based on the experience of engineers and operators. The existing theoretical models are based on the thenno-physics of the occurring physical and chemical reactions and require time consuming solving of complex numerical equations, which makes them useless for the on-line control system. The worked out model of the copper flash smelting process can be used in the proposed on-line automatic control system. The main idea of such control system, as well as the results of predictions of the ANN model are presented.

12

Wizualizacja 3D struktury sztucznej sieci neuronowej z wykorzystaniem OpenGL

80%

Pietrowski W. , Szymaniak M.

Poznan University of Technology Academic Journals. Electrical Engineering

|

2014

|

tom No. 80

137--144

PL

W artykule przedstawiono oprogramowanie do trójwymiarowej wizualizacji struktury sztucznej sieci neuronowej. Takie oprogramowanie w procesie tworzenia sztucznej sieci neuronowej może posłużyć do wizualizacji wszystkich elementów struktury. Podgląd struktury sztucznej sieci neuronowej na etapie jej tworzenia ułatwia zarówno proces projektowania jak również jej modyfikowania. Powstałe oprogramowanie ma też walory dydaktyczne, które mogą zostać wykorzystane podczas zajęć omawiających sztuczne sieci neuronowe. Otrzymane rysunki mogą znaleźć zastosowanie w publikacjach opisujących zastosowania sztucznych sieci neuronowych w elektrotechnice jak i innych dziedzinach nauki.

EN

The article presents a software for three-dimensional visualization of structure of an artificial neural network. Such software in the creation of an artificial neural network can be used to visualize all the elements of the structure. Preview the structure of an artificial neural network on the stage of its creation facilitates both the design process as well as its modification. The resulting software is for the didactic, which can be used in the classroom discussing artificial neural networks. The resulting drawings can be used in publications describing the use of artificial neural networks in electrical engineering and other sciences.

13

Sztuczne sieci neuronowe w kontekście wybranych metod statystycznych

80%

Boniecki P. , Krysztofiak A.

Journal of Research and Applications in Agricultural Engineering

|

2004

|

tom Vol. 49, nr 3

21-24

PL

Nietrudno zauważyć, że modele oparte na sztucznych sieciach neuronowych oraz metody statystyki matematycznej mają z sobą wiele wspólnego. Niestety, każda z tych dziedzin naukowych stosuje odmienną terminologię, co zamazuje obraz wzajemnych korelacji. Fakt ten w sposób zasadniczy utrudnia dokonanie właściwej analizy porównawczej. Używając terminologii stosowanej w modelowaniu neuronowym można powiedzieć, że statystycy zajmują się przede wszystkim procesem generalizowania, realizowanym na podstawie zaszumionych danych empirycznych.

EN

It is easily noticed that the models based on neural artificial networks and the methods of mathematical statistics have a lot in common with them. Unfortunately, every of these scientific fields applies the different terminology, which smears the picture of interrelationships. So the accomplishment of comparative analysis is fundamentally difficult. With the point of view used in neuronal modeling the statisticians first of all deal with the process of generalizing based on the interferenced empirical data.

14

Zastosowanie sztucznych sieci neuronowych w drogownictwie i komunikacji

80%

Szarata A.

Zeszyty Naukowe. Budownictwo / Politechnika Śląska

|

2001

|

tom z. 93

457-466

PL

Referat przedstawia wykorzystanie sztucznych sieci neuronowych w problematyce krótkoterminowych prognoz natężeń ruchu, estymacji więźby ruchu oraz badaniach grubości warstw nawierzchni drogowej. Stanowi on próbę pokazania możliwości wykorzystania sieci neuronowych w zagadnieniach praktycznych, związanych z drogownictwem.

EN

This paper presents possibility of using neural networks in short term traffic intensity forecasting, O-D matrix estimation and determining of width of road pavement. It is an attempt of presentation of neural networks in practice on various field of road engineering.

15

Zastosowanie sztucznych sieci neuronowych w cukrownictwie. Cz. 1: Budowa i działanie sztucznych sieci neuronowych

80%

Dobrowolski M. , Iciek J.

Zeszyty Naukowe. Chemia Spożywcza i Biotechnologia / Politechnika Łódzka

|

2000

|

tom Z. 64

35-50

PL

Celem artykułu jest wyjaśnienie podstaw budowy i funkcjonowania sztucznych sieci neuronowych. Struktura sieci neuronowych jest oparta czy podobna w swej istocie do struktury neuronów i wewnętrznych połączeń między nimi w organizmach żywych. Skutkiem tego podobieństwa są niezwykle interesujące właściwości sieci polegające na zdolności do uczenia się i w efekcie rozwiązywania postawionych przed sztuczną siecią neuronową zadań - również technicznych, których rozwiązanie jest często bardzo trudne czy wręcz niemożliwe. Przykłady takich i innych problemów przedstawiono w artykule. By wyjaśnić istotę procesu nauki i działania sieci neuronowych autorzy posłużyli się prostymi diagramami i wykresami do minimum ograniczając i upraszczając stosowany aparat matematyczny.

EN

The main goal of this article is to introduce the fundamentals of artificial neural networks. Their architectures are inspired by living beings' biological, neural structures. Such a structure topology leads to an interesting behavior such as "learning" and in the effect, to the possibility of solving many technical problems that are hard to be worked out, or are even insoluble in different ways. Some examples are included. To explain the essence of learning and neural networks running simple mathematics, algorithms and diagrams are used.

16

Hybrydowa metoda predykcji popytu w logistyce

80%

Więcek P.

Logistyka

|

2015

|

tom nr 4

6547--6555, CD2

PL

Powszechnie dostępne rozwiązania w zakresie prognozowania zapotrzebowania na towary ze względu na wzrastającą dynamikę rynku, rosnące wymagania klientów okazują się być niewystarczająco efektywne. Artykuł przedstawia koncepcję połączonego wykorzystania narzędzi sztucznej inteligencji a w szczególności sztucznych sieci neuronowych oraz modeli autoregresyjnych w modelowaniu i prognozowaniu struktury popytu niezależnego. Zaproponowana w pracy hybrydowa metoda predykcji została zweryfikowana w oparciu o historyczne dane profilu popytu wybranego produktu z przedsiębiorstwa logistycznego.

EN

Available classic solutions in terms of demand forecasting in the field of logistics are not sufficient enough because of the growing market dynamics and customers expectations. Therefore it is highly recommended to propose the advanced approach to demand forecasting based on hybrid method. The article presents the combined application of artificial intelligence tools especially artificial neural networks and autoregressive models to achieve better accuracy in predictions. The forecasting method proposed in the paper has been verified based on real data set from logistics enterprise.

17

Optimum artificial neural network for classification purposes

80%

Majewski J. , Wojtyna R.

Image Processing & Communications

|

2006

|

tom Vol. 11, no 1

123-130

EN

Problems related to pattern classification by means of artificial neural networks (ANN's) are discussed. The considerations concern optimization of the ANN structure and establishing an optimum classification criterion. A new algorithm of optimum learning suitable for the ANN's is proposed. The term "optimum learning" has been clarified in the way of mathematical proof. A physical interpretation of the ANN weight coefficients and structure is also given. This interpretation allows us to simplify design process of such systems and can be useful to create new learning algorithms. Computer simulation results are presented. Application of the proposed networks to image pattern classification and image compression are suggested, as well.

18

Metoda oceny składu chemicznego cienkich powłok z zastosowaniem sztucznych sieci neuronowych i systemu wnioskowania rozmytego

80%

Wojtyński J.

Problemy Eksploatacji

|

2001

|

tom nr 1

189-201

PL

W ramach grantu nr7T08C014 16 opracowano oryginalny system doradczy do oceny składu chemicznego cienkich powłok nanoszonych metodami PAPVD i PACVD. Ocena składu jest dokonywana na podstawie barwy powłoki. W artykule przedstawiono wyniki wstępnej weryfikacji systemu doradczego zrealizowanego jako system wnioskowania rozmytego oraz w postaci sztucznej sieci neuronowej.

EN

Within the research project No 7 TO8C 014 16 a unique advisory system for thin layers' chemical constitution was created. Thin layers are deposited by means of PAPVD and PACVD methods. The assessment of chemical constitution is based upon layer's colour analysis. In the paper the results of preliminary verification of advisory system realised as fuzzy logic system and artificial neurone network are presented.

19

Digital correction of nonlinear sensor dynamics by means of neural networks

80%

Rubaszewski I. , Mroczka J.

Metrology and Measurement Systems

|

2004

|

tom Vol. 11, nr 4

333-343

EN

The paper presents a simulation study concerning signal restoration from linear and nonlinear sensors by means of artificial neural networks. The influence of time-delay in the reconstructed signal on the restoration error has been investigated. This method is compared with direct restoration and linear regularization methods. Advantages of neural networks are shown. There is a potential for implementation of the presented method in microprocessor devices.

PL

Praca przedstawia zagadnienie rekonstrukcji sygnałów pomiarowych. W przypadku czujników o właściwościach całkujących sygnał na wyjściu czujnika nie odzwierciedla bezpośrednio dynamiki sygnału stymulującego czujnik. Dla sygnałów mierzonych o dynamice porównywalnej z dynamiką czujnika niezbędna jest rekonstrukcja sygnału. Przedstawiono metodę odtwarzania polegającą na numerycznym rozwiązaniu równania całkowego Fredholma z uwzględnieniem regularyzacji jak i bez regularyzacji a także metodę opartą na wykorzystaniu Sztucznych Sieci Neuronowych. Badania przeprowadzono dla liniowego i nieliniowego modelu czujnika. Porównano, w jaki sposób szum kwantyzacji 12-bitowego przetwornika wpływa na błąd rekonstrukcji sygnału z wykorzystaniem każdej z powyższych metod. Uzyskane wyniki pozwalają stwierdzić, że wielowarstwowe sieci neuronowe nadają się do rekonstrukcji sygnału pomiarowego z uwagi na zwiększenie stosunku sygnał-szum w sygnale zrekonstruowanym i możliwość rekonstrukcji sygnału na bieżąco. Dodatkową zaletą testowanych sieci neuronowych są niewygórowane wymagania co do mocy obliczeniowej potrzebnej do zrealizowania algorytmu rekonstrukcji sygnału. Struktura sieci neuronowej może być zaimplementowana nawet w urządzeniu mikroprocesorowym zbudowanym w oparciu o 8-bitowy mikrokontroler. Jakość rekonstrukcji w oparciu o regularyzcję liniową jest nieznacznie lepsza, ale wymaga zarejestrowania całego sygnału z czujnika a następnie silnej jednostki obliczeniowej (minimum komputer PC) do przywrócenia dynamiki sygnału pobudzającego czujnik.

20

Statyczny model konwertora tlenowego oparty o sztuczną sieć neuronową

80%

Falkus J. , Pietrzkiewicz P. , Pietrzyk W. , Kusiak J.

Informatyka w Technologii Materiałów

|

2002

|

tom T. 2, Nr 2-3

55-64

EN

The main objective of the paper is the presentation of the static control model of steelmaking converter process (LD) based on the artificial neural network approach. The results of classical mass and energy balance as well as regression models are also presented. The developed artificial neural network predicts the temperature of the liquid metal and the volume of necessary oxygen blow. The ANN was trained and tested with the real industrial data measured in one of the Polish steel plants. The comparison of the ANN results with the classical calculations is presented.