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

Znaleziono wyników: 4

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  generowanie danych
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Forward and inverse kinematics solution of a robotic manipulator using a multilayer feedforward neural network
Sharkawy Abdel-Nasser
Journal of Mechanical and Energy Engineering
|
2022
|
Vol. 6, No 2
1--17
EN
In this paper, a multilayer feedforward neural network (MLFFNN) is proposed for solving the problem of the forward and inverse kinematics of a robotic manipulator. For the forward kinematics solution, two cases are presented. The first case is that one MLFFNN is designed and trained to find solely the position of the robot end-effector. In the second case, another MLFFNN is designed and trained to find both the position and the orientation of the robot end-effector. Both MLFFNNs are designed considering the joints’ positions as the inputs. For the inverse kinematics solution, a MLFFNN is designed and trained to find the joints’ positions considering the position and the orientation of the robot end-effector as the inputs. For training any of the proposed MLFFNNs, data is generated in MATLAB using two different cases. The first case is that data is generated assuming an incremental motion of the robot’s joints, whereas the second case is that data is obtained with a real robot considering a sinusoidal joint motion. The MLFFNN training is executed using the Levenberg-Marquardt algorithm. This method is designed to be used and generalized to any DOF manipulator, particularly more complex robots such as 6-DOF and 7-DOF robots. However, for simplicity, this is applied in this paper using a 2-DOF planar robot. The results show that the approximation error between the desired output and the estimated one by the MLFFNN is very low and it is approximately equal to zero. In other words, the MLFFNN is efficient enough to solve the problem of the forward and inverse kinematics, regardless of the joint motion type.
2
Generating training data for SART-2 Keystroke Analysis Module
Kołakowska A.
Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne
|
2010
|
T. 18
91-96
EN
The keystroke dynamics analysis is one of the biometric techniques which takes into account behavioral features. The difficulty with the keystroke dynamics information is its poor stability. This article briefly presents a solution used to collect training data and extract features for a user authentication system based on the keystroke dynamics. Then a few approaches which might be applied to authenticate users basing on the keystroke rhythm are presented. These approaches are going to be tested in order to choose an efficient method to be applied as a part of a biometric security system for mobile workstations, which is being created within the framework of the SART-2 project.
PL
Analiza dynamiki pisania na klawiaturze jest jedną z technik biometrycznych, które uwzględniają cechy behawioralne. Trudność związana z informacją na temat dynamiki pisania na klawiaturze polega na tym, że są to dane bardzo niestabilne. Artykuł prezentuje krótko rozwiązanie wykorzystane w celu zbierania danych uczących oraz ekstrakcji cech dla systemu autentykacji użytkownika na podstawie sposobu korzystania z klawiatury. Następnie przedstawia kilka podejść, które mogą być zastosowane do weryfikacji tożsamości użytkownika na podstawie rytmu pisania na klawiaturze. Podejścia te będą testowane na danych zebranych za pomocą przygotowanej aplikacji w celu wyboru efektywnej metody, którą będzie można zastosować jako część biometrycznego systemu zabezpieczeń dla mobilnych stacji roboczych powstającego w ramach projektu SART-2.
3
Algorytm generowania danych dla sterowania ESP
Cyklis J., Krupa K.
Zeszyty Naukowe. Automatyka / Politechnika Śląska
|
2000
|
z. 130
11-19
PL
W artykule przedstawiono problem algorytmicznego generowania danych dla sterowania ESP. Informacje wejściowe stanowią zlecenia produkcyjne (dane o procesach technologicznych) oraz informacje o obiektach systemu. Dane wyjściowe, wymagane przez moduł sterujący (m.in. czynności elementarne potrzebne do wykonania zlecenia), zapisane są w odpowiednich tabelach relacyjnej bazy danych.
EN
In the paper the algorithmic way of generating program for FMS control is presented. The input data consist of information concerning production order (on the base of technological process and demanded batch sizes) and information about existing objects in the system (machine tools, robots, pallets, etc.). These data are generated in the presented algorithm and stored in relational data base.
4
Content available remote Komputerowa symulacja hartowania
Bartocha D., Jura S.
Krzepnięcie Metali i Stopów
|
2000
|
R. 2, nr 42
111--116
PL
W pracy przedstawiono metodę generowania danych niezbędnych do przeprowadzenia komputerowej symulacji pola twardości w hartowanych odlewach. Przeprowadzono także analizę wyników symulacji pola twardości, w oparciu o wygenerowane dane, na przykładzie hartowanych kół jezdnych suwnic.
EN
In work one represented method of generating given indispensable to removals computer simulation of hardness field in tempered castings. One passed also analysis of results of simulation of hardness field, basing on generated given, on example tempered crane wheel.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.