Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Poznan University of Technology Academic Journals. Electrical Engineering
1 Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
1 Scientific Papers of The Institute of Electrical Machines, Drives and Measurements of the Wrocław University of Science and Technology Series: Studies and Research

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Extreme Learning Machine

Sortuj według:

Ogranicz wyniki do:

Prognozowanie zawartości PM2,5 w powietrzu atmosferycznym przy użyciu sieci ELM

Siwek K., Baranowski M., Grzywacz T.

Poznan University of Technology Academic Journals. Electrical Engineering

2018

No. 96

307--318

Artykuł przedstawia nowe podejście do predykcji zawartości pyłów zawieszonych w powietrzu atmosferycznym wykorzystujące sieć neuronową typu ELM (Extreme Learning Machine). Predykcja ta dotyczy obliczenia średniego poziomu zanieczyszczenia powietrza pyłem PM2,5 na warszawskim Ursynowie z jednodniowym wyprzedzeniem. Do zrozumienia wagi problemu zawarto zwięzły opis zagrożeń, jakie niesie za sobą zanieczyszczenie powietrza drobnym pyłem zawieszonym PM2,5. W pracy przedstawiono krótki opis sieci ELM oraz zaprezentowano uzyskane wyniki prognozy. Przeprowadzono analizę uzyskanych wyników. Omówiono zasadność prognozowania oraz wskazano możliwe środki zapobiegawcze i ochronne.

The article presents a new approach to atmospheric dust prediction using an ELM (Extreme Learning Machine) neural network. This prediction concerns the calculation of the average level of PM2,5 air pollution in Warsaw's Ursynów one day ahead. To understand the significance of the problem, a brief description of the hazards posed by PM2,5 air pollution is included. The work presents a short description of the ELM network and presents the obtained forecast results. The analysis of the obtained results was carried out. The validity of forecasting was discussed and possible preventive and protective measures were indicated.

Ocena efektywności techniki Extreme Learning Machine (ELM) do modelowania dwuwymiarowych nieliniowości w układach napędowych

Jastrzębski M., Kabziński J., Wasiak G., Zawiślak R.

Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały

2015

Vol. 71, nr 35

83--94

Celem artykułu jest ocena przydatności techniki Extreme Learning Machine (ELM) do modelowania dwuwymiarowych nieliniowości występujących w układach napędowych. Jako przykład typowej nieliniowości wybrana została funkcja opisująca sumaryczną siłę oporów w napędzie liniowym. Do stworzenia neuronowego modelu oporu użyta została klasyczna technika ELM. Autorzy ocenili efekty zastosowania tej techniki i zaproponowali modyfikację modelu pozwalającą na zmniejszenie błędów modelowania. Przeprowadzone testy symulacyjne i eksperymenty pozwoliły autorom na sformułowanie ogólnych wniosków dotyczących możliwości stosowania techniki ELM do modelowania nieliniowych, dwuwymiarowych zależności na podstawie zaszumionych danych uzyskanych eksperymentalnie.

The aim of this article is to discuss suitability of extreme learning machine (ELM) approach for modeling multisource 2D friction for motion control purposes. The article describes a method of obtaining data used to modulate the resistance forces, taking into account specific to the case and machine external conditions. The features of multisource friction in mechatronic systems are defined, the main aspects of friction modeling by a Standard ELM are investigated and some modifications are proposed to make it more suitable for specific demands of the discussed task. This allows to formulate some general remarks concerning properties of ELM for function approximation.