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

Znaleziono wyników: 7

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available LMI based stability criterion for uncertain neutral-type neural networks with discrete and distributed delays
Baskar P., Padmanabhan S., Syed Ali M.
Control and Cybernetics
|
2020
|
Vol. 49, No. 1
77--97
EN
This paper studies the problem of robust stability analysis for uncertain neutral-type neural networks with discrete and distributed delays. By constructing an appropriate Lyapunov- Krasovskii functional, new delay-dependent criteria are obtained. We utilized the free-weighting matrices approach and bounding lemmas to estimate the derivative of the Lyapunov-Krasovskii functional. The stability criterion are established in terms of linear matrix inequalities (LMIs). Finally, a numerical example is presented to illustrate the effectiveness of the proposed method.
2
Content available remote Algorytmy sztucznej inteligencji w logistyce
Jóźwiak A., Świderski A.
Prace Naukowe Politechniki Warszawskiej. Transport
|
2017
|
z. 117
97--108
PL
W artykule przedstawiono zastosowanie sztucznej inteligencji w logistyce. Jako przykład, omówiono neuronowe modelowanie oceny usług transportowych i wieloaspektowość tego zagadnienia. Zaproponowano metodę oceny wykorzystującą sztuczne sieci neuronowe w oparciu o perceptron wielowarstwowy jednokierunkowy wykorzystujący algorytm wstecznej propagacji błędu. Podstawę weryfikacji metody stanowiły badania eksperymentalne przeprowadzone w firmie produkcyjnej branży spożywczej. Uzyskane wyniki na poziomie 95-99% prawdopodobieństwa potwierdziły przydatność sieci neuronowych do oceny usług transportowych. Odniesiono się również do innych obszarów zastosowań sztucznej inteligencji w logistyce.
EN
The article presents artificial intelligence algorithms in logistics. As an example, the neuronal modeling of the rating of transport services have been described. Evaluation method neural networks using multilayer perceptron extract backpropagation algorithm has been proffered. The basis for the verification of the method was experimental research carried out in the production company in food industry. Results of 95-99% probability confirmed the usefulness of neural networks to rating transport services. Other areas of application of artificial intelligence in logistics were also referred to.
3
Content available remote Sztuczne sieci neuronowe jako narzędzie do modelowania zagadnień związanych z inżynierią środowiska - stan wiedzy
Kabsch-Korbutowicz M., Kutyłowska M.
Gaz, Woda i Technika Sanitarna
|
2012
|
Nr 5
228-232
PL
W pracy ukazano możliwość zastosowania sztucznych sieci neuronowych (SSN) jako alternatywy dla typowych modeli matematycznych. Jest to narzędzie za pomocą, którego można w szybki oraz dokładny sposób przewidzieć i zaprognozować wiele zmiennych parametrów. Cechy sieci neuronowych sprawiają, że możliwa jest analiza zjawisk charakteryzujących się nieliniowością oraz aproksymacja funkcji wielu zmiennych. Przedstawiono przykłady zastosowania SSN do modelowania wybranych zjawisk i procesów w inżynierii środowiska.
EN
In this paper the possibilities of using artifical neural networks (ANN) as an alternative to conventional methematical models are displayed. It is a tool which can be a quick and accurate way to predict and forecast the number of variables. Features of neural networks (make) it possible to analyze the phenomena that characterize the nonlinearity and approximation of functions of several variables. Examples of application of ANN for modeling of selected phenomena and processes in environmental engineering are presented.
4
Content available remote Wykorzystanie zmian w charakterystykach dynamicznych do lokalizacji obciążenia wywołującego uplastycznienie belki
Miller B., Ziemiański L.
Czasopismo Techniczne. Budownictwo
|
2010
|
R. 107, z. 3-B
143-151
PL
W artykule przedstawiono lokalizację obciążenia wywołującego uplastycznienie w konstrukcji belkowej na podstawie zmian charakterystyk dynamicznych. Porównując charakterystyki dynamiczne konstrukcji wyjściowej z pomierzonymi na konstrukcji obciążonej dodatkowym, znanym obciążeniem kontrolnym, otrzymano informacje pozwalające zlokalizować obciążenie.
EN
The paper presents the localization of the load casing yielding in a beam structure on the basis of changes of dynamic parameters. The comparison of dynamic characteristics of investigated structure and the structure loaded with an additional, known load gives the information necessary to the identification of the load casing yielding.
5
Content available remote Multiobjective optimization of a fuzzy PID controller
Soukkou A., Khellaf A. H., Leulmi S.
Archives of Control Sciences
|
2006
|
Vol. 16, no. 4
445-461
EN
A fuzzy logic controller with multilayer neutral network whose synaptic weights represent the fuzzy knowledge base and its application to the highly nonlinear systems is presented in this work. The scaling factors of the input variables, membership functions and the rule sets are optimized by the use of the multiobjective genetic algorithms. The fuzzy network structure is specified by a combination of the mixed Takagi-Sugeno's and Mamdani's fuzzy reasoning. The mixed, Binary-Real-Integer, optimal coding is utilized to construct the chromosomes, which define the same of necessary prevai;ling parameters for the conception of the desired controller. This new controller stands out by a non-standard gain, which varies lineary with the fazzy inputs. Under certain conditions, it becomes similar to the conventional PID controller with non-linearly variable coefficients. Computer simulation indicates that the designed fuzzy controller is satisfactory in control of a nonlinear system "Inverted Pendulum".
6
Content available remote Wykorzystanie różnych typów sieci neuronowych do oceny właściwości petrofizycznych skał
Darłak B., Włodarczyk M.
Prace Instytutu Nafty i Gazu
|
2004
|
nr 130
119--122
PL
Celem pracy było znalezienie skutecznej metody pozwalającej poszerzyć bazę danych przez uzupełnienie profli petrofizycznych do dalszej analizy pod kątem właściwości zbiornikowych, wykorzystując technikę sieci neuronowych. Jako baza do obliczeń posłużyły dane laboratoryjne i wyniki otworowe. Podstawowym zadaniem było wyszukanie najkorzystniejszych do danego zagadnienia algorytmów uczenia i doboru z wielu przetestowanych sieci, takiej, która najskuteczniej pozwoli zminimalizować czas obliczeń, uprościć procedury uczące i otrzymać najbardziej wiarygodne wyniki. Znalezienie optymalnej metody obliczeniowej pozwoliło na odtworzenie brakujących parametrów petrofizycznych i poszerzenie bazy danych. Skuteczność metod kontrolowana była poprzez zastosowanie podstawowej metody korelacyjnej.
EN
The main goal of this work was to find an effective method to make the database wider. It was possible to complete data logs by using the new neural network methods. Using the petrophysical parameters as a base to neural simulations there were find and applied six types of neural network. Two of them — the most efficient nets - were applied to reconstruct petrophysical profiles. These methods gave good results verified by basic common correlation methods and there are very useful in cases of small amount of data.
7
Content available remote Backpropagation versus dynamic programming approach
Krawczak M.
Bulletin of the Polish Academy of Sciences. Technical Sciences
|
2000
|
Vol. 48, nr 2
167-180
EN
Feedforward neural networks are usually used for functions approximation [1]. This feature of such a class of networks is explained in the paper by Cybenko [2]. In literature we can find many different application of neural networks as universal approximators [3], [4]. It seems that one of the most interesting application (not trivial at all example) of neural networks is the reconstruction of attractors of chaotic time series. The analysis of time series is mainly based on the embedding theorem by Takens, [5]. The commonly used algorithm for neural networks learning, called the backpropagation algorithm [6], is a gradient descent method for searching a minimum of a function. This kind of algorithm for nonconvex function (like the learning error function of feedforward neural networks) often stops in a local minimum. Even various modifications of this algorithm [9] still cannot avoid local minimal points. Up to now, in practice, the only way to try to find a near global optimum solution is to perform computations several times with different starting initial weights values and to choose the best solution. In this work we propose a new global optimization algorithm for neural networks learning - one that allows to find a global minimum of the learning error, at least theoretically. The algorithm is based on dynamic programming [10], [11], namely the learning of multilayer neural networks is considered as a special case of a multistage optimal control problem [12]. In such a case layers ale treated as stages while weights as controls. The problem of optimal weight adjustment is converted into a problem of optimal control. The multistage optimal control problem can be solved in various ways, as, e.g., by the application of dynamic programming [13]. Within the backpropagation framework, weights ale tuned layer-by-layer as well as step-by-step to minimize the learning error. Meanwhile, in the new algorithm for each layer starting from the output layer, a return function is connstructed first, and then this function is minimized wit h respect to weights. This procedure is performed stage-by-stage, that is layer-by-layer.
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.