Wyniki wyszukiwania - BazTech

1

Calibration of artificial neural network for simultaneous spectrometric determination of vanillin, ethyl vanillin, maltol and ethyl maltol in food

Aktas H., Aydogdu S.

Chemia Analityczna

|

2009

|

Vol. 54, No. 4

795-805

EN

Artificial neural network (ANN) trained by back-propagation learning was applied to process spectrometric data for mixed maltol, ethyl maltol, vanillin and ethyl vanillin. By optimizing the network structure the accuracy was enhanced. The ANN-based method was used for the simultaneous determination of mixed maltol, ethyl maltol, vanillin and ethyl vanillin in commercial products with satisfactory results. It may also provide a new approach to spectrophotometric determination of these compounds in synthetic food without any preliminary chemical separation. The aim of this work was to apply the ANN-based methods to resolve the UV spectra of maltol, ethyl maltol, vanillin, and ethyl vanillin present as a mixture in commercial products. The proposed methods are fast, easy to apply, inexpensive, and suitable for the analysis of colorants in commercial products. Moreover, they are , sensitive and selective.

PL

Zastosowano metodę sztucznej sieci neuronowej z nadzorowanym treningiem do opracowania danych spektrometrycznych uzyskanych dla mieszaniny maltolu, etylomaltolu, waniliny i etylowaniliny. Zoptymalizowanie struktury sieci pozwoliło na porpawienie dokładności. Metodę z użyciem sieci neuronowych z powodzeniem zastosowano do jednoczesnego oznaczenia maltolu, etylomaltolu, waniliny i etylowaniliny w produktach handlowych. Stwarza ona również możliwość nowego podejścia do spektrofotometrycznego oznaczania powyższych związków w syntetycznej żywności bez wstępnego rozdzielania. Zaproponowana metoda jest szybka, łatwa do zastosowania, niedroga i nadająca się do analizy środków zapachowych w produktach handlowych. Dodatkowo jest czuła i selektywna. . ,

2

Statistical analyses of gases dissolved in oil insulation of power apparatus

Karpiński J.

Zeszyty Naukowe. Elektryka / Politechnika Łódzka

|

2007

|

z. 111

47-53

EN

In the paper various methods to interpret conditon of oil-paper insulation using classical statistics and artificial intelligence have been presented. Basing on samples of gases dissolved in oil insulation collected from a given transformer statistical methods have been developed.The results have been based on samples of gases collected from the biggest power plant in Poland. At the end of the paper the results of classical statistics and artificial neural method have been compared.

PL

W pracy przedstawione są różne metody interpretacji stanu izolacji na podstawie analizy stężeń gazów rozpuszczonych w oleju przy użyciu klasycznych metod statystycznych jak i metod z dziedziny sztucznej inteligencji (metoda sztucznych sieci neuronowych, metoda logiki rozmytej). Szczególnie zostały rozwinięte metody statystyczne w połączeniu z metodami klasycznymi analizy stężeń gazów rozpuszczonych w oleju. Główne tezy pracy doktorskiej: 1. Statystyczna analiza wszystkich, uzyskanych dla danego transformatora od początku jego pracy, danych pomiarowych dotyczących ilości gazów rozpuszczonych w oleju, będzie źródłem dodatkowych informacji pozwalających uprawdopodobnić diagnozę. Analiza wszystkich wyników powinna dotyczyć wartości bieżących, przyrostów i ilorazów. 2. Metody statystyki klasycznej mogą dać wyniki bardziej użyteczne i wiarygodne niż metoda sztucznych sieci neuronowych. Wyniki wszystkich analiz były oparte o próbki zgromadzone z jednego z największych przedsiębiorstw energetycznych w Polsce.

3

Zastosowanie symulacji neuronowych oraz nowoczesnych metod geostatystyki w cyfrowej parametryzacji złóż ropy i gazu

Darłak B., Malaga M., Włodarczyk M.

Prace Instytutu Nafty i Gazu

|

2006

|

nr 135

54-54

PL

Wykonano symulacje rozkładu porowatości efektywnej i miąższości dla złoża Różańsko wykorzystując metody geostatystyczne oraz metodę sztucznych sieci neuronowych. Zastosowano metodę regresji wielokrotnej do estymacji parametrów złożowych (porowatości i miąższości) oraz do stworzenia ich przestrzennych rozkładów, wygenerowanych na podstawie interpretacji wyników pomiarowych sejsmiki 3D, wykonanych na obszarze badanego obiektu. Z drugiej strony zastosowano do obliczeń sieć neuronową typu perceptron wielowarstwowy z algorytmem genetycznym. Stworzono mapy rozkładów symulowanych parametrów i porównano otrzymane wyniki. Stwierdzono, że obie metody dają poprawne wyniki, przy czym metoda sztucznych sieci neuronowych (ANN), będąc metodą szybszą i mniej pracochłonną stawia większe wymagania bazie danych, ze względu na tendencje do wygładzania symulowanych wyników.

EN

Numerical models of Różańsko reservoir were performed using geostatistical and artificial neural network (ANN) methods. The multiple regression method were applied as well for estimations of reservoir parameters extracted from well-log functions as for creation of space distribution of reservoir parameters depending on distributions of appropriate seismic attributes generated on the base of 3-D image of the investigated object. From the other side artificial neural network (ANN) with genetic algorithm were applied. Sketches of porosity and thickness distribution were obtained as a final result. It was showed that both methods give similar results.