Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: jednokierunkowe sieci neuronowe

Sortuj według:

Ogranicz wyniki do:

Parametric fault detection in analog circuits containing MOS transistors

Kuczyński A.

Przegląd Elektrotechniczny

2011

R. 87, nr 5

84-87

W pracy przedstawiono metodę wykrywania uszkodzeń parametrycznych w układach analogowych zawierających tranzystory MOS. W zastosowanym algorytmie informacje o właściwościach układu są zakodowane w przebiegu prądu źródła, zasilającego obwód w stanie nieustalonym. Sygnał testowy jest filtrowany, by uwypuklić właściwości układu. Aby zachować istotę informacji o układzie, jako wektory uczące sieć neuronową zastosowano współczynniki wielomianów aproksymujących wybrany składnik sygnału testowego. Działanie algorytmu zilustrowano na praktycznym przykładzie.

In this paper, algorithm for parametric fault diagnosis of nonlinear, analog circuits containing MOS is presented. This method applies power supply current waveform IDD as an indicator of a device feature. Test signal is filtered using a discrete wavelet transform filter bank to obtain signal sensitive to changes of device parameters. Coefficients of the polynomial approximating the component are calculated and used to formulate a learning vector of a feedforward neural network. Thus, it is possible to achieve data compression without the considerable loss of information about the tested device. An illustrative numerical example is presented.

Neural Model of the Spinning Process for Predicting Selected Properties of Flax/Cotton Yarn Blends

Jackowska-Strumiłło L., Jackowski T, Cyniak D., Czekalski J.

Fibres & Textiles in Eastern Europe

2004

Vol. 12, no. 4 (48)

17--21

This article describes the design of a yarn spinning model based on the use of artificial neural networks, as well as the measurements aimed at collecting the data necessary for this model. Partial models of the spinning process were designed for selected essential yarn quality parameters, such as tenacity, yarn hairiness, and yarn faults. Feed-forward neural networks were used for modelling. Yarns manufactured from flax/cotton blended slivers and from a pure cotton sliver with the use of a BD 200S rotor-spinning machine were analysed. The flax content in the blended slivers was 10, 20, 30, 40, and 50 %. Yarns of linear density of 20, 30, 40, 50, and 60 tex were manufactured from a sliver of linear density of 3 ktex.

Analizowano przędze wykonane na przędzarce rotorowej BD 200S z taśm mieszankowych len/bawelna oraz z taśmy bawełnianej. W taśmach mieszankowych udział lnu wynosił: 10, 20, 30, 40 i 50%. Z taśm o masie liniowej 3 ktex wykonano przędze o masach liniowych: 20, 30, 40, 50 i 60 tex. Dla wybranych, istotnych parametrów jakościowych przędz, takich jak: wytrzymałość właściwa, włochatość przędzy oraz błędy przędzy, zbudowano modele cząstkowe procesu przędzenia. Do modelowania wykorzystano jednokierunkowe sztuczne sieci neuronowe.