Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: MLP artificial neural network

Sortuj według:

Ogranicz wyniki do:

Neuro-fuzzy predictions of construction site completion dates

Anysz H., Ibadov N.

Technical Transactions

2017

Vol. 6(114)

51--58

The results from two types of multi-layer perceptron artificial neural networks (Matlab R2015a was used) were compared. The first one, with only one neuron in an output layer having the value of delay in completion date of building site. The output layer of the second artificial neural network is created by three neurons. These three values represent the same delay, but in a form of three values of membership functions to fuzzy sets. In order to evaluate the accuracy of predictions, the mean squared error was used. It was necessary to find the best method of defuzzyfication predicted delays to compare the results from these two, aforementioned artificial neural networks. The level of prediction accuracy measured by mean squared error was discussed, too.

W artykule porównano wyniki prognoz uzyskane wielowarstwowymi sztucznymi sieciami neuronowymi (obliczenia wykonano pakietem Matlab R2015a). Pierwsza z nich miała jeden neuron w warstwie wyjściowej, któremu przypisano wartość opóźnienia w terminie zakończenia danej budowy. Warstwę wyjściową drugiej sieci stanowiły trzy neurony, zawierające wartości funkcji przynależności tego samego opóźnienia do trzech zborów rozmytych. Do porównania dokładności prognoz uzyskanych z dwóch ww. sztucznych sieci neuronowych zastosowano średni błąd kwadratowy. Wymagało to znalezienia najlepszej metody defuzzyfikacji prognoz otrzymanych w postaci liczb rozmytych. Dokładność prognoz została porównana i przedyskutowana.

Prediction of the temperature field in a pebble-bed store of thermal energy with the use of the MLP artificial neural network

Majewski A., Boniecki P., Mueller W.

Journal of Research and Applications in Agricultural Engineering

2004

Vol. 49, nr 1

24-27

Storage of thermal energy with the use of a pebble-bed store is an unusually efficient and simple solution. The estimation of temperature inside the bed for demanded dimensions at the chosen working phase of running it (charge, storage, discharge) - is difficult and time-consuming process (the necessity of carrying out of natural experiment). The essential feature of artificial neural networks is a possibility of prediction. It permits to use them predicting the field of temperatures, reducing the time of experiment andfinancial expenses. So in the present work artificial neural network of the perceptron type (MLP -MultiLayer Perceptron) was used. On the basis of the taught perceptron a computer system was designed and produced enabling prediction o fthe temperature field.

Przechowywanie energii cieplnej za pomocą akumulatora kamiennego jest niezwykle ekonomicznym i prostym rozwiązaniem. Oszacowanie temperatury wewnątrz złoża dla żądanych wymiarów przy wybranej fazie pracy (ładowanie, przechowywanie, rozładowanie) -jest procesem niezwykle trudnym i czasochłonnym (konieczność przeprowadzenia doświadczenia naturalnego). Istotna cecha sztucznych sieci neuronowych jaką jest predykcja, pozwoliła je wykorzystać do przewidywania (prognozowania) pola temperatur, redukując tym samym czas doświadczenia i nakłady finansowe. W tym celu posłużono się sztuczną siecią neuronową typu perceptron (MLP - MultiLayer Perceptron). Na podstawie nauczonego perceptronu został zaprojektowany i wytworzony system komputerowy umożliwiający predykcję pola temperatur.