Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Fibres & Textiles in Eastern Europe

1 2017

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: system sieci neuronowch

Sortuj według:

Ogranicz wyniki do:

Artificial Neural Network System for Prediction of Dimensional Properties of Cloth in Garment Manufacturing: Case Study on a T-Shirt

Kalkanci M., Kurumer G., Öztürk H., Sinecen M., Kayacan Ö.

Fibres & Textiles in Eastern Europe

2017

Vol. 25, no. 4 (124)

135--140

The purpose of the present study was to estimate dimensional measure properties of T-shirts made up of single jersey and interlock fabrics through artificial neural networks (ANN). To that end, 72 different types of T-shirts were manufactured under 2 different fabric groups, each was consisting of 2 groups: one with elastane and the other without. Each of these groups were manufactured from six different materials in three different densities through two different knitting techniques of single jersey and interlock. For estimation of dimensional changes in these T-shirts, models including feed-forward, back-propagated, the momentum learning rule and sigmoid transfer function were utilized. As a result of the present study, the ANN system was found to be successful in estimation of pattern measures of garments. The prediction of dimensional properties produced by the neural network model proved to be highly reliable (R2> 0.99).

Celem pracy było oszacowanie wymiarów koszulek przy użyciu sztucznego systemu sieci neuronowych (ANN). W tym celu wyprodukowano 72 różne typy koszulek. Koszulki wyprodukowano z sześciu różnych materiałów o trzech różnych gęstościach za pomocą dwóch różnych technik dziewiarskich. W celu oszacowania zmian wymiarów koszulek wykorzystano modele oparte na sprzężeniu zwrotnym, propagowaniu wstecznym, regule uczenia się impulsów i funkcji przenoszenia sigmoidów. Na podstawie wyników badań stwierdzono, że system ANN okazał się skuteczny w szacowaniu wymiarów odzieży. Przewidywanie wymiarów uzyskanych przy wykorzystaniu modelu sieci neuronowych okazało się bardzo wiarygodne (R2> 0,99).