PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!
  • Sesja wygasła!
Tytuł artykułu

Predykcja poziomu tlenu w piecu EAF z wykorzystaniem metod sztucznej inteligencji : regresji liniowej i metody najblizszych sąsiadów (k-NN)

Autorzy
Treść / Zawartość
Identyfikatory
Warianty tytułu
Języki publikacji
PL
Abstrakty
PL
W obecnych czasach ludzki intelekt zaczyna zastępować sztuczna inteligencja i związane z nią metody predykcji, czyli przewidywania, na podstawie zgromadzonych wcześniej danych. Nie ma firmy, która by nie starała się przewidzieć swoich potencjalnych zysków np na podstawie różnych danych statystycznych ustalając jednocześnie, który czynnik ma największy wpływ na rozwój firmy. Z tych przyczyn również sztuczna inteligencja znalazła zastosowanie w różnych dziedzinach przemysłu ,gdzie nawet najdrobniejsza poprawa parametrów procesu może powodować znaczne obniżenie kosztów produkcji i wpłynąć bezpośrednio na wzrost konkurencyjności firmy na rynku. Niniejsze opracowanie ma na celu przedstawienie metod sztucznej inteligencje pozwalające na analizę wpływu parametrów procesu stalowniczego na stopień aktywności tlenu, przy użyciu regresji linowej, nieliniowej i nieparametrycznej a następnie na wyborze najlepszego modelu a następnie porównanie ich.
Wydawca
Rocznik
Tom
1-2
Strony
30--37
Opis fizyczny
Bbliogr. 9 poz., rys.
Twórcy
  • Śląskie Środowiskowe Studium Doktoranckie
Bibliografia
  • 1.AdamTabor;Metalurgia: Wydawnictwo Politechniki Krakowskiej, 1999
  • 2. Siegmunt Brandt: Analiza danych. PWN, 1999
  • 3. David Hand: Eksploracja Danych: Wydawnictwa Naukowo Techniczne, 2005.
  • 4. http:// sztuczna -inteligencja.eprace.edu.pl/998,Narzedzia_Data_Mining.html,
  • 5. Daniel T. Larose: Odkrywanie wiedzy z danych. .PWN, 2006
  • 6. Paniel T. Larose: Metody i modele eksploracji danych.Wydawnictwo Naukowe PWN, 2008.
  • 7. A. Chojecki: Procesy wytapiania stali na odlewy. Wyd. AGH, Krakow 1991.
  • 8. Zdzistaw Pawlak: Rough Sets. International Journal of Computer and Information Sciences, 11:341-356,1982
  • 9. Blachnik M„ Kordos M., Wieczorek T.: Temperature Prediction in Electric Arc Furnace with Neural Network Tree,
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-3826d730-3605-4fed-a3c7-5c676765523c
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.