Wyniki wyszukiwania - BazTech

1

Metody określania niepewności prognoz krótkoterminowego obciążenia sieci dla modeli neuronowych i neuronowo-rozmytych

Bartkiewicz W.

Rynek Energii

|

2011

|

nr 1

41-46

PL

Artykuł dotyczy problematyki określania niepewności prognoz zapotrzebowania energii, dla powszechnie stosowanych modeli prognostycznych opartych na warstwowych sieciach perceptronowych (MLP) i neuronowo-rozmytych sieciach z funkcjami o bazie rozmytej (FBF). Przedstawiono w nim zagadnienia związane z łączeniem prognoz z procesami decyzyjnymi, które są przez nie zasilane. Omówione zostało zagadnienie wyznaczania przedziałów prognozy zapotrzebowania oraz określania optymalnej wielkości zamówienia w warunkach ryzyka, wynikającego z błędu prognozy. Następnie przedstawiono dwa podstawowe podejścia do szacowania niepewności nieliniowych modeli prognostycznych.

EN

The paper discuss the problem of uncertainty assessment of short-term load forecasts for commonly used neural MLP networks and neuro-fuzzy FBF models. The point of our interest is connection between forecasts and decision processes. There are several exemplary topics from this area discussed, like prediction intervals estimation, or optimization of the market order size under risk resulted from the forecasting error. Then we analyzed two basic approaches to forecast uncertainty (variance) assessment for nonlinear models.

2

Different Approaches to Model Relationship Between EMG Signals and Force Moments in Human Skeletal Muscle. Analysis for Diagnosis of Neuronmuscular Disorders

Brzostowski K., Świątek J.

Fundamenta Informaticae

|

2009

|

Vol. 96, nr 4

465-475

EN

In the paper five different models have been examined in order to test their ability to describe relationship between EMG and force moment generated by moving upper or lower limb. In system analysis point of view it can be utilised for diagnostic purpose i.e. conversing subjective methods using by physician to new one based on objective measured data.

3

Emotional learning based intelligent speed and position control applied to neurofuzzy model of switched reluctance motor

Rouhani H., Sadeghzadeh A., Lucas C., Araabi B. N.

Control and Cybernetics

|

2007

|

Vol. 36, no 1

75-95

EN

In this paper, rotor speed and position of a Switched Reluctance Motor (SRM) are controlled using an intelligent control algorithm. The controller is working based on a PID signal while its gain is permanently tuned by means of an Emotional Learning Algorithm to achieve a better control performance. Here, nonlinear characteristic of SRM is identified using an efficient training algorithm (LoLiMoT) for Locally Linear Neurofuzzy Model as an unspecified nonlinear plant model. Then, the Brain Emotional Learning Based Intelligent Controller (BELBIC) is applied to the obtained model. While the intelligent controller works based on a computational model of a limbic system in the mammalian brain, its contribution is to improve the performance of a classic controller like PID without much more control effort. The results demonstrate excellent improvements of control action in different working situations.

4

Propozycja rozmyto-neuronowego modelu symulacyjnego serwera WWW

Zatwarnicki K.

Zeszyty Naukowe. Informatyka / Politechnika Opolska

|

2005

|

Vol. 302, z. 2

205-217

PL

W artykule zostały opisane sposoby tworzenia modeli symulacyjnych serwerów webowych. Na wstępie zaprezentowane zostały modele kolejkowe powszechnie znane i bardzo często stosowane we wstępnej fazie badań konkretnych technicznych rozwiązań. Dalej przedstawione zostało nowatorskie podejście do opisywanego zagadnienia - modele rozmyto-neuronowe, dzięki którym możliwe jest zautomatyzowanie procesu tworzenia modeli symulacyjnych. W rozdziale czwartym zostały zaprezentowane wyniki badań porównawczych obu modeli, można z nich wnioskować, że modele rozmyto-neuronowe są dokładne i mogą być stosowane w badaniach symulacyjnych.

EN

This paper presents the ways of designing simulation models of web servers. At the beginning Queuing Network models are introduced, those models are generally known and often used in the initial phase of research on particular technical solutions. Next, an entirely new approach to the issue discussed is presented - neuro-fuzzy models, thanks to which it is possible to automate the process of designing simulation models. In Section 4 results of comparative tests of these two models are presented. Based on these results it can be concluded that neuro-fuzzy models are accurate and can be used in simulation research.