Sztuczne sieci neuronowe jako narzędzie wspomagające proces numerycznego przetwarzania w problemach inżynierii rolniczej

• Autorzy: Boniecki P. , Paryś A.

Warianty tytułu

EN

The artificial neural networks as a helping tool in the process of numerical agricultural engineering problems

• Języki publikacji: PL

Abstrakty

PL

Proces dyskretyzacji ciągłego zagadnienia różniczkowego (wraz z warunkami początkowo-brzegowymi) prowadzi do uzyskania liniowego układu równań algebraicznych. Rozwiązanie takiego układu równań wymaga znajomości postaci macierzy odwrotnej układu. Jednokierunkowe sieci neuronowe mogą być efektywnie wykorzystane w algebrze macierzowej do realizacji wielu standardowych operacji macierzowych, w tym również do odwracania macierzy. Wymienione wyżej modele neuronowe pozwalają w trakcie ich eksploatacji na uzyskanie dużej szybkości działania (praktycznie działania w czasie rzeczywistym). Problemem zasadniczym, w powyższym kontekście, jest właściwe określenie funkcji energetycznej, której minimalizacja pozwala na zaprojektowanie, wygenerowanie oraz nauczenie odpowiedniej topologii sieci neuronowej. Celem pracy była analiza możliwości wykorzystanie nowoczesnych technik sztucznych sieci neuronowych do generowania postaci macierzy odwrotnej.

EN

The discretization process of the cotinuous differential issue (with the initial-border conditions) leads to obtaining the linear set of algebraic equations. To resolve such a set of equations, the knowledge about the inverted form of system matrix is required. One-directional neural networks can be effectively used in matrix algebra to conduct lots of standard matrix operations, including matrix inversion. The neural models listed above during exploitation let to obtain a great functional speed (nearly real time work). The basic problem, in mentioned context, is the proper definition of an energetic function, minimalization of which lets to design, generate and learn the proper neural network topology. The aim of work was analysis of the possibilities of using modern techniques of artificial neural networks to generate the inverted matrix form.

Słowa kluczowe

PL

inżynieria rolnicza; sztuczna sieć neuronowa; przetwarzanie numeryczne; macierz odwrotna

EN

agricultural engineering; artificial neural network; numerical processing; inverted matrix

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2006
• Tom: Vol. 51, nr 1
• Strony: 14--17
• Opis fizyczny: Bibliogr. 6 poz., rys.

Twórcy

autor

Boniecki P.

autor

Paryś A.

• Akademia Rolnicza w Poznaniu, Instytut Inżynierii Rolniczej

Bibliografia

• [1] Bishop, C. (1995). Neural Networks for Pattern Recognition. Oxford: University Press
• [2] Osowski S. (2000). Sieci neuronowe do przetwarzania informacji: Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa
• [3] Hertz J, Krogh A, Palmer R. G. (1993). Wstęp do teorii obliczeń neuronowych: WNT, Warszawa
• [4] Tadeusiewicz R. (1993). Sieci neuronowe: Akademicka Oficyna Wydawnicza, Warszawa
• [5] Patterson, D. (1996). Artificial Neural Networks. Singapore: Prentice Hall
• [6] Zaleski R. (1987). Metody algebry liniowej w inżynierii procesowej: PWN, Warszawa.