Neural networks as a tool in the analysis of agricultural engineering empirical systems

• Autorzy: Boniecki P. , Weres J.

Warianty tytułu

PL

Sieci neuronowe jako narzędzie do analizy empirycznych systemów inżynierii rolniczej

• Języki publikacji: EN

Abstrakty

EN

Of the numerous applications of computers in agriculture induced by the overall advancement in IT and produced in response to the demand for cutting-edge agricultural technologies required to secure high quality products, one application which has become a classic and which definitely deserves a mention is numerical processing. A special place among numerical processing methods applied in agricultural technology has been given to techniques of accounting for randomness, which is an element present in most empirical systems. The effectiveness of such methods is influenced largely by techniques of generating pseudo-random numbers. In studies on agricultural phenomena, one is frequently left with no mathematical. model to describe the phenomena precisely. In effect our knowledge of the structure of the problem at. Hand usually remains incomplete. This is because agricultural system s are highly complex in their structures. For that reason it seems appropriate to employ an alternative method of analyzing problems of agricultural technology, namely neural networks. The properties of neural network are ideal for many practical applications. Neural networks constitute a universal approximation system for representing multi-dimensional data sets. They have an ability to learn and adapt to changing environments and generalize on the acquired knowledge, which makes them a system of artificial intelligence. At the heart of their operation are learning algorithms which allow for designing a proper network structure and selecting its parameters to best suit the problem at hand. The objective of the paper was to analyze selected problem s of agricultural engineering, in which application of neural networks is highly recommended, and to discuss such applications in the following areas: a) time series predictions, e.g. prediction of crops, b) spatial approximation, e.g. geological and analysis, c) classification, e.g. entomological categorization of insects on the basis of characteristic features of an object, d) signal filtering (removal of noise from a corrupted signal), e.g. meteorological data analysis.

PL

Wśród licznych zastosowań komputerów w inżynierii rolniczej, wynikających z ogólnego rozwoju informatyki oraz zapotrzebowania na nowoczesne technologie w rolnictwie, gwarantujące wysoką jakość produktu końcowego, trudno nie wspomnieć o klasycznym już dziś zastosowaniu, jakim są obliczenia. Szczególną pozycję w metodach obliczeniowych stosowanych w technice rolniczej zajmują techniki uwzględniania losowości, występującej w większości systemów empirycznych. Na skuteczność tych metod znaczący wpływ wywiera sposób generowania liczb pseudo losowych. Alternatywnym podejściem do opisu i analizy systemów empirycznych inżynierii rolniczej jest wykorzystanie technik neuronowych. Sztuczne sieci neuronowe zwane w skrócie sieciami neuronowymi, stanowią intensywnie rozwijającą się dziedzinę wiedzy stosowaną w wielu obszarach nauki. Mają właściwości pożądane w wielu zastosowaniach praktycznych: stanowią uniwersalny układ aproksymacyjny odwzorowujący wielowymiarowe zbiory danych, mają zdolność uczenia się i adaptacji do zmieniających się warunków środowiskowych, zdolność uogólniania nabytej wiedzy, stanowiąc pod tym względem system sztucznej inteligencji. W pracy omówiono obszary możliwych zastosowań sieci neuronowych oraz zaprezentowano przykłady praktycznego wykorzystania sieci w wybranych obszarach inżynierii rolniczej.

Słowa kluczowe

EN

neural network; neural technique; agricultural engineering

PL

sieć neuronowa; inżynieria rolnicza; technika komputerowa

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2001
• Tom: Vol. 46, nr 3
• Strony: 73--76
• Opis fizyczny: Bibliogr. 4 poz.

Twórcy

autor

Boniecki P.

• Institute of Agricultural Engineering, Agriculural University of Poznan (Poland)

autor

Weres J.

• Institute of Agricultural Engineering, Agriculural University of Poznan (Poland)

Bibliografia

• [1] Francik S., Ślipek Z. 1999. The selection of trend functions for forecasting of the technical and operational indexes of agricultural machines. Agricultural Engineering, 4(10), 125-129. Warsaw.
• [2] Żurada J., Barski M., Jędruch W.: Artificial neuron networks. PWN, Warsaw.
• [3] Weres J., Boniecki P., Walczak Renata 2000. Computer aided analysis of agricultural systems with the use of knowledge engineering elements. Wrocław University of Technology Publishing House, edited by Zdzisław Bubnicki and Adam Grzech, ISBN 83-7-85-476-1, Wrocław pp. 407-412.
• [4] Duch W., Tadeusiewicz R., Korbicz J. et al. 2000. Neuron networks. Warsaw: EXIT Academic Publishing House.