Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Simulated Annealing

Sortuj według:

Ogranicz wyniki do:

An Integration of Neural Network and Shuffled Frog-Leaping Algorithm for CNC Machining Monitoring

Goli Alireza, Tirkolaee Erfan Babaee, Weber Gerhard-Wilhelm

Foundations of Computing and Decision Sciences

2021

Vol. 46, No. 1

28--42

This paper addresses Acoustic Emission (AE) from Computer Numerical Control (CNC) machining operations. Experimental measurements are performed on the CNC lathe sensors to provide the power consumption data. To this end, a hybrid methodology based on the integration of an Artificial Neural Network (ANN) and a Shuffled Frog-Leaping Algorithm (SFLA) is applied to the data resulting from these measurements for data fusion from the sensors which is called SFLA-ANN. The initial weights of ANN are selected using SFLA. The goal is to assess the potency of the signal periodic component among these sensors. The efficiency of the proposed SFLA-ANN method is analyzed compared to hybrid methodologies of Simulated Annealing (SA) algorithm and ANN (SA-ANN) and Genetic Algorithm (GA) and ANN (GA-ANN).

Dynamics of Stochastic vs. Greedy Heuristics in Traveling Salesman Problem

Białogłowski M., Staniaszek M., Laskowski W., Grudniak M.

Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki

2018

nr 19

7--24

We studied the relative performance of stochastic heuristics in order to establish the relations between the fundamental elements of their mechanisms. The insights on their dynamics, abstracted from the implementation details, may contribute to the development of an efficient framework for design of new probabilistic methods. For that, we applied four general optimization heuristics with varying number of hyperparameters to traveling salesman problem. A problem-specific greedy approach (Nearest Neighbor) served as a reference for the results of: Monte Carlo, Simulated Annealing, Genetic Algorithm, and Particle Swarm Optimization. The more robust heuristics – with higher configuration potential, i.e. with more hyperparameters – outperformed the smart ones, being surpassed only by the method specifically designed for the task.

Zastosowanie metody geostatycznej analizy danych dla potrzeb symulacji modeli złóż węglowodorów

Kwilosz T., Pańko A., Szott W.

Prace Instytutu Górnictwa Naftowego i Gazownictwa

2003

nr 126

35-35

Problem znajdywania rozkładów parametrów złożowych na podstawie danych pomiarowych pochodzących zasadniczo jedynie z badań w odwiertach stanowi kluczowe zagadnienie w modelowaniu złóż naftowych. W niniejszej pracy przedstawiono zastosowanie metod geostatystycznych do analizy i generowania takich rozkładów dla potrzeb symulacyjnych modeli złóż. Praca zawiera teoretyczny opis i przykłady praktycznego wykorzystania kompletnych procedur tej metody obejmujących: wstępną analizę statystyczną uwzględniającą ogólne statystyczne charakterystyki danych pomiarowych; analizy wariograficzne określające korelacje przestrzenne tych danych oraz generację rozkładów przestrzennych z wykorzystaniem pełnej informacji geostatystycznej przy pomocy dwu niezależnych metod: krigingu i tzw. symulacji warunkowej. W przypadku metody symulacji warunkowej zastosowano bardzo efektywną technikę Simulated Annealing zaimplementowaną podobnie jak pozostałe narzędzia do analizy w autorskich programach komputerowych. Pozytywnie zweryfikowano skuteczność przedstawionych metod geostatystycznych na praktycznych przykładach złóż.

The problem to determine the spatial distribution of basic reservoir parameters from the measurements basically limited to well locations belongs to the most significant aspects of hydrocarbon reservoir modelling. In this paper we present a geostatistical method applied to analyse and generate such distributions for the purposes of reservoir simulations. The paper includes a theoretical description and practical examples of complete procedures to implement such a method consisting of: introductory statistical data analysis to determine general statistical features of the measured data sets; variografic analysis to determine spatial correlation of the data; generation of parameter spatial distributions using the complete geostatistical information to apply two distinct methods: kriging and so called conditional simulation. In the scheme of the conditional simulation method a Simulated Annealing technique was implemented and found to be very effective. All the programming tools used in the process were coded, tested, and successfully employed by the authors. The operational advantages of the methods presented in the paper were positively verified on practical reservoir examples.