Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Journal of Medical Informatics & Technologies
1 Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
1 Prace Naukowe Politechniki Warszawskiej. Elektryka
1 Scientific Papers of The Institute of Electrical Machines, Drives and Measurements of the Wrocław University of Science and Technology Series: Studies and Research

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: sieci neuronowe rozmyte

Sortuj według:

Ogranicz wyniki do:

Using artificial immune and case-based reasoning methods in classification of treatment effectiveness

Badura D., Ferdynus D.

Journal of Medical Informatics & Technologies

2007

Vol. 11

221--226

The article concerns the analysis of classification of medical data by use of selected method of artificial intelligence: case-based reasoning. The subject of the research is the assessment of effective treatment, being one of the most important medical problems. The basis work of the assessment system should be one of the classification methods. The aim of the attempted research is to study which of the enumerated method will be able to group data containing incomplete information in the best way. The classified data are descended from the patients with nephroblastoma and patients with backbone pain. The final aim of the research is to work out the functioning method of the learning system, assisting the doctor with making a decision during working out on patient's treatment therapy, and making analyses of the treatment effectiveness. On the basis of the medical tests, the system will classify the data assigning them to the appropriate therapy groups. Moreover, in the system will be used artificial immunology as the method of generalizing or extrapolating of the gathering and considering so far cases.

Neuronowo-rozmyty detektor uszkodzeń wirnika silnika klatkowego

Pawlak M.

Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały

2005

Vol. 58, nr 25

316-327

Diagnostyka eksploatacyjna silników indukcyjnych polega na ocenie stanu technicznego maszyny podczas jej normalnej pracy. W tym celu stosuje się różne rozwiązania sprzętowe aparatury diagnostycznej, które nierzadko wymagają zainstalowania różnego rodzaju czujników wielkości elektrycznych i nieelektrycznych. Zabudowa tych czujników nie zawsze jest możliwa. Dlatego też, w ostatnim czasie dąży się do opracowania uniwersalnych urządzeń monitorująco-diagnostycznych, które do poprawnej pracy wymagają jedynie informacji o podstawowych sygnałach pomiarowych silnika, takich jak prąd czy napięcie. Jednak symptomy poszczególnych uszkodzeń silnika, jakie pojawiają się w tych sygnałach zależą od wielu czynników, określenie stopnia danego uszkodzenia jest zadaniem bardzo trudnym. Jednym z rozwiązań tego problemu jest zastosowanie metod sztucznej inteligencji, w roli detektorów i klasyfikatorów uszkodzeń. W referacie przedstawiono przykład neuronowo-rozmytego detektora stopnia uszkodzenia wirnika, który został opracowany i przetestowany na stanowisku laboratoryjnym z silnikiem indukcyjnym o mocy 1,5 kW.

This paper presents a simple neural-fuzzy-based system for induction motor fault diagnosis. This system uses non-invasive on-line monitoring techniques based on spectral analysis of the motor current and motor current Park's Vector modulus, for detecting the occurrence of rotor cage faults in operating three-phase induction machines. The on-line real-time expert system for rotor fault diagnosis was proposed and tested on a 1,5 kW squirrel-cage induction motor. The obtained results provide a satisfactory level of accuracy.

Współczesne generacje sztucznych sieci neuronowych i ich zastosowania w wybranych problemach klasyfikacji

Linh T.

Prace Naukowe Politechniki Warszawskiej. Elektryka

2004

z. 130

3--99

W rozprawie przedstawiono rozwiązania wybranych rodzajów sztucznych sieci neuronowych w zastosowaniu do zadań klasyfikacji. W szczególności rozważania dotyczą zmodyfikowanych struktur sieci Takagi-Sugeno-Kanga (TSK) bazujących na teorii zbiorów rozmytych oraz sieci wykorzystującej technikę wektorów podtrzymujących (SVM). Zaproponowano modyfikacje struktur sieci TSK i algorytmów uczących zwiększających efektywność klasyfikacji. Rozwiązania autorskie pozwalają uzyskać większą skuteczność klasyfikacji przy dużo mniejszej liczbie parametrów podlegających adaptacji, co oznacza szybsze i bardziej stabilne ich uczenie. W przypadku sieci SVM, autor dokonał krytycznej oceny różnych rozwiązań, dobierając wersję najlepszej dostosowaną do rodzaju rozwiązywanego zadania. Zaproponowane struktury sieciowe zastosowano do rozwiązania dwu zagadnień praktycznych: kalibracji układu "sztucznego nosa" do analizy mieszanin gazowych oraz układu rozpoznającego arytmie serca. Są to trudne zadania klasyfikacyjne, mające dużą wartość aplikacyjną. Dla rozwiązania tych zadań, autor opracował odpowiednie specjalistyczne algorytmy wstępnego przetwarzania sygnałów, generujące zestaw cech tworzących wektor sygnałów wejściowych dla sieci neuronowej. Zastosowanie skutecznych algorytmów wstępnego przetwarzania danych w połączeniu z efektywnymi rozwiązaniami sieci neuronowych pozwoliło uzyskać wyniki na wysokim poziomie, konkurencyjnym w stosunku do uznanych rozwiązań światowych. W pracy omówiono i przeprowadzono eksperymenty numeryczne związane z integracją pojedynczych wyników klasyfikatorów. Integracja taka pozwoliła powiązać wyniki różnych klasyfikatorów,tworząc układ o jeszcze lepszej skuteczności. Rezultaty pracy mają duże znaczenie teoretyczne i potencjalne możliwości zastosowania w praktyce.

Two modern neural network structures applied for the solution of chosen classification problems have been presented in the work. The author has developed the modified Takaga-Sugeno-Kang (TSK) network implementing fuzzy reasoning rules and also the Support Vector Machine (SVM) network. The structure and the learning algorithms of the TSK network have been modified by the author to obtain better results of classifications. In the case of SVM network, different learning algorithms have been verified in order to select the proper one for the experiments concerned in the thesis. The author has considered two practical problems: the calibration of gas mixture sensors in artificial nose arrangement and the automatic analyzer of the heart arrhythmias, based on ECG recorded signals. These problems are known of their difficulties because of fuzziness of recorded signals. To reduce the effect of these inaccuracies, the author has developed specialized different preprocessing methods. The application of such algorithms and the efficient neural network solutions have resulted in a number of high quality results. Additionally, in view of existence of various algorithms and classifiers applied in the solution, their integration algorithm has been proposed. This integration method employs the individual results from elementary classifiers and generates the final, better and more reliable results. The presented novel theoretical results may find practical applications in real life systems.