Wyniki wyszukiwania - Biblioteka Nauki

1

Implementacja sztucznych sieci neuronowych w środowisku LabVIEW

100%

Rafiński L.

Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej

|

2008

|

tom Nr 25

141-143

PL

Przedstawiono możliwości oraz strukturę zrealizowanego przez autora modułu do implementacji sztucznych sieci neuronowych w środowisku LabVIEW.

EN

The article shows the structure and capabilities of a LabVIEW module for the artficial neural networks implementation designed by the author.

2

Zastosowania sztucznej sieci neuronowej w obszarze logistyki

100%

Kudelska I.

Logistyka

|

2008

|

tom nr 2

PL

Autor przedstawia kierunki rozwoju Sztucznej Inteligencji w logistyce. Opisuje dokładnie jedno z narzędzi sztucznej inteligencji, Sztuczne Sieci Neuronowe. Przedstawia budowę pojedynczego neuronu a następnie na jego przykładzie ukazuje zasadę działania.

EN

Author present uses of method of artificial intelligence in logistic. Author is describing Artificial Neural Networks. He is presents construction of the isolated neuron. Next on his example is portraying the principles of operation.

3

Zastosowanie sztucznych sieci neuronowych w identyfikacji serwonapędu pneumatycznego

100%

Dindorf R. , Gawor T.

Pneumatyka

|

2005

|

tom nr 2

40--43

PL

W artykule porównano wyniki badań identyfikacyjnych serwonapędu pneumatycznego przeprowadzone różnymi metodami. Identyfikację parametryczną prowadzono przy wykorzystaniu modelu zlinearyzowanego, a identyfikacja z użyciem sztucznych sieci neuronowych polegała na wykorzystaniu nieliniowego odwzorowania sygnału wyjściowego względem sygnału wejściowego.

4

Zastosowanie sztucznych sieci neuronowych do klasyfikacji uszkodzeń układów biegowych pojazdów szynowych za pomocą sygnałów wibroakustycznych

100%

Dembski J. , Jędruch W.

Pojazdy Szynowe

|

2001

|

tom nr 1

20-28

PL

Praca przedstawia wyniki badań dotyczących możliwości wykorzystania sygnałów wibroakustycznych do określania (klasyfikacji) uszkodzeń układów biegowych pojazdów szynowych i stanowi kontynuację artykułu [2] w oparciu o nową serię pomiarów, jak też w oparciu o zastosowanie innych metod przetwarzania sygnałów pomiarowych.

EN

This work presents the results of the tests concerned the possibilities of application the vibroacoustic signals for determination ( classification ) the damages of running systems of rail vehicles and it makes the continuation of the article (2) basing on a new series of measurements, and also basing on the application other methods of transformation the measuring signals.

5

Zastosowanie sztucznych sieci neuronowych w modelowaniu przebiegu procesów tribologicznych w układach: paliwowym oraz łożyskowania silnika lotniczego

100%

Dzięgielewski W. , Sarnecki J. , Szczepanik R.

Logistyka

|

2009

|

tom nr 3

CD-CD

PL

W referacie przedstawiono problematykę zastosowania sztucznych sieci neuronowych w modelowaniu procesów tribologicznych zachodzących w układach: paliwowym oraz łożyskowania silnika lotniczego. Zaprezentowano przykłady zastosowań sieci neuronowych w projektach badawczych realizowanych w Instytucie Technicznym Wojsk Lotniczych, przy wykorzystaniu rzeczywistych danych pomiarowych. Badania były realizowane w ramach pracy naukowej finansowanej ze środków na naukę w latach 2005-2008 jako oddzielne projekty badawcze.

EN

The paper deals with problems of tribological processes characterization and modelling with use of artificial neural networks (ANNs). Examples of ANNs application in research projects carried out in the Air Force Institute of Technology (AFIT) are given. Research were carried out due to financing from budget assets for years 2005-2008 as two different research projects.

6

Modelowanie decyzji z zastosowaniem sztucznych sieci neuronowych

100%

Żukowski P. , Grabowiecka R.

Zeszyty Naukowe / Wyższa Szkoła Morska w Szczecinie

|

2001

|

tom nr 62

136-151

PL

Przedstawiono zasadnicze cechy sztucznych sieci neuronowych, metody ich budowy, optymalizacji i uczenia, ze szczególnym uwzględnieniem algorytmu propagacji wstecznej błędu. Podano wyniki zastosowania sztucznej sieci neuronowej do modelowania wybranej wartości.

EN

The work presents the basic features of artificial neural networks, methods of their construction, optimisation and teaching with particular attention to the reverse error propagation algorithm. Results of applying an artificial neural network for modelling a selected value have been presented.

7

Prognozowanie wielkości sprzedaży z wykorzystaniem sztucznych sieci neuronowych na przykładzie przedsiębiorstwa branży kwiatowej

80%

Jurczyk K. , Kutyba A.

Logistyka

|

2015

|

tom nr 2

323--333, CD1

PL

W pracy zaprezentowano możliwość zastosowania sztucznych sieci neuronowych jako narzędzia wspomagającego prognozowanie wielkości sprzedaży kwiatów ciętych w Hurtowni Żywej Zieleni. Poza zaproponowanym modelem neuronowym zostały omówione podstawowe informacje związane z tematyką sztucznych sieci neuronowych – omówiono zasadę działania sztucznych sieci neuronowych, architektury sztucznych sieci neuronowych oraz proces uczenia sieci.

EN

In the paper the analysis of the possibility of using artificial neural networks to forecast demand level at Hurtownia Żywej Zieleni was introduced. Except for proposed neural model, basic information connected with the artificial neural networks has been presented.

8

Przykład wykorzystania sztucznych sieci neuronowych do predykcji wytrzymałości betonu wysokowartościowego

80%

Acalski P. , Grzybowska A. , Mrozik Ł. , Piekarski P.

Logistyka

|

2015

|

tom nr 4

8620--8627, CD3

PL

Betony wysokowartościowe to nowoczesna grupa kompozytów cementowych. Wiodącą właściwością mechaniczną betonu jest wytrzymałość na ściskanie, dlatego powszechnie stosowane są metody projektowania składu o z góry założonej wartości tej cechy. W celu ograniczenia zakresu czasochłonnych i często kosztownych prac laboratoryjnych potrzebnych do kalibracji modeli stosowanych w poszczególnych metodach, istnieje możliwość wykorzystania sztucznych sieci neuronowych do predykcji dowolnej cechy betonu jak również świeżej mieszanki. W niniejszym artykule przedstawiono przykład wykorzystania tego narzędzia do ustalenia zależności pomiędzy wytrzymałością betonu wysokowartościowego na ściskanie, a jego składem ilościowym i jakościowym. Zostanie wykazana przydatność sztucznych sieci neuronowych do rozwiązania ważnego w technologii betonu problemu powiązania składu świeżej mieszanki z wytrzymałością mechaniczną.

EN

High quality concrete is a modern group of cement sets. The most important feature is the concrete compressive strength. Therefore, the methods of designing it's pile concerning the value of this feature have been commonly used. In order to decrease the set of time wasting and often expensive laboratory work. It is possible to take advantage of artificial neuron network for prediction any feature of concrete mixture as well as concrete. In the following article there has been portrayed an example of use of this device to analyze certain features regarding the concrete compressive strength. There has been described the usefulness of artificial neuron networks to solve essential concrete technology problems.

9

Zastosowanie sztucznych sieci neuronowych w rozpoznawaniu znaków

80%

Momot A.

Studia Informatica

|

2004

|

tom Vol. 25, nr 1

69-90

PL

W artykule przedstawiono krótkie wprowadzenie w dziedzinę rozpoznawania znaków i omówiono najbardziej podstawowe pojęcia związane ze sztucznymi sieciami neuronowymi. Artykuł zawiera przykłady zastosowań sieci neuronowych w procesie rozpoznawania znaków, ze szczególnym uwzględnieniem etapów ekstrakcji cech i klasyfikacji.

EN

The article presents the short introduction to the domain of character recognition and describes the basie conceptions connected with artificial neural networks. The paper contains exaniples of applications of neural networks to a process of character recognition with special regard to stages of feature extraction and classification.

10

Przegląd zastosowania sztucznych sieci neuronowych w modelowaniu właściwości wyrobów włókienniczych

80%

Dąbrowska A.

Przegląd Włókienniczy - Włókno, Odzież, Skóra

|

2012

|

tom nr 9

29-33

EN

Recently, there can be observed an increase of the significance of predicting textile properties. Developed models that can predict properties of yarns, fabrics and clothing are valuable optimization tools and allow for development of the textile product that is characterized by certain properties determined by the predicted utility conditions. Because of the complex structure of textiles and nonlinear functions that characterize various phenomenon observed during their utility, and as a consequence - difficulties in the mathematical description, artificial neural networks can be used to model regressive issues in the field of textiles. The subject of this article is to analyze models developed with a use of artificial neural networks that allow for modeling properties of yarns, fabrics and clothing in the aspect of using this simulating technique to predict properties of the personal protective equipment and especially - protective clothing.

11

Neuronowy model rozkładu prędkości strumienia wyjściowego w osiowosymetrycznym elemencie strumieniowym

80%

Peszyński K. , Nowicki K.

Zeszyty Naukowe. Mechanika / Akademia Techniczno-Rolnicza w Bydgoszczy

|

1999

|

tom Z. 45 (222)

45-53

PL

Referat prezentuje metodę modelowania własności elementów strumieniowych za pomocą sztucznych sieci neuronowych. Sieć neuronową wykorzystano do zamodelowania rozkładu prędkości przepływu powietrza w zaworze strumieniowym. Ponadto przedstawiono sposób tworzenia zbiorów: treningowego i testującego. Sprawdzono wpływ doboru konfiguracji parametrów wejściowych na wynik działania sieci neuronowej.

EN

This paper describes modelling of the fluidic device with neural network. In research outlet jet velocity has been modelled with neural network. The method of creating and validation set has been presented. The influence of input variables configuration on neural network has been tested.

12

Modelowanie dynamiki ruchu okrętu przy wykorzystaniu sieci neuronowych

80%

Żak B.

Modelowanie Inżynierskie

|

2009

|

tom T. 6, nr 37

305-312

PL

W pracy przedstawiono koncepcję tworzenia modelu dynamiki ruchu okrętu za pomocą sztucznych sieci neuronowych. Opisano model matematyczny okrętu, który był podstawą uczenia sieci neuronowej modelującej ruch okrętu. Charakter dynamiczny sieci neuronowej modelującej ruch okrętu osiągnięto poprzez zamodelowanie w neuronach połączeń, zamiast stałymi wartościami współczynników wagowych, liniową dyskretną transmitancją operatorową. Ponadto w pracy przedstawiono wyniki badań symulacyjnych opracowanego modelu neuronowego dla standardowych prób morskich.

EN

The paper presents method of ship's dynamics modeling using artificial neural network. The mathematical model of ship, using as basis for training neural network, was described. The dynamics character of artificial neural network was reached be modeling the connections between neurons using linear discrete operational transmittance instead of constant values of weights' coefficients. Moreover paper presents the results of simulations researches of formulated neural model for standard sea trials.

13

Zastosowanie sztucznych sieci neuronowych do modelowania ekologicznych właściwości pojazdów

80%

Brzozowska L. , Brzozowski K. , Warwas K.

Archiwum Motoryzacji

|

2005

|

tom Nr 3

229-247

PL

W artykule zaproponowano wykorzystanie sztucznych sieci neuronowych do modelowania natężenia emisji związków szkodliwych spalin oraz zużycia paliwa w zależności od parametrów charakteryzujących ruch pojazdu, takich jak chwilowa prędkość i przyspieszenie. Rozważono sztuczne sieci neuronowe z sigmoidalną i radialną funkcją aktywacji neuronu. Kalibracje sieci wykonano w oparciu o dane eksperymentalne określające natężenie emisji i zużycie paliwa w postaci macierzy emisji. Wykorzystano macierze uzyskane podczas badań na hamowni podwoziowej dla zbioru testów jezdnych o różnej dynamice dla pojazdu z silnikiem o zapłonie iskrowym, wyposażonym w reaktor katalityczny oraz dla pojazdu z silnikiem o zapłonie samoczynnym. Porównano dokładność aproksymacji, uzyskanych dla obu rozważanych sztucznych sieci neuronowych. W obu przypadkach jest ona większa niż stosowane, wcześniej przez autorów niniejszej publikacji, aproksymacje wielomianami potęgowymi i funkcjami potęgowymi. Stwierdzono przy tym, że sieć z sigmoidalną funkcją aktywacji neuronu jest bardziej uniwersalna w rozpatrywanym zagadnieniu, zarówno ze względu na jej strukturę jak i zdolność do lepszego odwzorowania natężenia emisji.

EN

In the paper have been proposed an artificial neural networks for modelling of engine exhaust emission intensity and fuel consumption intensity in dependency on vehicle motion parameters such as instantaneous velocity and acceleration. Two different kind of neural networks have been considered: radial and sigmoidal function for neurons activation. Those neural networks have been calibrated on the experimental data of emission and fuel consumption intensity. The experimental data has been earlier performed in a emission matrix. The emission matrices have been obtained on the base of modal measurements for a set of driving cycles with different dynamic. Two vehicles have been investigated, one vehicle with spark ignition engine equipped with catalytic converter and one vehicle with compression ignition engine. Results of approximation by neural networks are compared for both types of networks in the paper. The error of approximation is less for NNs than for polynomial and power functions used in previously of author works. It can be noticed that neural network with sigmoidal function of neural activation enables us better results of approximation of experimental data and therefore is more useful in the case considered.

14

Discrete Fractional Order Artificial Neural Network

80%

Sierociuk D. , Sarwas G. , Dzieliński A.

Acta Mechanica et Automatica

|

2011

|

tom Vol. 5, no. 2

128-132

EN

In this paper the discrete time fractional order artificial neural network is presented. This structure is proposed for simulating the dynamics of non-linear fractional order systems. In the second part of this paper several numerical examples are shown. The final part of the paper presents the discussion on the use of fractional or integer discrete time neural network for modelling and simulating fractional order non-linear systems. The simulation results show the advantages of the proposed solution over the classical (integer) neural network approach to modelling of non-linear fractional order systems.

15

Problemy związane z definiowaniem środowiska sztucznej sieci neuronowej do modelowania charakterystyk zmęczeniowych

80%

Nowicki K. , Sempruch J.

Zeszyty Naukowe Politechniki Świętokrzyskiej. Nauki Techniczne

|

2007

|

tom Z. 4

96-97

PL

W latach 1996 - 2006 zrealizowano w Katedrze Sterowania i Konstrukcji dwa projekty badawcze związane z próbą definiowania środowiska sztucznej sieci neuronowej dla potrzeb wspomagania decyzji w procesie oceny trwałości zmęczeniowej materiałów konstrukcyjnych. O wyborze tego środowiska zadecydowały następujące przesłanki: - uwolnienie wielkości od formalnego związku funkcyjnego na etapie ich gromadzenia; jako informacja gromadzona może być dowolna wielkość pozyskiwana eksperymentalnie w próbie zmęczeniowej, - wprowadzenie i wykorzystanie miar podobieństwa na etapie gromadzenia i przetwarzania informacji, - równoległe przetwarzanie informacji na etapie obliczeń z wykorzystaniem zaistniałego środowiska; każda rejestrowana informacja ma szanse wpływać na uzyskiwany wynik. W projektach tych przyjęto zasadniczo różne podejście do koncepcji zadań formułowanych wobec tworzonego środowiska informatycznego. Pierwsze z przebadanych podejść bazuje na koncepcji, w której znane związki analityczne wyznaczają obszar poszukiwań rozwiązań dla sztucznej sieci neuronowej. Drugie bazuje na całkowitym odejściu od takich powiązań. Cechą charakterystyczną budowanego środowiska jest wykorzystanie pojęcia atraktorów, czyli pewnych punktów charakterystycznych o szczególnym znaczeniu dla zbioru znanych charakterystyk zmęczeniowych, które mogą być wykorzystane do przyspieszonego generowania charakterystyk pochodnych i zastępują formalnie miary podobieństwa, których brak jest w rozwiązaniach analitycznych.

EN

The possibilities of a one- and two dimensional fatigue curves generalization in neural network environment have been presented in the paper. Application of neural networks in two different scientific projects visualize essential problems and conditions with this environment.

16

Wybór najatrakcyjniejszych spółek na WGPW przy użyciu sztucznych siecii neuronowych

80%

Kołatka M.

Zeszyty Studenckie Wydziału Ekonomicznego „Nasze Studia”

|

2011

|

nr 5

147-155

PL

W ostatnich latach można zauważyć, że coraz więcej inwestorów przy wyborze instrumentów finansowych, stosuje komputerowe systemy wspomagania decyzji. Bardzo często wykorzystuje się w tym celu sztuczne sieci neuronowe. W pracy przedstawione podstawowe teoretyczne aspekty związane z SSN. Oceniono też ich skuteczność w wyborze najatrakcyjniejszych spółek notowanych na GPW.

EN

In recent years can be seen that more and more investors use computer decision support system when They are choosing financial instruments. Artificial neural networks (ANN) are often used for this purpose. The paper presents the basic theoretical aspects of the ANN. Evaluated also their effectiveness in selecting the most attractive companies listed on the Warsaw Stock Exchange.

17

Sztuczne sieci neuronowe [rec.]

80%

Łozowski A. G.

Postępy Fizyki

|

2004

|

tom T. 55, z. 3

135-135

PL

Recenzja książki: Robert Kosiński - Sztuczne sieci neuronowe. Dynamika nieliniowa i chaos, Wydawnictwa Naukowo-Techniczne, Warszawa 2002, s. 196.

18

Diagnostyka turbozespołu z wykorzystaniem sztucznych sieci neuronowych

80%

Szubert W.

Systems : journal of transdisciplinary systems science

|

2006

|

tom Vol. 11,spec.1/2

603-611

PL

W artykule pokazano możliwość wykorzystania komercyjnego systemu eksperckiego do celów diagnostyki turbozespołu. G2 Real-Time Expert System umożliwia praktyczną realizację inteligentnych, zintegrowanych, hierarchicznych systemów ekspertowych, niezbędnych do monitoringu, długoterminowego prognozowania oraz inteligentnego ostrzegania. Stworzony system diagnostyki turbozespołu wykorzystuje klasyfikatory neuronowe, których zadaniem jest wykrywanie stanów awaryjnych turbozespołu dotyczących zukosowania łożysk. Do stworzenie klasyfikatorów wykorzystano środowisko NeurOn-Line (NOL), które jest dodatkiem do systemu G2 uzupełniającym ten system o funkcje związane ze sztucznymi sieciami neuronowymi. NOL jest graficznym, zorientowanym obiektowo środowiskiem, na bazie, którego tworzone są aplikacje, które realizują takie zadania jak diagnostyka, weryfikacja pomiarów czy modelowanie procesów. Jako klasyfikatory zastosowano różne typy sztucznych sieci neuronowych.

19

Zastosowanie sieci neuronowych do estymacji prędkości napędu elektrycznego z silnikiem synchronicznym z magnesami trwałymi

80%

Dróżdż K. , Kamiński M. , Serkies P. J. , Szabat K.

Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały

|

2013

|

tom Vol. 69, nr 33

132--140

PL

W niniejszym artykule zaprezentowano analizę możliwości zastosowania sieci neuronowych w estymacji prędkości silnika synchronicznego z magnesami trwałymi. W celu realizacji tego zadania zastosowano jednokierunkowe wielowarstwowe sieci neuronowe (Multi Layer Perceptron Neural Network). Opisana została metodyka projektowania, ze szczególnym uwzględnieniem doboru struktury sieci neuronowej oraz postaci wektora wejściowego. Przedstawiono wybrane wyniki badań zaprojektowanego modelu neuronowego. Uzyskano bardzo wysoką dokładność odtwarzania prędkości silnika. Badania potwierdziły też odporność estymatora na zmiany rezystancji stojana maszyny. Obliczenia związane z opracowanym modelem wykonano w środowisku Matlab.

EN

In this paper analysis of possibilities of neural network application for estimation of speed of permanent magnet synchronous motor is presented. In order to realize of this task Multi Layer Perceptron Neural Network are applied. Several design steps with particular emphasis on the selection of structure of neural network and organization of the input vector are described. Chosen results for prepared neural estimator are presented. High precision of speed estimation is obtained. Additionally changes of stator resistance are introduced during tests, even in such case reproduction of this state variable is very precise, tested model is robust. Calculations related to prepared model are realized in Matlab.

20

Koncepcja zastosowania sztucznych sieci neuronowych do lokalizacji elementów powodujących pogorszenie jakości energii elektrycznej w sieciach średniego napięcia

80%

Kolasa M. , Długosz R.

Poznan University of Technology Academic Journals. Electrical Engineering

|

2014

|

tom No. 79

87--95

PL

W artykule przedstawiono koncepcję wykorzystania sztucznych sieci neuronowych do rozwiązywania problemu lokalizacji źródeł zakłóceń powodujących pogorszenie jakości energii elektrycznej. W dziedzinie tej coraz częściej sięga się po rozwiązania oparte na sztucznej inteligencji, choć zazwyczaj stosowane algorytmy uczenia sieci neuronowych implementowane są jako programy komputerowe. Biorąc pod uwagę ogromną ilość danych, które muszą zostać przetworzone, rozwiązania takie nie są optymalne. Rozwiązaniem tego problemu może być zastosowanie równoległego przetwarzania danych, możliwego do uzyskania w sieciach neuronowych realizowanych jako specjalizowane układy scalone. Jest to celem naszych badań. W artykule przedstawiono jeden z etapów realizacji tego zadania - model sieci elektroenergetycznej, którego celem jest dostarczenie danych uczących dla projektowanej na poziomie tranzystorów sieci neuronowej. W realizowanej sieci neuronowej wykorzystano nowatorski algorytm oparty na filtracji błędu kwantyzacji, który pozwala znacząco skrócić fazę uczenia, przez co sieć jest w stanie szybko dostosować się do nowych danych.

EN

The paper presents a concept of using artificial neural networks to solve the prob- lem of the location of sources that cause deterioration in the quality of the electrical power. In this field the solutions that base on artificial intelligence are gaining popularity in recent time. However, the learning algorithms that are used in this case are usually implemented as computer programs. Given the large amount of data that must be processed, such solutions are not optimal. The solution to this problem may be the usage of parallel data processing obtainable in neural networks implemented, for example, as specialized integrated circuits. This is the purpose of our research. This paper presents one of the important steps in this task - a model of the electrical power system, the aim of which is to provide training data for the neural network. In the realized neural network a novel algorithm has been used that is based on filtering of the quantization error. By using this algorithm the learning phase can be substantially shortened, so that the network is able to quickly adapt to new data.