Wyniki wyszukiwania - BazTech

1

Problems of forecasting the length of the assembly cycle of complex products realized in the MTO (make-to-order) model

Brzozowska Jolanta, Gola Arkadiusz, Kulisz Monika

Technologia i Automatyzacja Montażu

|

2023

|

nr 3

13--20

EN

This article presents the problem of forecasting the length of machine assembly cycles in make-to-order production (Make-to-Order). The model of Make-to-Order production and the technological process of manufacturing the finished product are presented. The possibility of developing a novel method, using artificial intelligence solutions, to estimate machine assembly times based on historical company data on manufacturing times for structurally similar components, is described. It is assumed that the result of the developed method will be an intelligent system supporting efficient and accurate estimation of machine assembly time, ready for implementation in production conditions. Such data as part availability, human resource availability and novelty factor will be used as input data for learning the neural network, while the output variable during learning the neural network will be the actual machine assembly time.

PL

W niniejszym artykule przedstawiono problem prognozowania długości cyklu montażu maszyn w produkcji na zamówienie (Make-to-Order). Przedstawiony został model produkcji na zamówienie oraz proces technologiczny wytwarzania wyrobu gotowego. Opisana została możliwość opracowania nowatorskiej metody, wykorzystującej rozwiązania z zakresu sztucznej inteligencji, umożliwiającej szacowanie czasu montażu maszyn w oparciu o dane historyczne przedsiębiorstw, dotyczące czasów wytwarzania podobnych konstrukcyjnie elementów. Zakłada się, iż rezultatem opracowanej metody będzie inteligentny system wspomagający skuteczne i dokładne szacowanie czasu montażu maszyn, gotowy do implementacji w warunkach produkcyjnych. Jako dane wejściowe do uczenia sieci neuronowej wykorzystane zostaną takie dane jak: dostępność części, dostępność zasobów ludzkich oraz czynnik nowości, zaś zmienną wyjściową podczas uczenia sieci neuronowej będzie rzeczywisty czas montażu maszyny.

2

Artificial Neural Networks as a tool for ergonomic evaluations of vehicle control panels

Hałacz Joanna, Neugebauer Maciej

Technical Sciences / University of Warmia and Mazury in Olsztyn

|

2023

|

nr 26(1)

77--96

EN

Unreadable and inconveniently arranged instruments make it difficult for the driver to accurately read signals and understand the relayed information. They can distract the driver and prolong response times, thus posing a risk to traffic safety. Designers also have to account for customer expectations, including a demand for esthetically appealing dashboards that incorporate vast amounts of data in limited space since such dashboards appear to be maximally adapted to the driver’s needs. However, attractive dashboards are not always adapted to human perceptual abilities. A neural model was developed in the study to objectively assess dashboard ergonomics in passenger cars. The data were used to determine the correlations between subjective driver impressions and the functionality and ergonomics of dashboards evaluated objectively based on the adopted criteria. With the best-learned networks, 3 conformance classes were obtained for the predicted cases. However, taking into account the ± 1 class, as many as 3 of the preserved ANN gave correct answers in all 6 cases.

3

Selection of an algorithm for classifying data quoted on the Day Ahead Market of TGE S.A. in MATLAB and Simulink using Deep Learning Toolbox

Tchórzewski Jerzy, Mielcarz Tomasz

Studia Informatica : systems and information technology

|

2023

|

Vol. 1(28)

83--108

EN

The article contains an analysis leading to the selection of an algorithm for classifying data listed on the Day-Ahead Market of TGE S.A. in MATLAB and Simulink using Deep Learning Toolbox. In this regard, an introduction to deep learning methods, classification methods, and classification algorithms is provided first. Particular attention was paid to the essence of three important deep learning methods in the classification, i.e. the methods called: Stochastic Gradient Descent Momentum, Root Mean Square Prop and Adaptive Moment Estimation. Then, three architectures of artificial neural networks used in deep learning were characterized, i.e.: Deep Belief Network, Convolutional Neural Network and Recurrent Neural Network. Attention was paid to the selection parameters of algorithms for learning deep artificial neural networks that can be used in classification, such as: accuracy, information losses and learning time. Practical aspects of research experiments were also shown, including selected results of research conducted on volume and fixing 1 data quoted on the TGE S.A. Day-Ahead Market. After analyzing the obtained test results for the hourly system, it was noted that the least suitable algorithm for classification purposes was the Stochastic Gradient Descent Momentum algorithm, which in each case had worse results than the other two algorithms, i.e. the Adaptive Moment Estimation algorithm and the Root Mean algorithm Square Prop. However, the best algorithm turned out to be the Adaptive Moment Estimation algorithm, which obtained the highest accuracy, which was at a level comparable to the Root Mean Square Prop algorithm, with the latter algorithm having larger losses.

4

Application of Artificial Neural Networks for Mathematical Modelling of Horizontal Jet Fires

Lewak Michał, Tępiński Jarosław

Safety & Fire Technology

|

2023

|

Vol. 62, iss. 2

34--48

EN

Aim: This article focuses on the use of artificial neural networks to mathematically describe the parameters that determine the size of a jet fire flame. To teach the neural network, the results of a horizontal propane jet fire, carried out experimentally and using CFD mathematical modelling, were used. Project and methods: The main part of the work consisted of developing an artificial neural network to describe the flame length and propane-air mixing path lengths with good accuracy, depending on the relevant process parameters. Two types of data series were used to meet the stated objective. The first series of data came from field tests carried out by CNBOP-PIB and from research contained in scientific articles. The second type of data was provided by numerical calculations made by the authors. The methods of computational fluid mechanics were used to develop the numerical simulations. The ANSYS Fluent package was used for this purpose. Matlab 2022a was used to develop the artificial neural network and to verify it. Results: Using the nftool function included in Matlab 2022a, an artificial neural network was developed to determine the flame length Lflame and the length of the Slift-off mixing path as a function of the diameter of the dnozzle and the mass flux of gas leaving the nozzle. Using Pearson’s correlation coefficient, a selection was made of the best number of neurons in the hidden layer to describe the process parameters. The neural network developed allows Lflame and Slift-off values to be calculated with good accuracy. Conclusions: Artificial neural networks allow a function to be developed to describe the parameters that determine flame sizes in relation to process parameters. For this purpose, the results of the CFD simulations and the results of the jet fire experiments were combined to create a single neural network. The result is a ready-made function that can be used in programmes for the rapid determination of flame sizes. Such a function can support the process of creating scenarios in the event of an emergency. A correctly developed neural network provides opportunities for the mathematical description of jet fires wherever experimental measurements are not possible. Solution proposed by the authors does not require a large investment in ongoing calculations, as the network can be implemented in any programming language.

PL

Cel: W artykule skupiono się na wykorzystaniu sztucznych sieci neuronowych do opisu matematycznego parametrów określających rozmiary płomienia pożaru strumieniowego. Do uczenia sieci neuronowej wykorzystano wyniki badań poziomego pożaru strumieniowego propanu, przeprowadzone doświadczalnie i przy pomocy modelowania matematycznego metodą CFD. Projekt i metody: Główna część pracy polegała na opracowaniu sztucznej sieci neuronowej, która z dobrą dokładnością będzie opisywała długość płomienia oraz długości drogi mieszania propanu z powietrzem w zależności od istotnych parametrów procesowych. Do realizacji postawionego celu wykorzystano dwa typy serii danych. Pierwsza seria danych pochodziła z badań poligonowych wykonanych przez CNBOP-PIB oraz z badań zawartych w artykułach naukowych. Drugi typ danych dostarczyły obliczenia numeryczne wykonane przez autorów. Do opracowania symulacji numerycznych wykorzystano metody obliczeniowej mechaniki płynów. W tym celu zastosowany został pakiet ANSYS Fluent. Do opracowania sztucznej sieci neuronowej oraz jej weryfikacji użyto programu Matlab 2022a. Wyniki: Korzystając z funkcji nftool , zawartej w programie Matlab 2022a, opracowano sztuczną sieć neuronową do wyznaczenia długości płomienia Lflame i długości drogi mieszania Slift-off w zależności od średnicy dyszy dnozzle i strumienia masowego gazu opuszczającego dyszę. Do opisu parametrów procesowych wybrano najbardziej adekwatną liczbę neuronów w warstwie ukrytej. Wykorzystano do tego współczynnik korelacji Pearsona. Opracowana sieć neuronowa pozwala z dobrą dokładnością obliczyć wartości Lflame i Slift-off. Wnioski: Sztuczne sieci neuronowe pozwalają na opracowanie funkcji opisującej rozmiar płomienia w zależności od parametrów procesowych. W celu stworzenia jednej sieci neuronowej połączono wyniki symulacji CFD i wyniki doświadczeń pożarów strumieniowych. W rezultacie otrzymano gotową funkcję, która może być użyta w programach służących do szybkiego określania rozmiarów płomienia. Funkcja taka może wspomagać proces tworzenia scenariuszy na wypadek wystąpienia sytuacji awaryjnej. Poprawnie opracowana sieć neuronowa pozwala opisać w sposób matematyczny pożary strumieniowe wszędzie tam, gdzie wykonanie pomiarów doświadczalnych nie jest możliwe. Proponowane rozwiązanie nie wymaga dużych nakładów finansowych na prowadzone obliczenia, ponieważ sieć może być zaimplementowana w dowolnym języku programowania.

5

Zastosowanie algorytmu MPPT wykorzystującego sztuczne sieci neuronowe do optymalizacji pracy systemu fotowoltaicznego

Borkowski Bartłomiej, Mączka Tadeusz, Szulc Piotr, Tietze Tomasz

Rynek Energii

|

2023

|

Nr 6

59--65

PL

W artykule przedstawiono algorytm optymalizacyjny wykorzystujący sztuczne sieci neuronowe (ANN) do śledzenia maksymalnego punktu mocy (ang. Maximum Power Point) dla systemu (siłowni) PV o mocy 100 kWp podłączonej do dystrybucyjnej sieci zasilającej. Efektywność pracy opracowanego algorytmu MPPT (ang. Maximum Power Point Tracking) porównano z powszechnie opisywanymi w literaturze algorytmami śledzenia maksymalnego punktu pracy systemów fotowoltaicznych takimi jak metoda zaburzania i obserwacji (ang.Perturbation and observe method) oraz metoda przyrostów przewodności (ang. Conductance incremental method). Dla nowoczesnych, dużych systemów fotowoltaicznych, zagadnienie maksymalizacji wytwarzania energii dla różnych zmiennych warunków pogodowych (natężenie promieniowania słonecznego, temperatura paneli fotowoltaicznych) jest bardzo istotne. Na podstawie analizy otrzymanych wyników z symulacji stwierdzono , że metoda MPPT ANN wykorzystująca sztuczne sieci neuronowe pozwala uzyskać wyższą wartość aktualnej mocy elektrycznej wytworzonej z badanego systemu PV i oddawanej do sieci elektroenergetycznej w porównaniu z innymi popularnymi metodami.

EN

The article presents an optimization algorithm using artificial neural networks (ANN) to track the maximum power point for a 100 kWp PV system connected to the distribution power grid. The efficiency of the developed MPPT algorithm was compared with algorithms commonly described in the literature for tracking the maximum operating point of photovoltaic systems, such as the disturbance and observation method and the conductivity increment method. For modern, large photovoltaic systems, the issue of maximizing energy production for various variable weather conditions (irradiation, temperature of photovoltaic panels) is very important. Based on the analysis of the obtained simulation results, it was found that the MPPT ANN method based on artiﬁcial neural networks allows to obtain a higher value of the current electrical power generated from the tested PV system and transfered to the power grid compared to other popular methods.

6

Modeling the performance of an Electrodynamic screen (EDS) with artificial intelligence techniques

Houari Toufik Ahmed, Dahou Omar, Djilani Kobibi Youcef Islam, Bouchekara Hocine

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 4

128--132

EN

Artificial neural networks by their learning, classification, and decision capabilities, have contributed in the development of several fields. In electrostatics and its applications, neural networks are used to solve the problems of modeling, diagnosis and control of different modes of operation of machines. This work focuses on the application of artificial neural networks for modeling the operation of a three-phase electric field electrodynamic screen for moving micronized polyvinyl chloride (PVC) particles, with an average particle size of 250 μm. The neural network used is a multilayer perceptron type network, trained by the gradient back propagation algorithm. The input vector contains parameters taken from the studied experimental device: applied voltage U [kV], frequency [Hz] and diameter d [mm]. The output vector contains the mass of the product collected at the output of the electrodynamic screen.

PL

Sztuczne sieci neuronowe dzięki swoim zdolnościom uczenia się, klasyfikacji i podejmowania decyzji przyczyniły się do rozwoju kilku dziedzin. W elektrostatyce i jej zastosowaniach sieci neuronowe są wykorzystywane do rozwiązywania problemów modelowania, diagnozowania i sterowania różnymi trybami pracy maszyn. W pracy skupiono się na zastosowaniu sztucznych sieci neuronowych do modelowania działania ekranu elektrodynamicznego trójfazowego pola elektrycznego dla poruszających się cząstek mikronizowanego polichlorku winylu (PVC) o średniej wielkości cząstek 250 μm. Wykorzystywana sieć neuronowa jest wielowarstwową siecią typu perceptron, wytrenowaną przez algorytm wstecznej propagacji gradientu. Wektor wejściowy zawiera parametry zaczerpnięte z badanego urządzenia doświadczalnego: przyłożone napięcie U [kV], częstotliwość [Hz] i średnicę d [mm]. Wektor wyjściowy zawiera masę produktu zebraną na wyjściu ekranu elektrodynamicznego.

7

Comparison of an effectiveness of artificial neural networks for various activation functions

Florek Daniel, Miłosz Marek

Journal of Computer Sciences Institute

|

2023

|

Vol. 26

7--12

EN

Activation functions play an important role in artificial neural networks (ANNs) because they break the linearity in the data transformations that are performed by models. Thanks to the recent spike in interest around the topic of ANNs, new improvements to activation functions are emerging. The paper presents the results of research on the effectiveness of ANNs for ReLU, Leaky ReLU, ELU, and Swish activation functions. Four different data sets, and three different network architectures were used. Results show that Leaky ReLU, ELU and Swish functions work better in deep and more complex architectures which are to alleviate vanishing gradient and dead neurons problems. Neither of the three aforementioned functions comes ahead in accuracy in all used datasets, although Swish activation speeds up training considerably and ReLU is the fastest during prediction process.

PL

Funkcje aktywacji, przełamując linową naturę transformacji zachodzących w sztucznych sieciach neuronowych (SSN), pozwalają na uczenie skomplikowanych wzorców występujących w danych wejściowych, np. w obrazach. Wzrost zain-teresowania wokół SSN skłonił naukowców do badań wokół różnolitych aktywacji, które mogą dać przewagę podczas uczenia jak i przewidywania, ostatecznie przyczyniając się do powstania nowych, interesujących rozwiązań. W artykule przedstawiono wyniki badań nad efektywnością SSN dla funkcji ReLU, Leaky ReLU, ELU oraz Swish, przy użyciu czterech zbiorów danych i trzech różnych architektur SSN. Wyniki pokazują, że funkcje Leaky ReLU, ELU i Swish lepiej sprawdzają się w głębokich i bardziej skomplikowanych architekturach, mając za zadanie zapobieganie proble-mom zanikającego gradientu (ang. Vanishing Gradient) i martwych neuronów (ang. Dead neurons). Żadna z trzech wyżej wymienionych funkcji nie ma przewagi w celności (ang. Accuracy), jednakże Swish znacznie przyspiesza ucze-nie SSN, a ReLU jest najszybsza w procesie przewidywania

8

Optimization of Animal Detection in Thermal Images Using YOLO Architecture

Popek Łukasz, Perz Rafał, Galiński Grzegorz, Abratański Artur

International Journal of Electronics and Telecommunications

|

2023

|

Vol. 69, No. 4

826--831

EN

The article presents research on animal detection in thermal images using the YOLOv5 architecture. The goal of the study was to obtain a model with high performance in detecting animals in this type of images, and to see how changes in hyperparameters affect learning curves and final results. This manifested itself in testing different values of learning rate, momentum and optimizer types in relation to the model’s learning performance. Two methods of tuning hyperparameters were used in the study: grid search and evolutionary algorithms. The model was trained and tested on an in-house dataset containing images with deer and wild boars. After the experiments, the trained architecture achieved the highest score for Mean Average Precision (mAP) of 83%. These results are promising and indicate that the YOLO model can be used for automatic animal detection in various applications, such as wildlife monitoring, environmental protection or security systems.

9

Cognitive Modeling and Formation of the Knowledge Base of the Information System for Assessing the Rating of Enterprises

Kryvoruchko Olena, Desiatko Alona, Karpunin Igor, Hnatchenko Dmytro, Lakhno Myroslav, Malikova Feruza, Turdaliev Ayezhan

International Journal of Electronics and Telecommunications

|

2023

|

Vol. 69, No. 4

697--705

EN

A mathematical model is proposed that makes it possible to describe in a conceptual and functional aspect the formation and application of a knowledge base (KB) for an intelligent information system (IIS). This IIS is developed to assess the financial condition (FC) of the company. Moreover, for circumstances related to the identification of individual weakly structured factors (signs). The proposed model makes it possible to increase the understanding of the analyzed economic processes related to the company's financial system. An iterative algorithm for IIS has been developed that implements a model of cognitive modeling. The scientific novelty of the proposed approach lies in the fact that, unlike existing solutions, it is possible to adjust the structure of the algorithm depending on the characteristics of a particular company, as well as form the information basis for the process of assessing the company's FC and the parameters of the cognitive model.

10

Przegląd obecnie istniejących instalacji LNG na świecie, aspekty techniczne pojedynczej stacji oraz prognozowanie zużycia gazu. Część 1, Przegląd istniejącej infrastruktury

Cieślik Tomasz, Narloch Piotr, Żero Andrzej

Gaz, Woda i Technika Sanitarna

|

2023

|

Nr 10

2--9

PL

W części pierwszej publikacji skupiono się na przeglądzie istniejących instalacji LNG na świecie, możliwości gazyfikacji wyspowych z wykorzystaniem LNG oraz omówiono budowę stacji gazyfikacji LNG. Proces prognozowania zostanie przedstawiony w drugiej części artykułu. W ciągu ostatnich lat proces gazyfikacji przebiegał bardzo intensywnie w zakresie zwiększenia liczby odbiorców gazu oraz rozwoju infrastruktury sieciowej. W Polce są obszary, które nie posiadają sieci gazowej a jej budowa jako inwestycja liniowa jest nieopłacalna lub nie ma odpowiedniej przepustowości w istniejącej i relatywnie blisko danego obszaru położonej sieci gazowej. W takiej sytuacji pojawia się możliwość wykorzystania stacji regazyfikacji LNG, które zasilają wyspowe obszary w paliwo gazowe.

EN

The first part of the publication focused on a review of existing LNG installations in the world, the possibilities of island gasification using LNG, and the construction of LNG gasification stations was discussed. The forecasting process will be presented in part 2 of the article. Over the past few years, the gasification process has been intensively developing in terms of increasing the number of gas consumers and expanding the infrastructure of the gas network. In Poland, there are areas that do not have a gas network, and constructing a linear investment for this purpose is not profitable or the existing gas network nearby does not have sufficient capacity to serve the given area. In such a situation, the possibility arises to utilize LNG regasification stations to supply gas fuel to isolated areas.

11

Implementacja głębokich sieci neuronowych do rozpoznawania pojazdów na platformie o ograniczonych zasobach sprzętowych

Kołodziej Adam

Elektronika : konstrukcje, technologie, zastosowania

|

2023

|

Vol. 64, Nr 2

8--11

PL

W artykule zostały omówione wyniki analiz i badań poświęconych możliwości zaimplementowania mechanizmów głębokich sztucznych sieci neuronowych na platformach o ograniczonych zasobach sprzętowych. Zadaniem realizowanym przez sieć jest rozpoznawanie pojazdów w obrazach pochodzących ze strumienia wideo rejestrowanego przez kamery monitoringu. Mechanizmy wykorzystujące sztuczne sieci neuronowe z reguły wymagają dużych zasobów sprzętowych pozwalających na zrównoleglenie przeprowadzanych operacji. Celem opisanych badań była odpowiedź na pytanie, czy platformy o stosunkowo niewielkich zasobach sprzętowych mogą być bazą dla rozwiązań tego typu.

EN

The article discusses the results of analyzes and research on the possibility of implementing mechanisms of deep artificial neural networks on platforms with limited hardware resources. The task performed by the network is to recognize vehicles in the images from the video stream recorded by the surveillance cameras. Mechanisms using artificial neural networks usually require large hardware resources to parallelize operations. The aim of the described research was to answer the question whether platforms with relatively small hardware resources can be the basis for solutions of this type.

12

Human-induced force reconstruction using a non-linear electrodynamic shaker applying an iterative neural network algorithm

Peláez-Rodríguez César, Magdaleno Álvaro, Salcedo-Sanz Sancho, Lorenzana Antolín

Bulletin of the Polish Academy of Sciences. Technical Sciences

|

2023

|

Vol. 71, nr 3

art. no. e144615

EN

An iterative neural network framework is proposed in this paper for the human-induced Ground Reaction Forces (GRF) replication with an inertial electrodynamic mass actuator (APS 400). This is a first approach to the systematization of dynamic load tests on structures in a purely objective, repeatable and pedestrian-independent basis. Therefore, an inversion-free offline algorithm based on Machine Learning techniques has been applied for the first time on an electrodynamic shaker, without requiring its inverse model to tackle the inverse problem of successful force reconstruction. The proposed approach aims to obtain the optimal drive signal to minimize the error between the experimental shaker output and the reference force signal, measured with a pair of instrumented insoles (Loadsol©) for human bouncing at different fre- quencies and amplitudes. The optimal performance, stability and convergence of the system are verified through experimental tests, achieving excellent results in both time and frequency domain.

13

The Use of the XGBoost and Kriging Methods in the Prediction of the Microstructure of CGI Cast Iron

Sztangret Łukasz, Olejarczyk-Wożeńska Izabela, Regulski Krzysztof, Gumienny Grzegorz, Mrzygłód Barbara

Archives of Foundry Engineering

|

2023

|

Vol. 23, iss. 4

22--33

EN

Compacted Graphite Iron (CGI) is a unique casting material characterized by its graphite form and extensive matrix contact surface. This type of cast iron has a tendency towards direct ferritization and possesses a complex set of intriguing properties. The use of data mining methods in modern foundry material development facilitates the achievement of improved product quality parameters. When designing a new product, it is always necessary to have a comprehensive understanding of the influence of alloying elements on the microstructure and consequently on the properties of the analyzed material. Empirical studies allow for a qualitative assessment of the above-mentioned relationships, but it is the use of intelligent computational techniques that allows for the construction of an approximate model of the microstructure and, consequently, precise predictions. The formulated prognostic model supports technological decisions during the casting design phase and is considered as the first step in the selection of the appropriate material type.

14

New directions in electric arc furnace modeling

Grabowski Dariusz, Klimas Maciej

Archives of Electrical Engineering

|

2023

|

Vol. 72, nr 1

157--172

EN

This paper presents new directions in the modeling of electric arc furnaces. This work is devoted to an overview of new approaches based on random differential equations, artificial neural networks, chaos theory, and fractional calculus. The foundation of proposed solutions consists of an instantaneous power balance equation related to the electric arc phenomenon. The emphasis is mostly placed on the conclusions that come from a novel interpretation of the equation coefficients.

15

A Comparative Analysis of Image Segmentation Using Classical and Deep Learning Approach

Plaksyvyi Arsen, Skublewska-Paszkowska Maria, Powroźnik Paweł

Advances in Science and Technology. Research Journal

|

2023

|

Vol. 17, no 6

127--139

EN

Segmentation is one of the image processing techniques, widely used in computer vision, to extract various types of information represented as objects or areas of interest. The development of neural networks has influenced image processing techniques, including creation of new ways of image segmentation. The aim of this study is to compare classical algorithms and deep learning methods in RGB image segmentation tasks. Two hypotheses were put forward: 1) “The quality of segmentation applying deep learning methods is higher than using classical methods for RGB images”, and 2) “The increase of the RGB image resolution has positive impact on the segmentation quality”. Two traditional segmentation algorithms (Thresholding and K-means) were compared with deep learning approach (U-Net, SegNet and FCN 8) to verify RGB segmentation quality. Two resolutions of images were taken into consideration: 160x240 and 320x480 pixels. Segmentation quality for each algorithm was estimated based on four parameters: Accuracy, Precision, Recall and Sorensen-Dice ratio (Dice score). In the study the Carvana dataset, containing 5,088 high-resolution images of cars, was applied. The initial set was divided into training, validation and test subsets as 60%, 20%, 20%, respectively. As a result, the best Accuracy, Dice score and Recall for images with resolution 160x240 were obtained for U-Net, achieving 99.37%, 98.56%, and 98.93%, respectively. For the same resolution the highest Precision 98.19% was obtained for FCN-8 architecture. For higher resolution, 320x480, the best mean Accuracy, Dice score, and Precision were obtained for FCN-8 network, reaching 99.55%, 99.95% and 98.85%, respectively. The highest results for classical methods were obtained for Threshold algorithm reaching 80.41% Accuracy, 58.49% Dice score, 67.32% Recall and 52.62% Precision. The results confirm both hypotheses.

16

Evaluation of the performance of data‑driven approaches for filling monthly precipitation gaps in a semi‑arid climate conditions

Katipoğlu Okan Mert

Acta Geophysica

|

2023

|

Vol. 71, no. 5

2265--2285

EN

Missing data cause problems in meteorological, hydrological, and climate analysis. The observation data should be complete and cover long periods to make the research more accurate and reliable. Artificial intelligence techniques have attracted interest for completing incomplete meteorological data in recent years. In this study the abilities of machine learning models, artificial neural networks, the nonlinear autoregressive with exogenous input (NARX) model, support vector regression, Gaussian processes regression, boosted tree, bagged tree (BAT), and linear regression to fill in missing precipitation data were investigated. In developing the machine learning model, 70% of the dataset was used for training, 15% for testing, and 15% for validation. The Bayburt, Tercan, and Zara precipitation stations, which are closest to the Erzincan station and have the highest correlation coefficients, were used to fill the data gaps. The accuracy of the constructed models was tested using various statistical criteria, such as root-mean-square error (RMSE), mean absolute error (MAE), Nash–Sutcliffe model efficiency coefficient (NSE), and determination coefficient (R2) and graphical approaches such as scattering, box plots, violin plots, and Taylor diagrams. Based on the comparison of model results, it was concluded that the BAT model with R2: 0.79 and NSE: 0.79 and error (RMSE: 11.42, and MAE: 7.93) was the most successful in the completion of missing monthly precipitation data. The contribution of this research is assist in the choice of the best and most accurate method for estimating precipitation data in semi-arid regions like Erzincan.

17

Neural networks in diagnostics of concrete airfield pavements

Linek Małgorzata, Nita Piotr

Roads and Bridges - Drogi i Mosty

|

2022

|

Vol. 21, no. 1

81--97

EN

Concrete airfield pavement maintenance encompasses many complex problems, which are difficult to identify using traditional diagnostic methods. Artificial neural networks may prove useful in understanding and solving of such problems. The article presents the nature of neural networks and the possible fields of their application in analysis of processes occurring in airfield surface layers and base layers during service. The presented concepts include the use of neural networks in repair prediction, identification of causes of the observed phenomena and diagnostic predictions for future maintenance and service. The aim of the work is to apply artificial neural networks to modeling of maintenance processes, including prediction of pavement evenness. A neural network model was prepared for assessment of pavement evenness based on data obtained from real pavement sections. Research methodology and the obtained field results were described. The structure of the neural network was designed and verified. Conclusions were formulated regarding suitability of neural modeling for pavement evenness prediction. The proposed methodology may complement the methods currently used in pavement diagnostics.

PL

W dziedzinie utrzymania betonowych nawierzchni lotniskowych występuje wiele złożonych problemów trudnych do identyfikacji tradycyjnymi metodami diagnostycznymi. Do ich zrozumienia i rozwiązania mogą okazać się przydatne sztuczne sieci neuronowe. W pracy przedstawiono istotę sieci, jak również zakreślono obszary możliwych ich zastosowań do analizy zjawisk zachodzących w warstwie jezdnej nawierzchni lotniskowej i jej podbudowie na etapie użytkowania. Przedstawiono koncepcję zastosowania tego narzędzia w prognozowaniu napraw, ustaleniu przyczyn zaistniałych zjawisk oraz prognozy diagnostycznej związanej z dalszym procesem utrzymania i użytkowania. Celem pracy była aplikacja metody SSN do modelowania procesów utrzymaniowych, w tym przewidywania równości nawierzchni. Opracowano model neuronowy przeznaczony do oceny równości nawierzchni na podstawie danych uzyskanych z rzeczywistych odcinków nawierzchni. Przedstawiono metodykę badawczą i uzyskane wyniki terenowe. Zaprojektowano strukturę sieci i zweryfikowano uzyskany model neuronowy. Sformułowano wniosek dotyczący przydatności modelowania neuronowego do prognozowania równości nawierzchni. Zaproponowana metodyka może stanowić uzupełnienie w stosowanej diagnostyce nawierzchni.

18

System diagnostyki oddechowej oparty na konwolucyjnych sieciach neuronowych

Kowalczuk Zdzisław, Czubenko Michał, Bosak Michał

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2022

|

nr 3

74--79

PL

Choroby układu oddechowego człowieka od zawsze były obciążeniem dla całego społeczeństwa. Sytuacja stała się szczególnie trudna po wybuchu pandemii COVID-19. Jednak nawet teraz nierzadko zdarza się, że ludzie konsultują się ze swoim lekarzem zbyt późno, już po niepożądanym rozwinięciu się choroby. W celu ochrony pacjentów przed ciężką chorobą płuc, zaleca się jak najwcześniejsze wykrycie wszelkich objawów zaburzających pracę układu oddechowego. W artykule przedstawiono wczesny prototyp urządzenia, który przypomina cyfrowy stetoskop. Przeprowadza on automatyczną analizę oddechu, poza rejestrowaniem cykli oddechowych. Dodatkowo urządzenie ma funkcję powiadamiania użytkownika (np. przez smartfon) o konieczności udania się do lekarza na bardziej szczegółowe badanie. Dźwiękowe nagranie cykli oddechu przekształcane jest na dwuwymiarową macierz za pomocą współczynników cepstrum w skali melowej (MFCC). Taka macierz jest analizowana przez sztuczną sieć neuronową. W wyniku przeprowadzonych badań stwierdzono, że najlepsze z otrzymanych rozwiązań prezentowanej sieci neuronowej osiągnęło pożądaną dokładność i wysoką precyzję.

EN

Diseases related to the human respiratory system have always been a burden for the entire society. The situation has become particularly difficult now after the outbreak of the COVID-19 pandemic. Even now, however, it is not uncommon for people to consult their doctor too late, after the disease has developed. To protect patients from severe disease, it is recommended that any symptoms disturbing the respiratory system be detected as early as possible. This article presents an early prototype of a device that can be compared to a digital stethoscope that performs auto-breath analysis. So apart from recording the respiratory cycles, the device also analyzes them. In addition, it also has the functionality of notifying the user (e.g. via a smartphone) about the need to go to the doctor for a more detailed examination. The audio recording of breath cycles is transformed to a two-dimensional matrix using mel-frequency cepstrum coefficients (MFCC). Such a matrix is analyzed by an artificial neural network. As a result of the research, it was found that the best of the obtained solutions of the presented neural network achieved the desired accuracy and precision at the level of 84%.

19

Podatność osuwiskowa obszaru Krakowa

Kamieniarz Sylwester

Przegląd Geologiczny

|

2022

|

Vol. 70, nr 9

701--712

EN

Due to the differentiation of landslides in Kraków city area, an artificial neural network method (multilayer perceptron) was used to determine the landslide susceptibility (LS). The calculations were performed in the r.landslide module. The network learning was carried out on the basis of 8 thematic layers (slopes, slope exposure, absolute height, relative height, convergence index, surface lithology, sub-Quaternary lithology, distance from tectonic discontinuities). For modelling, 434 points representing landslides and the same number of points of locations without landslides were used. Among the set of points, 70% was allocated to the training phase, 15% to the validation phase, and 15% to the phase. In order to assess the network performance, based on the results of the test phase, a confusion matrix was made. Approximately 22% of the city’s area is susceptible to landslide occurrence (LS > 0.05 ). It overlap existing landslides and cover areas where they have not occurred yet. The greatest number of areas susceptible to landslide occurrence is located in districts X (54% of the district area) and VII (47%). There are also the most susceptile areas (LS > 0.95). The sensitivity analysis implemented in the module showed that among the thematic layers used for modelling the slopes, convergence index, distance from tectonic discontinuities and sub-Quaternary lithology have the greatest impact on the landslide susceptibility.

20

Optimization of flotation efficiency of phosphate minerals in mine tailings using polymeric depressants : experiments and machine learning

Alsafasfeh Ashraf, Alagha Lana, Alzidaneen Ala, Nadendla Venkata Sriram Siddhardh

Physicochemical Problems of Mineral Processing

|

2022

|

Vol. 58, iss. 4

art. no. 150477

EN

In this study, direct froth flotation experiments were conducted on silicate-rich phosphate tailing samples. The average grade of P2O5 in the flotation feed was 21.6% as determined using a combination of spectroscopic techniques including X-ray powder diffraction (XRD), mineral liberation analysis (MLA), and scanning electron microscopy/energy dispersive X-ray spectroscopy (SEM/EDS). Two polymers were selected to promote the depression of silicates and enhance the flotation of phosphates: in-house synthesized hybrid polyacrylamide (Hy-PAM) and chitosan. Flotation efficiency of phosphates was evaluated at different flotation conditions including depressant type, depressant dosage, pH, and the flotation time. Results indicated that the optimum flotation efficiency of phosphate minerals (84.6% recovery at 28.6% grade of P2O5) was obtained when Hy-PAM was utilized at the studied range of pH and flotation time. All datasets produced from the flotation experiments were integrated within the framework of machine learning (ML) using artificial neural networks (ANNs). The ANN platform was trained, validated, and successfully employed to predict the process outcomes in relation to the pulp and reagents characteristics, which in turn were used to determine the optimum values of process variables. Coefficient of determination (R2), mean absolute error (MAE), and root-mean-square error (RMSE) were used as model indicators. Optimization results showed that the peak flotation performance could be achieved at higher dosages of both polymers. However, lower pH and shorter flotation time for Hy-PAM, and higher pH and longer flotation time for chitosan, were predicted to give the optimum process efficiency.