Wyniki wyszukiwania - BazTech

1

Sieci neuronowe jako narzędzie wyszukujące źródło pochodzenia benzyn silnikowych

Haduch B., Tadeusiewicz R.

Przemysł Chemiczny

|

2018

|

T. 97, nr 11

1843--1847

PL

Przedstawiono wyniki badań źródła pochodzenia benzyn silnikowych, których próbki pobrano w ramach Ogólnopolskiego Monitoringu Jakości Paliw Ciekłych. Badania oparte na oznaczaniu składu chemicznego benzyn metodą chromatograficzną GC-FID wspomagano sieciami neuronowymi.

EN

Four-hundred motor gasoline samples were taken off from Polish petrol stations, analyzed for chem. compn. by gas chromatog. and compared with ref. gasoline samples delivered by Polish, Slovak and Czech crude oil rafineries. Artificial intelligence method was used for checking the differences. Ten gasolines studied had an unclear origin.

2

Sieć liniowa SVM do wyznaczenia przemieszczeń pionowych

Mrówczyńska M.

Przegląd Geodezyjny

|

2014

|

R. 86, nr 3

14--17

PL

W artykule przedstawiono podstawowe zasady budowania i uczenia sieci neuronowych, zwane techniką wektorów podtrzymujących (ang. Support Vector Machine - SVM), wraz z perspektywą aplikacji tego rodzaju sieci. Sieci SVM znajdują zastosowanie głównie w rozwiązywaniu zadań klasyfikacji danych liniowo separowalnych i liniowo nieseparowalnych oraz zadań regresji. W podjętej pracy sieci SVM wykorzystano do klasyfikacji danych separowalnych liniowo, w celu sformułowania modelu przemieszczeń punktów reprezentujących monitorowany obiekt. Zagadnienie uczenia sieci wymaga implementacji programowania kwadratowego w poszukiwaniu punktu optymalnego funkcji Lagrange’a względem optymalizowanych parametrów. Estymowane parametry decydują o położeniu hiperpłaszczyzny maksymalizującej margines separacji obu klas.

EN

The article presents an approach for constructing and teaching networks called the SVM (Support Vector Machine) technique. The SVM network is used for classifying linearly separable and linearly inseparable data, and the problem of regression. In this paper the SVM technique is used for classifying linearly separable data in the form of vertical displacements of points in a measurement-control geodetic network set up on a building situated on expansive soil.

3

Wykorzystanie sieci neuronowych do klasyfikacji skał w utworach czerwonego spągowca

Gąsior I., Zalewska J.

Prace Instytutu Nafty i Gazu

|

2008

|

nr 150 wydanie konferencyjne

543--548

PL

W pracy przedstawiono zastosowanie sieci neuronowych do wydzielenia grup skał, które charakteryzowały się podobnymi parametrami opisującymi przestrzeń porową. Do analizy wykorzystano dane z próbek skał reprezentujących utwory czerwonego spągowca z otworów wiertniczych SW-4, -5 oraz Z-3. W celu klasyfikacji wykorzystano również analizę skupień. Następnie porównano rezultaty uzyskane różnymi metodami.

EN

The work presents application of neural networks for separation of rock groups that manifested similar parameters, describing pore space. Data from rock samples representing Rotliegend formations from SW-4, 5 and Z-3 boreholes were used for the analysis. Cluster analysis was used for classification purposes as well. Then results obtained with use of various methods were compared.

4

Symulacja przebiegu drgań fundamentu budynku wzbudzanych wstrząsami górniczymi z zastosowaniem SSN

Kuźniar K., Maciąg E.

Czasopismo Techniczne. Budownictwo

|

2007

|

R. 104, z. 2-B

83-90

PL

Głównym celem pracy jest określenie przebiegów przyspieszeń drgań fundamentu budynku na podstawie pomierzonych przyspieszeń drgań gruntu. Pomiary drgań na gruncie i fundamencie przeprowadzone in situ posłużyły jako wzorce w próbie zastosowania techniki neuronowej do tego celu. Dane doświadczalne wstępnie przetworzono, dokonując ich kompresji poprzez dekompozycję według składników głównych.

EN

The main goal of this paper is the simulation of building foundation vibrations on the basis of ground vibrations taken from measurements. Using the results from measurements in situ on the ground and on the foundation, the neural technique is applied. The experimental data were pre-processed (compressed) with the application of the Principal Component Analysis.

5

Liniowe sieci neuronowe a metody analizy regresji w aspekcie ich wykorzystania w inżynierii rolniczej

Boniecki P.

Inżynieria Rolnicza

|

2005

|

R. 9, nr 2

31--43

PL

Nieustanne dążenie badaczy do pełniejszego rozumienia i wyjaśnienia praw rządzących przyrodą spowodowało, że rosnącego znaczenia nabierają poszukiwania nowych metod badawczych, coraz efektywniej wspomagających procesy poznawcze. Należą do nich niewątpliwie uzupełniające modele symulacyjne, tworzone dedukcyjnie na zbiorach przesłanek, wynikających z aktualnego stanu wiedzy naukowej. Techniki eksperymentu wirtualnego, wspomagające proces badania złożonych systemów empirycznych, powinny znajdować zastosowanie praktyczne również w dyscyplinie naukowej, jaką jest inżynieria rolnicza. Dynamiczny rozwój technik informatycznych spowodował pojawienie się zupełnie nowych możliwości obliczeniowych, bazujących na wzorcach pochodzących bezpośrednio z obserwacji procesów naturalnych, a w szczególności pracy mózgu. Kluczową rolę spełniają tu metody sztucznych sieci neuronowych, stanowiące w wielu przypadkach modele ekwiwalentne (a często znacznie rozszerzające potencjalne widmo zastosowań) w stosunku do tradycyjnych metod statystycznych.

EN

Endless efforts made by researches in order to better understand and explain principles governing the nature, has caused that it is becoming of greater importance to seek new investigation methods, which play an increasingly more significant role in enhancing the cognitive processes. Such are, beyond all doubt, the supplementary simulation models, created by inference based on the sets of indications, resulting from the current status of knowledge. Virtual experimentation techniques, aiding the process of examining complex empirical systems, should be utilized practically, also in such domain as the agricultural engineering. Dynamic growth of IT techniques has brought completely new computing capacities, based on the examples originating directly from observation of natural processes, especially the function of brain. The methods of artificial neural networks, which often serve as equivalent models (and often considerably extending potential spectrum of applications) in relation to traditional statistical methods, play the key role here.