PL EN


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

Wpływ typu sieci neuronowej na dokładność prognozowania przekazywania drgań pochodzenia górniczego z gruntu na budynek

Autorzy
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
EN
The influence of neural network type on the prediction accuracy of the transmission of mining tremors vibrations from the ground to the building
Języki publikacji
PL
Abstrakty
PL
Artykuł dotyczy analizy wpływu typu sieci neuronowych na dokładność prognozowania przekazywania drgań pochodzenia górniczego z gruntu na fundament typowego budynku mieszkalnego. Zastosowano standardowe sztuczne sieci neuronowe, sieci neuronowe z regularyzacją oraz bayesowskie sieci neuronowe. Wzorce uczące, walidujące oraz testujące sieci neuronowych utworzono, wykorzystując wyniki badania doświadczalnych.
EN
The paper deals with the analysis of the influence of neural network type on the prediction accuracy of the transmission of mining tremors vibrations from the ground to the typical building. Standard neural networks, neural networks with regularization and bayesian neural networks were used. Results of experimental tests were applied as the neural network training, validating and testing patterns.
Rocznik
Strony
3--12
Opis fizyczny
Bibliogr. 8 poz.,Wykr., wz., tab.,
Twórcy
autor
  • Wydział Inżynierii Lądowej, Politechnika Krakowska
Bibliografia
  • [1] Osowski S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2006.
  • [2] Waszczyszyn Z., Bayesowskie sieci neuronowe w analizie problemów regresji, Zeszyty Naukowe Politechniki Rzeszowskiej 258, Mechanika 74, Rzeszów-Bystre 2008.
  • [3] Kuźniar K., Maciąg E., Zastosowanie SSN w wyznaczaniu wpływu parametrów wstrząsów górniczych na interakcję dynamiczną grunt-budynek, Zeszyty Naukowe Politechniki Białostockiej, Budownictwo, z. 28, tom 2, Wydawnictwo Politechniki Białostockiej, 2006, 187-196.
  • [4] Kuźniar K., Analiza drgań budynków ścianowych o średniej wysokości podlegających wstrząsom górniczym z wykorzystaniem sieci neuronowych, Monografia 310, Inżynieria Lądowa, Wydawnictwo Politechniki Krakowskiej, Kraków 2004.
  • [5] Kuźniar K., Chudyba Ł., Analiza wpływu kierunku propagacji drgań od wstrząsów górniczych na ich przekazywanie z gruntu na budynek, Materiały 56. Konferencji Naukowej KILiW PAN oraz KN PZITB, ,,Problemy naukowo-badawcze budownictwa”, Krynica, wrzesień 2010, 182-192.
  • [6] Bishop C.M., Pattern recognition and machine learning, Springer, New York 2006.
  • [7] Foresse F.D., Hagan M., Gauss-Newton approximation to Bayesian learning, Procceding of the 1997 International Joint Conference on Neural Networks, 1997, 1930-1935.
  • [8] Demuth H., Beale M., Hogan M., Neural Network Toolbox for use with Matlab 5, User’s Guide, 2005-2007.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BGPK-3578-3764
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.