Sieci neuronowe typu MLP oraz RGB jako komplementarne modele aproksymacyjne w procesie predykcji plonu pszenżyta

• Autorzy: Boniecki P.

Warianty tytułu

EN

Neural networks of MLP and RGB type as complementary aproximatical models in the triticale crop prediction process

• Języki publikacji: PL

Abstrakty

PL

W ostatnich latach dynamiczny rozwój technik informatycznych spowodował pojawienie się nowych możliwości obliczeniowych, bazujących na wzorcach pochodzących z obserwacji procesów naturalnych, a w szczególności pracy mózgu. Pojawiające się metody, mające cechy sztucznej inteligencji, pozwalają na budowę modeli symulacyjnych, które realizują postawione zadania w oparciu o wzorce zaczerpnięte bezpośrednio z obserwacji przyrody. W procesie badania probabilstycznych systemów empirycznych, uzasadnionym wydaje się być wykorzystanie komplementarnej metody analizy problemów oraz zagadnień techniki rolniczej, jaką reprezentują sztuczne sieci neuronowe.

EN

The dynamic development of the information technology in the recent years resulted in the development of completely new computation possibilities, based on patterns taken from the observation of natural processes, and particularly of the work of the brain. The new methods, which have some features of artificial intelligence, make it possible to build simulation model that perform the tasks assigned to them on the basis of patterns taken directly from the observation of the nature. Therefore, in the research of probabilistic empirical systems, it seems justified to use a complementary method of analysis of agricultural engineering problems and issues, which is represented by artificial neuron networks.

Słowa kluczowe

PL

pszenżyto; plon; model aproksymacyjny; sieć neuronowa; sieć neuronowa MLP; sieć neuronowa RGB

EN

triticale; yield; aproximatical model; MLP neural network; RGB neural network; neural network

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2004
• Tom: Vol. 49, nr 1
• Strony: 28--33
• Opis fizyczny: Bibliogr. 9 poz., rys., wykr.

Twórcy

autor

Boniecki P.

• Instytut Inżynierii Rolniczej, Akademia Rolnicza im. Augusta Cieszkowskiego w Poznaniu

Bibliografia

• [1] Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R., 2000. Sieci neuronowe.: Akademicka Oficyna Wydawnicza EXIT, Warszawa.
• [2] Boniecki P., Weres J., Wykorzystanie technik neuronowych do predykcji wielkości zbiorów wybranych płodów rolnych, Journal of Research and Applications in Agricultural Engineering, 4'2003, Vol. 48, str. 56-59.
• [3] Kosiński R., 2002. Sztuczne sieci neuronowe. WNT, Warszawa.
• [4] Osowski S., 2000. Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa.
• [5] Tadeusiewicz R., 1993. Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa.
• [6] Żurada J., Barski M. 1996. Sztuczne sieci neuronowe. Wydawnictwo Naukowe PWN, Warszawa.
• [7] Michie D., Spiegelharter D. J., Taylor C.C.: Machine learning, neural and statistical classification, Elis Horwood, London 1994.
• [8] Duch W., Adamczak R.: Statistical methods of construction of neural networks. International Conference on Neural Information Processing, ICONIP'98, Kitakyushu, Japonia, Październik 1998, Vol. 2, pp. 629-642.
• [9] Duch W., Jankowski N.: Survey of neural transfer functions, Neural Computing Surveys 2 (1999) pp.163-213.