PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 54

Liczba wyników na stronie
first rewind previous Strona / 3 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 3 next fast forward last
1
Content available Kwantowa sztuczna sieć neuronowa. Część 2. Model ruchu ramienia robota PR-02
Tchórzewski J., Domański P.
Poznan University of Technology Academic Journals. Electrical Engineering
|
2018
|
No. 96
33--45
PL
Artykuł jest kontynuacją pracy pod tym samym tytułem głównym i podtytułem: Część 1. Obliczenia kwantowe. W niniejszej pracy zamieszczono wybrane elementy metody i algorytmu dotyczącego inspirowania modelu neuralnego ruchu robota PR-02 za pomocą rozwiązań informatyki kwantowej. Zwrócono uwagę na występujące problemy w zakresie przeprowadzania obliczeń kwantowych na komputerach klasycznych. Pokazano, że można przeprowadzać kwantyzację, obliczenia kwantowe i dekwantyzację na komputerze klasycznym, co wiąże się z wydłużeniem obliczeń neuronalnych. Dla założonej liczby 1 000 quasi równoległych obliczeń nie uzyskano poprawy przebiegu trajektorii, ale uzyskano bardziej precyzyjny punkt startu i punkt docelowy ruchu ramienia robota PR-02. Badania są kontynuowane dla 10 000 quasi równoległych obliczeń, co na klasycznych komputerach wymaga znacznie dłuższego czasu obliczeń.
EN
The article is a continuation of the work under the same main title and subtitle: Part 1. Quantum calculations. This paper presents selected elements of the method and algorithm for inspiring the PR-02 robot's neural motion model with the help of quantum computing solutions. Attention was paid to the problems occurring in the field of quantum computing on classical computers. It has been shown that quantization, quantum computation and dequantization on a classical computer can be performed, which is associated with the prolongation of neuronal calculations. For the assumed number of 1 000 quasi parallel calculations, no improvement in the path trajectory was achieved, but a more precise starting point and target point of the robot arm movement PR-02 were obtained. The research is continued for 10,000 quasi parallel computations, which requires much longer calculation time on classic computers.
2
Content available Kwantowa sztuczna sieć neuronowa. Część 1. Metoda i wyniki obliczeń
Tchórzewski J., Ruciński D.
Poznan University of Technology Academic Journals. Electrical Engineering
|
2018
|
No. 96
21--31
PL
W artykule zamieszczono wybrane wyniki badań dotyczące inspirowania sztucznej sieci neuronowej metodami informatyki kwantowej. Zwrócono uwagę na kwantyzację i dekwantyzację liczb rzeczywistych na liczby kwantowe, co związane było m.in. z wykorzystaniem pojęcia kwantowej liczby mieszanej. Do zwiększenia dokładności obliczeń zaproponowano systemową sztuczną sieć neuronową inspirowaną metodami informatyki kwantowej. Wyniki badań teoretycznych zinterpretowano na konkretnych przykładach liczbowych. Artykuł jest kontynuowany w pracy pod tym samym tytułem głównym i podtytułem: Część 2. Model ruchu robota PR-02.
EN
The article presents selected results of the study of the possibility of inspiring the artificial neural network with the methods of quantum computing. Attention was paid to the quantization and dequantization of real numbers to quantum numbers, which was related to using the quantum concept of a mixed number. Attention was also paid to various methods of conducting quantum computations, including a systemic method using an artificial neural network, and on this basis an algorithm for conducting quantum computations was proposed. Theoretical remarks were interpreted on specific numerical examples.
3
Content available Quantum-inspired artificil neural networks and evolutionary algorithms methods applied to modeling of the polish electric power exchange using the day-ahead market data
Tchórzewski J., Ruciński D.
Information Systems in Management
|
2018
|
Vol. 7, No. 3
201--212
EN
The paper presents selected results of research on the use of artificial intelligence methods, which are inspired by quantum computing solutions for modelling of electric power exchange systems. Methods used in the modelling of quantum data acquisition, quantization and dequantization of information as well as the methods of performing quantum computations were emphasized. Furthermore, we have analysed the results obtained for the neural model and for the evolutionary algorithm inspired by the quantum computer science. Eventually, the model was verified on the example of the neural model of the Electric Power Exchange (EPE).
4
Content available Systemowy algorytm ewolucyjny do poprawy modelu towarowej giełdy energii elektrycznej. Część 1, Istota i możliwości algorytmu
Tchórzewski J., Marlęga R.
Poznan University of Technology Academic Journals. Electrical Engineering
|
2017
|
No. 90
277--287
PL
W pracy zamieszczono opis istoty i możliwości wykorzystania Systemowego Algorytmu Ewolucyjnego (SAE) do poprawy struktury i parametrów modelu systemu na przykładzie Towarowej Giełdy Energi Elektrycznej. Po zdefiniowaniu podstawowych pojęć dotyczących algorytmu SAE pokazano algorytm oraz szczegółowo omówiono najistotniejsze jego kroki, to jest m.in. sposób tworzenia systemowej populacji początkowej, systemowych operatorów genetycznych, systemowej metody selekcji oraz systemowej funkcji krzepkości jako funkcji rozbieżności pomiędzy modelem systemu jego otoczeniem (dostawcami i odbiorcami energii elektrycznej). Zamieszczono też wybrane wyniki analizy modeli TGEE z punktu widzenia wykorzystania ich do generowania systemowej PP oraz systemowej funkcji krzepkości.
5
Content available Systemowy algorytm ewolucyjny do poprawy modelu systemu towarowej giełdy energii elektrycznej. Część 2, Implementacja i wyniki badań
Tchórzewski J., Skwara M.
Poznan University of Technology Academic Journals. Electrical Engineering
|
2017
|
No. 90
289--300
PL
Artykuł jest kontynuacją pracy o tym samym tytule głównym i podtytułem Część 1. Istota i możliwości metody. W niniejszym artykule pokazano w jaki praktyczny sposób można utworzyć Populację Początkową (PP) na bazie modelu parametrycznego arx Towarowej Giełdy Energii Elektrycznej (TGEE) otrzymanego w wyniku identyfikacji z wykorzystaniem danych liczbowych notowanych na Rynku Dnia Następnego (RDN). Pokazano też systemowy sposób konstruowania funkcji krzepkości jak też systemowych operatorów krzyżowania i mutacji, a także metody selekcji. Algorytm zaimplementowano w języku Matlab i przetestowano z wykorzystaniem danych TGEE. Uzyskano wiele interesujących wyników badań, w tym w zakresie przebiegu algorytmu jak też wizualizacji wybranych wyniki badań.
EN
The paper is a continuation of the article under the same title and subtitle the main part 1 The essence and the possibility of implementing. This article shows how a practical way to create initial population (PP) based on parametric model arx Power Exchange Electricity (TGEE) obtained as a result of identification using the figures listed on the Day Ahead Market (DAM). It also shows a process for designing a system as well as robustness features of system the crossover and mutation and selection methods. The algorithm is implemented in Matlab and tested using data TGEE. They obtained many interesting results, including the course of the algorithm as well as the visualization of selected results.
6
Content available Evolutionary algorithm inspired by the methods of quantum computer sciences for the improvement of a neural model of the electric power exchange
Tchórzewski J., Ruciński D.
Information Systems in Management
|
2017
|
Vol. 6, No. 4
343--355
EN
The work contains results of research on the possibility to improve the neural model of the Electric Power Exchange (polish: Towarowa Giełda Energii Elektrycznej – TGEE) in MATLAB and Simulink environment using evolutionary algorithm inspired by quantum computer science. The developed artificial neural network was trained using data for the Day Ahead Market, assuming the joint volume of supplied and sold electrical energy [MWh] as the input quantities in each hour of the 24-hour day, and average prices [PLN/MWh] as output quantities. The obtained model of the exchange system was improved using the evolutionary algorithm, and further improvement in the accuracy of the model by supplementing the evolutionary algorithm using quantum solutions, related to the initial population, crossover and mutation operators, selection, etc. were proposed.
7
Content available Możliwości poprawy modelu rozwoju KSE za pomocą obserwatorów stanu na przykładzie podsystemu mocy osiągalnej w elektrowniach ogółem
Tchórzewski J.
Prace Instytutu Elektrotechniki
|
2016
|
Z. 273
145--161
PL
W pracy zamieszczono wybrane wyniki badań dotyczące próby poprawienia modeli rozwoju krajowego systemu elektroenergetycznego na przykładzie podsystemu mocy osiągalnej w elektrowniach ogółem, m.in. poprzez wykorzystanie obserwatorów stanu. Pokazano, że układ dynamiczny opisany równaniami stanu i wyjścia może być sterowany za pomocą wektora stanu, który na potrzeby sterowania jest mierzony. Jednak nie zawsze wektor stanu jest mierzalny, m.in.: z powodów technicznych (brak możliwości wykonania pomiaru określonych elementów fizycznych), z powodów fizycznych (wektor stanu może zawierać elementy niefizyczne, a więc wprost niemierzalne) oraz z powodów systemowych (wektor stanu może zawierać elementy historyczne, statystyczne, itp.). Zamieszczono też wybrane wyniki badania wrażliwości modelu rozwoju systemu z punktu widzenia fabryk bezludnych. Bardziej interesujące wyniki badań poddano dyskusji i zamieszczono uwagi końcowe.
EN
The paper presents selected results of research on attempts to improve the models of development of the national electricity system (NPS), among others by using state observers. It is shown that the dynamic system described in the state space equations of state, and the output can be controlled by a state vector, which for the purposes of control is measured. But not always state vector is measurable, e.g., for technical reasons (lack of ability to measure certain physical elements), for physical reasons (state vector may contain non-physical and therefore unmeasurable quantities) and systemic reasons (state vector may contain historical elements, statistical, etc.).
8
Content available Możliwości informatyki kwantowej do poprawy dokładności modelowania. Część 1 – Kwantowy algorytm ewolucyjny
Tchórzewski J.
Poznan University of Technology Academic Journals. Electrical Engineering
|
2016
|
No. 88
133--141
PL
W pracy zamieszczono wybrane wyniki badania wykorzystania informatyki kwantowej do zwiększenia stopnia dokładności algorytmów ewolucyjnych poprawiających parametry modeli neuronalnych systemów, co zostało zweryfikowane na wybranych przykładach takich systemów jak m.in. ruch robota PR-02. W modelowaniu neuronalnym wykorzystuje się sztuczne sieci neuronowe, które projektuje się, a następnie uczy modeli systemów na bazie danych liczbowych. Parametry sztucznych sieci neuronowych, a zwłaszcza elementy macierzy wag, biasów i parametry funkcji aktywacji można poprawiać za pomocą algorytmów ewolucyjnych. Okazuje się, że wprowadzenie rozwiązań z zakresu informatyki kwantowej do algorytmów ewolucyjnych, a zwłaszcza dotyczących tworzenia kwantowej populacji początkowej, kwantowych operatorów krzyżowania i mutacji oraz kwantowej selekcji znacznie poprawia dokładność paramentów modeli neuronalnych, co zostało zweryfikowane w środowisku MATLABA i Simulinka.
EN
The paper presents selected results of the use of quantum computing to increase the degree of accuracy of evolutionary algorithms to improve the performance of models of neuronal movement of the end of the robot arm PR-02. For modeling, neural used SSN, which are designed and taught system models based on figures. ANN parameters, especially the elements of the matrix weights, biases, and the parameters of the activation function can be improved by using evolutionary algorithms. It turns out that the introduction of solutions in the field of quantum computing to evolutionary algorithms, especially for the creation of quantum initial population, quantum operators crossover and mutation, and quantum selection greatly improves the accuracy of modeling, as has been verified in the environment MATLAB and Simulink.
9
Content available Możliwości informatyki kwantowej do poprawy dokładności modelowania. Część 2 – KAE na przykładzie ruchu robota PR-02
Tchórzewski J., Wołynka Ł.
Poznan University of Technology Academic Journals. Electrical Engineering
|
2016
|
No. 88
143--152
PL
Artykuł zawiera wybrane wyniki badań dotyczące próby opracowania kwantowego algorytmu ewolucyjnego i jego implementacji w j. Matlab do poprawy parametrów modelu neuralnego ruchu ramienia robota PR-02. Populację początkową zbudowano na bazie macierzy wag sztucznej sieci neuronowej. Wylosowane wartości poszczególnych chromosomów populacji początkowej zostały przekształcone na wartości binarne, a te z kolei na wartości kwantowe przy wykorzystaniu opracowanej w tym celu funkcji quatization(). Wartość kwantowa genu została określona na podstawie silniejszego stanu czystego reprezentowanego przez podchromosomy, do czego została wykorzystana funkcja dequantization(). Selekcję osobników przeprowadzono na bazie modelu neuralnego ruchu robota PR-02 zaimplementowanego w j. Matlab jako funkcja calculationsNeuralNetworks().
EN
The article contains selected results of research on trying to develop a quantum evolutionary algorithm and its implementation in Matlab to improve the parameters of the model of neural movement of the robot arm PR-02. The initial population is constructed on the basis of the matrix weights artificial neural network. The drawn values of individual initial population of chromosomes have been converted to binary values, and the latter value using quantum developed for this purpose function of quatization(). The value of the quantum of the gene was determined on the basis of a stronger state of pure represented by subchromosomes, what was used a function of dequantization(). Selection of individuals was carried out based on the model of neural traffic robot PR-02 implemented as a function of calculationsNeuralNetworks().
10
Content available Neural modeling of the electric power stock market in usage of MATLAB and Simulink tools for the day ahead market data
Ruciński D., Tchórzewski J.
Information Systems in Management
|
2016
|
Vol. 5, No. 2
215--226
EN
The work contains selected results of the modelling of neural Electric Power Exchange (EPE) in Poland. For modelling EPE system, artificial neural network (ANN) was constructed. ANN was learned and tested using of the next day market data. Generated neural model was used for simulation tests and susceptibility tests. Suitable model was implemented in Simulink. As a result of simulation tests and susceptibility testing a lot of interesting research results were obtained.
11
Content available Identification modeling of Polish electric power exchange
Marlęga R., Tchórzewski J.
Information Systems in Management
|
2016
|
Vol. 5, No. 2
195--204
EN
This paper contains selected results of identification modeling of Polish Electric Power Exchange (EPE). In order to obtain EPE system model it was performed identification based on figures of EPEís Day-Ahead Market. During performing identification process, parametric arx model in System Identification Toolbox environment was utilized. Generated EPE parametric model has been further used for performing simulation tests and realization of susceptibility testing. Suitable models were implemented in Simulink software. As a result of simulation and susceptibility testing, many interesting findings has been delivered.
12
Content available Capabilities of MATLAB and Simulink related to modelling of Polish power exchange
Tchórzewski J.
Information Systems in Management
|
2016
|
Vol. 5, No. 3
424--435
EN
The paper presents selected results of research on modelling a system of the POLISH Power Exchange in the MATLAB and Simulink environment. Modelling capabilities of various toolboxes and Matlab language were presented. Special attention was paid to identification modelling using System Identification Toolbox, neural modelling using Neural Network Toolbox and simulation modelling using Simulink. Research experiments were preformed based on the Day Ahead Market quotations. The obtained models of th type in SIT, an artificial neural network (ANN) in NNT and a block diagram in Simulink were subjected to comparative and sensitivity tests. Final results were interpreted.
13
Content available Systemic Evolutionary Algorithm inspired by the methods of quantum computing to improve the accuracy of the model on the neuronal motion the end of the robot arm PR–02
Wołynka Ł., Tchórzewski J.
Computer Applications in Electrical Engineering
|
2016
|
Vol. 14
297--312
EN
The article contains selected results of research on the design Systemic Evolutionary Algorithm inspired by quantum informatics methods and description how to implement it in Matlab language in order to use for improve parameters neural model on example robot robot PR–02 arm motion. Initial population was based on weights matrix of artificial neural network. Randomly selected population of individual chromosomes in both the initial and in the following parent population have been converted to binary values, and these to quantum values by using created for this purpose quatization() function. Quantum gene value was determined on the basis of stonger pure state represented by different chromosomes, to which dequantization() function was used. Selection of individuals was conducted based on the model of neural robot PR–02 motion implemented in Matlab language using calculationsNeuralNetworks() function.
14
Content available Systemic Evolutionary Algorithm inspired by methods of Quantum computer sciences for the improvement of the accuracy of neural models in electrical engineering and electrical power engineering
Tchórzewski J.
Computer Applications in Electrical Engineering
|
2016
|
Vol. 14
280--296
EN
The work contains selected results of research on the application of quantum computer science to a systemic evolutionary algorithm for the purpose of improving accuracy of neural models in electrical engineering and electrical power engineering. Artificial neural networks are used in neural modeling, which networks are designed and taught models of systems using available numerical data. Parameters of neural networks, and especially, elements of weight matrices, biases as well as parameters of activation functions may be improved using evolutionary algorithms. It seems that applying solutions offered by quantum computer science to systemic evolutionary algorithm, and especially, as regards creation of quantum initial population, quantum crossover and mutation operators as well as selection, considerably improves the accuracy of modelling, which was verified in MATLAB and Simulink environment using selected examples such as RP–02 robot’s arm movement, the development of the Polish Electrical Power Exchange (polish: TGEE) system, etc.
15
Content available Multi-objective analysis of Polish domestic power system development from point of view of unmanned factories. A cybernetic issue
Tchórzewski J.
Archives of Electrical Engineering
|
2016
|
Vol. 65, nr 3
541--558
EN
The paper contains selected results of research on the Domestic Power System (DPS) as an unmanned factory. Models of the DPS system of the MISO type, obtained as a result of identification for 14 inputs and 4 outputs were presented. Particular attention was given to the identification and the assessment of the DPS development based on the systems and control theory. The obtained models of the DPS development were analyzed and discussed. The studies were obtained model of the development of the DPS, and on the basis of is knowledge of the structural and parametrical changes of system development. The model can be used to analyze the design and development of the system from the point of view of the growth of internal organization system and the transition to higher levels of control.
16
Content available Modelowanie neuronalne rozwoju systemu elektroenergetycznego. Część 1. Obszary modelowania
Tchórzewski J.
Poznan University of Technology Academic Journals. Electrical Engineering
|
2015
|
No. 82
31--37
PL
W pracy zamieszczono wybrane wyniki badań dotyczące modelowania neuralnego rozwoju systemu elektroenergetycznego. Zwrócono uwagę, że w modelowaniu neuronalnym wykorzystującym sztuczne sieci neuronowe projektuje się, a nie programuje rozwój systemu. Pokazano, że wśród różnych rodzajów architektury sztucznych sieci neuronowych oraz różnych reguł uczenia brak jest takich, które wprost odpowiadałyby naturze rozwoju SEE. Zwrócono uwagę na właściwości sieci perceptronowych, ontogenicznych oraz samorozwijających się, które możliwe są do wykorzystania przy projektowaniu i uczeniu modelu rozwoju SEE.
EN
The paper presents selected results of research on the modeling of neuronal development of the power system. It was noted that in neuronal modeling using artificial neural networks are designed, not programming system development. It is shown that among the various types of architecture of artificial neural networks and various learning rules, there is no such that directly correspond to the nature of the development of SEE. Attention was drawn to the network properties perceptron network, ontogeny network and self-evaluating network that are possible to be used in the design and development model SEE learning.
17
Content available Modelowanie neuronalne rozwoju systemu elektroenergetycznego. Część 2. Modele systemu IEEE RTS
Tchórzewski J., Pytel M.
Poznan University of Technology Academic Journals. Electrical Engineering
|
2015
|
No. 82
39--44
PL
W pracy zamieszczono wybrane wyniki badań dotyczące modelowania neuralnego rozwoju systemu elektroenergetycznego na bazie danych testowych IEEE RTS 96., m.in.: sposób tworzenia macierzy danych wejściowych oraz wyjściowych, sposób doboru parametrów sieci, itp. W wyniku projektowania i uczenia SSN uzyskano modele rozwoju SEE, które poddano badaniom wrażliwości m.in. na zmianę liczby warstw ukrytych oraz liczby neuronów w warstwie.
EN
The paper presents selected results of research on the modeling of neural development of the power system test data based on the IEEE RTS 96, m.in .: how to create a matrix of data input and output, how to select the network parameters and the like. As a result of learning design and development of the ANN models were obtained SEE, which has been tested sensitivity among to change the number of hidden layers and the number of neurons in a layer.
18
Content available Artificial neural networks as models neuronal electronic state offices
Tchórzewski J., Leszko K.
Information Systems in Management
|
2015
|
Vol. 4, No. 3
219--227
EN
The paper presents selected results of research on learning design and artificial neural network (ANN) models paperless office as a state defined as a document repository. A review of selected issues on artificial neural network, and environments to support their generation and learning. In particular, attention was drawn to the new modeling capabilities leading to obtaining neural models of electronic systems. Artificial neural network is designed and taught her electronic office model based on the size of the input 11 and 9 variables, par 72 trainees on the actual size of government agencies for the year 2007. The model was obtained in MATLAB and Simulink and using the Neural Network Toolbox. Showing the possibilities of using the model to test sensitivities and simulation in Simulink.
19
Content available Design and research on artificial neural networks as electrical power system development models based on IEEE RTS data
Tchórzewski J., Pytel M.
Computer Applications in Electrical Engineering
|
2015
|
Vol. 13
231-244
EN
The paper presents selected results of research on the design of artificial neural networks and training them using the electrical power system development model (EPS or EP system) based on IEEE RTS 96 test data, i.a. creation of training and test files, development of architecture of the artificial neural network, selection of parameters of the network, selection of appropriate training and testing method, etc. As a result of the development and training an ANN, the following EP system development models were obtained, which were examined for sensitivity to changes of the number of hidden layers, number of neurons in a layer, activation function, training method, etc. Subsequently, simulation models for studying fitness of the obtained models to the real systems. Interesting results were obtained, e.g. the method of the neural modelling of the system, the optimal architecture of the ANN that is a model of the system, possibilities and directions to improve a neural model of the system, etc.
20
Modelowanie neuronalne rozwoju systemu elektroenergetycznego na bazie danych testowych IEEE RTS
Tchórzewski J., Roman P., Żurawski T.
Wiadomości Elektrotechniczne
|
2014
|
R. 82, nr 2
17--23
PL
Przedstawiono wybrane wyniki badań projektowania rozwoju systemu elektroenergetycznego za pomocą sztucznych sieci neuronowych.
EN
The paper presents selected results of research on designing the power electric system development using artificial neural networks.
first rewind previous Strona / 3 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.