Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: gradient methods of optimalization

Sortuj według:

Ogranicz wyniki do:

Próba budowy modelu geologicznego pradoliny głogowsko-barudzkiej w okolicy Nowej Soli z wykorzystaniem sztucznych sieci neuronowych

Kraiński A., Mrówczyńska M.

Zeszyty Naukowe. Inżynieria Środowiska / Uniwersytet Zielonogórski

2010

nr 139 (19)

47-66

W artykule podjęto próbę wyznaczenia przebiegu warstw geologicznych dla fragmentu obszaru pradoliny głogowsko - barudzkiej, wykorzystując w tym celu sieci neuronowe jednokierunkowe wielowarstwowe typu sigmoidalnego uczone metodą propagacji wstecznej błędu, która bazuje na znanych z teorii optymalizacji metodach gradientowych. Wyznaczenie przebiegu poszczególnych warstw zostało wykonane na podstawie współrzędnych (x,y) oraz danych w postaci wysokości stropu, głębokości spągu oraz miąższości warstw uzyskanych na podstawie badań terenowych.

This article attempts to determine the course of geological strata for a great-valley area Głogów, using the multilayer neural network the sigmoidal type training by back propagation method, which is based on the known theory of gradient optimization methods. Determination of the experience of individual layers was made on the basis of the coordinates (x,y), and data in the form of ceiling height, depth and thickness of floor obtained from field studies.

Estymacja błędów modelu powierzchni opisanych funkcjami kształtu za pomocą sieci neuronowych

Mrówczyńska M.

Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum

2007

Vol. 6, nr 1

15-23

W artykule przedstawiono zagadnienie estymacji błędów modeli powierzchni określonej na dyskretnym zbiorze punktów o danych wartościach współrzędnych przestrzennych (x,y,z). Przyjęto, że obiekt opisują funkcje kształtu w postaci płaszczyzny, paraboloidy eliptycznej oraz paraboloidy hiperbolicznej. Realizacja numeryczna zadania polegała na wyznaczeniu błędów modeli określonych za pomocą sieci neuronowych oraz na podstawie rozwiązania zadań wyrównawczych. Modelowanie za pomocą sieci neuronowych zrealizowano za pomocą sieci jednokierunkowych wielowarstwowych z zastosowaniem gradientowych metod optymalizacji oraz algorytmu Resilientback Propagation (RPROP). Wyniki porównano z wynikami aproksymacji wielomianem drugiego i trzeciego stopnia, funkcją sklejaną oraz metodą kriging.

The article deals with the issue of estimation of the area models errors determined on the basis of a discrete points set with the given values of space coordinates (x, y, z). The object was assumed to be described by shape functions in the form of the elliptic paraboloid and the hyperbolic paraboloid. The digital task accomplishment consisted in the statistic verification of errors of the models determined by neural networks and by the accomplishment of adjustment tasks. Modeling by the means of neural networks was carried out by the unidirectional multilayer networks with the application of gradient methods of optimalization and by Resilientback Propagation algorithm (RPROP). The obtained results were compared with the following results of approximation of the second and the third degree of polynomial, the b-spline function and the kriging's method.