Wyniki wyszukiwania - BazTech

1

Przewidywanie struktury drugorzędowej białek metodą słownikową

Fabian P., Stąpor K.

Studia Informatica

|

2014

|

Vol. 35, nr 1

57--68

EN

This paper describes a method of predicting the secondary structure of proteins, based on dictionaries of subsequences. These subsequences are derived from records available in the PDB database. Depending on the construction of the learning set, accuracies of up to 79% have been achieved. Dictionaries use hashing functions, which make them fast and capable of storing large sets of substrings.

PL

W artykule opisano sposób przewidywania struktury drugorzędowej białek, oparty na słownikach podciągów. Sekwencje te są pobierane z danych dostępnych w bazie danych PDB. W zależności od konstrukcji zestawu uczącego, osiągnięto dokładność do 79%. Do szybkiego dostępu do słowników zawierających dużą liczbę podciągów zastosowano funkcje mieszające.

2

Examples of new models applied in selected simulation systems with respect to database

Ignaszak Z., Hajkowski J., Popielarski P.

Archives of Foundry Engineering

|

2013

|

Vol. 13, iss. 1

45--50

EN

The tolerance of damage rule progressively meets the approval in the design casting parts procedures. Therefore, there were appeared the new challenges and expectations for permanent development of process virtualization in the mechanical engineering industry. Virtualization is increasingly developed on the stage of product design and materials technologies optimization. Increasing expectations of design and process engineers regarding the practical effectiveness of applied simulation systems with new proposed up-grades modules is observed. The purpose is to obtain simulation tools allowing the most possible realistic prognosis of the casting structure, including indication, with the highest possible probability, places in the casting that are endangered with the possibility of shrinkage– and gas porosity formation. This 3D map of discontinuities and structure transformed in local mechanical characteristics are used to calculate the local stresses and safety factors. The needs of tolerance of damage and new approach to evaluate the quality of such prognosis must be defined. These problems of validation of new models/modules used to predict the shrinkage– and gas porosity including the chosen structure parameters in the example of AlSi7 alloy are discussed in the paper.

3

Zastosowanie sztucznych sieci neuronowych do przewidywania wielkości ziarna austenitu po wielostopniowym odkształcaniu stali niskowęglowej na gorąco

Koczurkiewicz B., Knapiński M., Dyja H.

Hutnik, Wiadomości Hutnicze

|

2008

|

Vol. 75, nr 8

418-420

PL

W pracy wykorzystano sztuczne sieci neuronowe do prognozowania struktury odkształcanego austenitu w stali niskowęglowej! Krótki czas reakcji na zmianę sygnałów wejściowych modelu opartego na sieci neuronowej umożliwia wykorzystanie takiego roz-1 wiązania w czasie rzeczywistym do ciągłej analizy parametrów odkształcenia i sterowania nimi w sposób zapewniający uzyskanie! pożądanych właściwości gotowych wyrobów. Weryfikacje modelu przeprowadzono poprzez fizyczne symulacje wielostopniowego! odkształcania na gorąco połączone z badaniami metalograficznymi. Wykorzystano dylatometr z możliwością odkształcania Dli! 805A/D. Przeprowadzone badania pozwoliły na określenie konfiguracji sieci i algorytmu uczącego najkorzystniejszego do rozwiązania postawionego problemu.

EN

The artificial neural networks for prediction of austenite grain size in low carbon steel after multistage hot deformation procesm were used in this work. Physical simulation of multistage hot deformation and metallography research were done. The conversions dilatometer type 805A/Dfor thermo-mechanical treatment was used. The optimal network configuration and learning algorithm wereM obtained on the base of the research.