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

Znaleziono wyników: 20

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Obtaining fluid flow pattern for turbine stage with neural model
Butterweck Anna
Journal of Polish CIMEEAC
|
2019
|
Vol. 14, no 1
45--50
EN
In the paper possibility of applying neural model to obtaining patterns of proper operation for fluid flow in turbine stagefor fluid-flow diagnostics is discussed. Main differences between Computational Fluid Dynamics (CFD) solvers and neural model is given, also limitations and advantages of both are considered. Time of calculations of both methods was given, also possibilities of shortening that time with preserving the accuracy of the calculations are discussed. Gathering training data set and neural networks architecture is presented in detail. Range of work of neural model was given. Required input data for neural model and reason why it is different than in computational fluid dynamics solvers isexplained. Results obtained with neural model in 21 tests are discussed. Arithmetic mean and median of relative errors of recreating distribution of pressure and temperature are shown. Achieved results are analysed.
2
Content available Self-adaptive whale optimization for the design and modelling of boiler plant
Savargave S. B., Deshpande A. M.
Control and Cybernetics
|
2018
|
Vol. 47, no. 4
329--356
EN
Recently, boiler plants are have been the subject of intensive investigations in the context of energy-saving technologies and management for power saving and reduction of emissions. Modern boiler design offers several benefits with this respect. In the past, improper design of boilers has been the cause of explosions which led to the loss of life and property. Modern designs attempt to avoid such mishaps. This paper presents a novel Self-Adaptive Whale Optimization Algorithm (SAWOA) for improving the learning characteristic of the neural network, the major intention being to model the characteristics of the boiler plant and so to effectively predict the boiler behaviour. The performance analysis of the introduced model has been carried out using the three test cases with consideration of several parameters. In the experimental analysis, the introduced technique is compared with the existing ones, based on such approaches as Neural Model (NM), Firefly (FF-NM), Adaptive Firefly NM (AFF-NM), and Whale Optimization Algorithm-NM (WOANM). In this comparison, the error, i.e. the difference between the actual and the predicted value, was used, and the results revealed that the error is lower for the introduced technique under different experimental scenarios. The experimental results demonstrate that the performance level of SAWOA is by 18% better than those of NM, FF-NM, and AFF-NM, and by 3.74% better than that of WOA-NM. This confirms the quality of performance of the proposed approach regarding boiler plants.
3
Content available remote Modelowanie przepływu pary przez okołodźwiękowe wieńce turbinowe z użyciem sztucznych sieci neuronowych
Grzymkowska A., Szewczuk N.
Mechanik
|
2016
|
R. 89, nr 7
698--699
PL
Niniejszy artykuł stanowi opis modelu przepływu pary przez okołodźwiękowe stopnie turbinowe, stworzonego w oparciu o sztuczne sieci neuronowe (SSN). Przedstawiony model neuronowy pozwala na wyznaczenie rozkładu wybranych parametrów w analizowanym przekroju kanału przepływowego turbiny dla rozpatrywanego zakresu wartości ciśnienia wlotowego.
EN
In this article the model of steam flow through transonic turbine stages, based on artificial neural networks (ANN), has been described. With presented neural model the distribution of selected parameters in analysed cross-section of turbine flow channel, for considered inlet pressure range, can be determined.
4
Content available remote Model neuronowy jako alternatywa dla numerycznego modelu okołodźwiękowego przepływu pary przez palisadę turbinową
Grzymkowska A.
Mechanik
|
2014
|
R. 87, nr 7CD
217—224
PL
Występowanie skośnej fali uderzeniowej w przepływie pary przez palisadę turbinową stanowi zagrożenie dla bezpiecznej pracy turbiny oraz dla jej elementów konstrukcyjnych. Detekcja oraz lokalizacja fali uderzeniowej, a także rozpoznanie przyczyny jej powstawania, nie są możliwe do osiągnięcia na drodze pomiarowej. Analizę zjawisk zachodzących wewnątrz kanału przepływowego umożliwiają natomiast modele numeryczne oraz neuronowe. Zaletą modeli opartych o sztuczne sieci neuronowe jest szybkość obliczeń, znacznie większa niż w przypadku modeli numerycznych. Poprawnie utworzony model neuronowy kanału przepływowego pozwoliłby zatem wykryć i zlokalizować falę uderzeniową, a usunięcie przyczyny jej występowania umożliwiłoby przywrócenie warunków poprawnej pracy diagnozowanej maszyny przepływowej.
EN
A skew shock wave in the flow through the steam turbine blading row puts proper turbine work and its structural elements at risk. Detection and localisation of the shock wave, and also identification of its occurrence cause, are not possible to obtain by measurements. However, numerical and neural models enable the analysis of phenomena in flow channels. A much shorter time of neural calculations is their advantage over numerical models. Thus, a proper neural model of the flow channel will allow detection and localisation of the shock wave. Moreover, elimination of the cause of the shock wave occurrence will enable the proper work conditions of the diagnosed fluid flow machine to be restored.
5
Content available The neural analysis of quarters healthiness of high yield cows in selected cowshed
Jędruś A., Boniecki P.
Journal of Research and Applications in Agricultural Engineering
|
2013
|
Vol. 58, nr 2
55--57
EN
Commonly recognized predictive abilities represented by selected ANN (Artificial Neural Networks) topologies are widely used in practice. They often support the decision-making processes that occur in agri-alimentary processing, such as milk production. The aim of the study was to use ANN as a predictive tool in the estimation process of the influence of selected zootechnical characteristics of cows on the milk quality, which is determined by the standards defining the requirements compliance concerning the level of somatic cell counts in the obtained milk. The work resulted in creation of the optimum predictive model which is a neural topology of the MLP-6:17:1 (MultiLayer Perceptron). The performed analysis of the generated neural model’s sensitivity to the individual input variables showed the impact of some of the zootechnical characteristics on somatic cell counts in the obtained milk.
PL
Uznane zdolności predykcyjne, jakie reprezentują wybrane topologie SNN (Sztuczne Sieci Neuronowe), wykorzystywane są powszechnie również w szeroko rozumianej praktyce, np. wspomagają procesy decyzyjne zachodzące w przetwórstwie rolno-spożywczym, np. w branży mleczarskiej. Celem pracy było wykorzystanie SNN jako narzędzia predykcyjnego w procesie oceny wpływu wybranych cech zootechnicznych krów na jakość mleka krów, która określana jest przez normy definiujące spełnienie wymogów odnośnie poziomu zawartości komórek somatycznych w pozyskiwanym mleku. W pracy wytworzono optymalny model predykcyjny będący neuronową topologią typu MLP: 6-17-1 (MultiLayer Perceptron). Przeprowadzona analiza wrażliwości wygenerowanego modelu neuronowego na poszczególne zmienne wejściowe wykazała istotny wpływ wybranych cech zootechnicznych na liczbę komórek somatycznych w pozyskanym mleku.
6
Content available remote Zastosowanie samouczącego się trzypunktowego minimodelu do modelowania stopy bezrobocia w Polsce
Piegat A., Wąsikowska B., Korzeń M.
Zeszyty Naukowe. Studia Informatica / Uniwersytet Szczeciński
|
2011
|
Nr 27
59--69
PL
W artykule przedstawiono koncepcję ograniczonego, lokalnego, trójkątnego minimodelu, którego celem jest udzielenie – na podstawie próbek zależności y = f(x1, x2), jaką dysponujemy w bazie wiedzy – odpowiedzi na zapytania obliczeniowe. Badania wykazały, że dokładność obliczeń realizowanych przez minimodel jest wysoka, a czas obliczeń krótki. Uzyskana wysoka dokładność jest wynikiem lokalności minimodelu. Dalsze prace autorów idą w kierunku opracowania nieliniowych minimodeli o jeszcze wyższej dokładności obliczeń.
DE
Gegenstand des Artikels ist die Konstruktionsmethode des lokalen Minimodels das eine beträchtliche Lerngeschwindigkeit besitzt. Das Model dient hier zur Berechnung schneller Antworten an Anfragen bettreffens der Arbeitslosenquote aufgrund der Daten. Die Anzahl der Daten muss nicht konstant sein und kann mit der Zeit vergrößert werden, falls neue Daten gewonnen werden. Ein großer Vorteil des Minimodels ist seine Fähigkeit zur Interpolation in den Informationslücken in den Daten. Diese Fähigkeit unterscheidet das vorgeschlagene Minimodel von der KNN-Methode (Methode der nahesten Nachbarn). Ausser dem Erklären der Minimodelsidee wurde in dem Artikel ein Beispiel der Anwendung zur Modellierung der Arbeitslosenquote aufgrund statistischer Daten gezeigt. Die Qualität des Minimodels wurde mit der bekannten „leave one out” Methode geprüft.
7
Neuronowy model efektywności energetycznej urządzenia ziębniczego
Łokietek T., Nikończuk P.
Chłodnictwo : organ Naczelnej Organizacji Technicznej
|
2011
|
R. 46, nr 7
10-12
PL
W artykule przedstawiono utworzony model neuronowy efektywności energetycznej oraz ziębniczej urządzenia ziębniczego z rekuperacją ciepła skroplin (pochodzących z procesu oziębiania i odwilżania powietrza) w zależności od trzech parametrów: temperatury wewnątrz komory, temperatury na zewnątrz komory, strumienia masowego skroplin. Model utworzono za pomocą relatywnie prostej sieci neuronowej zawierającej jedną warstwę dziesięcioneuronową w warstwie ukrytej. Będzie on wykorzystany w przyszłości przy tworzeniu bardziej złożonego modelu efektywności urządzenia ziębniczego.
EN
The paper presents the neural model of energy efficiency and COP of a refrigerating device with the recovery of heat from dew condensate (from the process of cooling and dehumidifying the moist air) depending on three parameters: temperature inside the chamber, ambient temperature and condensate mass flux. The model was created using a relatively simple neural network containing one ten-neuron layer in the hidden layer. It will be used in future development of a more complex model of energy efficiency of refrigerating devices.
8
Wpływ funkcji aktywacji neuronu na jakość modelowania ruchu okrętu z wykorzystaniem sztucznych sieci neuronowych
Żak B.
Modelowanie Inżynierskie
|
2010
|
T. 9, nr 40
291-305
PL
W artykule został przedstawiony model symulacyjny dynamiki ruchu okrętu zbudowany z wykorzystaniem sztucznych sieci neuronowych. Opisano model matematyczny okrętu, który był podstawą uczenia sieci neuronowej modelującej ruch okrętu. Charakter dynamiczny sieci neuronowej modelującej ruch okrętu został osiągnięty poprzez zamodelowanie w neuronach połączeń, zamiast stałymi wartościami współczynników wagowych, liniową dyskretną transmitancją operatorową. Dla opracowanego modelu przebadano wpływ funkcji aktywacji neuronu na jakość modelowanego procesu. Ponadto została przedstawiona struktura sieci neuronowej wykorzystanej do budowy modelu neuronowego okrętu, a także przykładowe wyniki badań symulacyjnych dla neuronowego modelu trałowca przy różnych funkcjach aktywacji neuronu.
EN
The paper presents model dynamics movement of ship's build with using artificial neural network. The mathematical model of ship, which was used as basis for training neural network was described. The dynamic character of artificial neural network was reached be modeling the connections between neurons using linear discrete operational transmittance instead of constant values of weights' coefficients. Moreover the structure of neuronal network used for creating the model of the ship became introduced. For the worked out model the influence of the activation's function of neuron on the quality of the modeled process was investigated. Also example results of simulating researches for the neuronal model of trawler with various activation's function of the neuron were introduced.
9
Modelowanie i badanie dynamiki procesów naprowadzania i lotu sterowanej rakiety przeciwlotniczej z wykorzystaniem sztucznych sieci neuronowych
Karczmarz D., Manerowski J.
Logistyka
|
2010
|
nr 6
PL
W artykule przedstawiono zastosowanie sztucznych sieci neuronowych w modelowaniu dynamiki procesu naprowadzania i lotu przeciwlotniczej rakiety. Wykorzystano wyniki ze strzelań bojowych rakietami zestawu przeciwlotniczego. Zamieszczono wyniki badań umożliwiające ocenę dokładności odwzorowania obiektu przez wyznaczony model.
EN
Artificial neural networks application into the modeling of the antiaircraft missile flight and guidance dynamics were presented in the paper. The real antiaircraft missile unit combat firings have been used. The achieved model coefficients evaluating the simulated object imitation quality were included.
10
Content available remote Zastosowanie modelowania neuronowego do analizy wpływu depresatorów na lepkość surowego oleju rzepakowego
Niedbała G., Pilarski K.
Inżynieria Rolnicza
|
2009
|
R. 13, nr 9
331-336
PL
Celem pracy była budowa modelu neuronowego do analizy wpływu zastosowanych dodatków-depresatorów przeznaczonych do oleju napędowego, na lepkość kinematyczną surowego oleju rzepakowego. W pracy przedstawiono wyniki analiz zastosowanych depresatorów, które były dawkowane do 3% objętości, w różnych temperaturach otoczenia. Temperatury zostały tak dobrane, aby odzwierciedlały rzeczywiste warunki pracy silników w ciągnikach rolniczych i oscylowały od - 10°C do + 30°C (ze stopniowaniem o 5°C). Wytworzony model neuronowy miał za zadanie prognozować lepkość surowego oleju rzepakowego uwzględniając trzy parametry: rodzaj zastosowanego dodatku-depresatora, stężenie objętościowe oraz temperaturę otoczenia, w której mieszanina była poddawana badaniu na lepkość. Wyniki analizy wrażliwości sieci wskazały, że największy wpływ na lepkość ma temperatura otoczenia.
EN
The aim of the work was to build the neural model of analysis influences applied depressers of diesel oil on the viscosity of raw rapeseed oil. The analyse showed results applied depressers which were dosed to 3% volumes in the various temperatures of surroundings. The chosen temperatures showed the real conditions of the work of engines reflected in agricultural tractors and oscillated from -10°C to +30°C (with graduating about 5°C). There were three parameters predicted: kind applied depresatora, volumetric concentration and the temperature of the surroundings which in investigated viscosity of mixture. It results from the study that the temperature of surroundings had the largest influence on viscosity of raw rapeseed oil.
11
Content available remote Comparative analysis of synchronous generator neural and circuit models
Nocoń A., Paszek S.
Prace Naukowe Politechniki Śląskiej. Elektryka
|
2008
|
z. 2
79-91
EN
The paper presents the comparative analysis of the synchronous generator neural and circuit models. In the investigations presented special attention is paid to the representation of transients of the synchronous generator working as an autonomous supply source. The problem of estimation of the analysed model parameters was brought to determining the minimum of the objective function. In order to do it, a three-stage, hybrid algorithm consisting of genetic, Nelder-Mead and gradient algorithms was used.
PL
Artykuł przedstawia wyniki analizy porównawczej neuronowego i obwodowego modelu generatora synchronicznego. Analizowane modele przeznaczone są do badań symulacyjnych generatora synchronicznego, pracującego jako autonomiczne źródło zasilania. Problem estymacji parametrów badanych modeli sprowadzono do minimalizacji przyjętej funkcji celu. Do minimalizacji funkcji celu zastosowano trzystopniowy algorytm hybrydowy, bazujący na algorytmie genetycznym, algorytmie Neldera-Meada i algorytmie gradientowym.
12
Content available Neuronowy model do identyfikacji makrouszkodzeń ziarniaków
Nowakowski K., Boniecki P.
Journal of Research and Applications in Agricultural Engineering
|
2008
|
Vol. 53, nr 2
79-81
PL
Realizacja projektu obejmowała zbudowanie i wytrenowanie neuronowego modelu do identyfikacji makrouszkodzeń ziarniaków. Rozpoznawania uszkodzeń dokonywano na podstawie cyfrowych fotografii skonwertowanych przez wytworzony system informatyczny do postaci zbiorów uczących dedykowanych dla sztucznej sieci neuronowej. Do uczenia sieci wybrano zestaw reprezentatywnych cech. W zbiorze tym zawarto informacje o barwie (zakodowanej do postaci liczbowej), polu powierzchni, obwodzie i wybranych współczynnikach kształtu. Pojedynczy przypadek uczący zawierał 1031 zmiennych, z czego 1024 to zmienne zawierające informacje o barwie. Identyfikacji makrouszkodzeń dokonano na ziarniakach kukurydzy odmiany Clarica FAO 280.
EN
The realization of project enclosed construction and training neuronal model to identification of damages of corn kernels. Recognizing the damages was made on basis of digital photos converted by produced computer system to learning files dedicated for artificial neural network. The network was learned on chosen representative tags. The taught model marks abilities of identification approximate quality to human. Neural model can in real time identify larger number of kernels than man. The number of kernels is only limited by method of images acquisition and the computational power of applied equipment to implementation of model. Big advantage is also the lack of natural man limitations which for example are: fatigue and subjective opinion.
13
Content available Model neuronowy zmian zawartości wody w zrębkach wierzby podczas konwekcyjnego suszenia
Łapczyńska-Kordon B., Francik S.
Inżynieria Rolnicza
|
2008
|
R. 12, nr 11(109)
143-148
PL
Celem pracy było opracowanie modelu zmian zawartości wody w zrębkach wierzby energetycznej w czasie, w postaci sztucznej sieci neuronowej. Model został opracowany w oparciu o wyniki badań procesu konwekcyjnego suszenia zrębków wierzby o długości 2 cm, ale różnej średnicy, w suszarce laboratoryjnej z wymuszonym przepływem powietrza. Materiał był suszony w temperaturach 40, 50, 60 i 70°C. Na podstawie otrzymanych wyników badań został sformułowany, za pomocą SSN, model zmian zawartości wody w zależności od sześciu zmiennych wejściowych: czasu suszenia, temperatury czynnika suszącego, długości i średnicy zrębków oraz początkowej zawartości wody i masy zrębków. Spośród opracowanych modeli wybrano model o architekturze MLP 6:6-15-14-1:1, ponieważ podczas weryfikacji empirycznej stwierdzono, że obliczony błąd średniokwadratowy dla tego modelu był najmniejszy.
EN
The purpose of the work was to develop a model of changes in time of water content in energy willow chips using artificial neural networks (ANN). The model was developed on the grounds of examination results obtained for convection process applied for drying of 20mm-long willow chips with different diameters, carried out in a laboratory drier with forced air flow. The material was dried at the temperature of 40, 50, 60 and 70°C. Obtained examination results provided grounds to formulate, using the ANN, the model of changes in water content depending on six input variables: drying time, drying medium temperature, length and diameter of chips, and initial water content and weight of chips. The model with MLP architecture 6:6-15-14-1:1 was chosen from among all developed models because empirical verification proved that computed mean square error for that model was lowest.
14
Content available Model neuronowy zmian temperatury podczas konwekcyjnego suszenia zrębków wierzby energetycznej
Łapczyńska-Kordon B., Francik S., Ślipek Z.
Inżynieria Rolnicza
|
2008
|
R. 12, nr 11(109)
149-155
PL
W pracy podjęto próbę zastosowania sztucznych sieci neuronowych do modelowania rozkładu temperatury w zrębkach suszonych konwekcyjnie. W modelu uwzględniono cztery zmienne wejściowe: temperaturę czynnika suszącego, początkową zawartość wody, wymiary zrębka, czas suszenia oraz jedna wyjściową - temperaturę materiału. Do budowy modelu posłużyły wyniki badań procesu konwekcyjnego suszenia zrębków wierzby, w trzech temperaturach: 50, 60 i 70°C, w suszarce z wymuszonym obiegiem powietrza. Podczas suszenia, w równych odstępach czasowych, określano zawartość wody i temperaturę materiału. Sformułowany model w oparciu o sztuczne sieci neuronowe został wybrany na podstawie najmniejszej wartości błędu średnio kwadratowego dla zbioru walidacyjnego. Następnie model ten poddano testowaniu i weryfikacji za pomocą wyników pomiarów wykonanych w takich samych warunkach jak opisane powyżej. Stwierdzono, że model poprawnie opisuje kinetykę zmian temperatury materiału w zależności od wybranych czterech czynników wejściowych.
EN
The paper demonstrates an attempt to employ artificial neural networks to model temperature distribution in chips being dried in the convection process. Four input variables were taken into account in the model: drying medium temperature, initial water content, chip dimensions and drying time, and one output variable - material temperature. Examination results for willow chips convection drying process, carried out at three temperature values: 50, 60 and 70°C in a drier with forced air flow were used to build the model. During drying the researchers were determining water content and material temperature at equal time intervals. The model formulated using artificial neural networks was selected according to the lowest mean square error value for validation set. Then, this model was subject to testing and verification using results of measurements performed in the same conditions as those described above. It has been observed that the model correctly describes kinetics of changes in material temperature depending on the selected four input factors.
15
Content available remote Attempt of neural modelling of castings crystallisation control process
Tadeusiewicz R., Grabska-Chrząstowska J., Połcik H.
Computer Methods in Materials Science
|
2008
|
Vol. 8, No. 2
58-69
EN
The paper presents a successful attempt to create a neural model for a casting process. Neural network, following the training process, is able to predict selected effects of casting cooling (as a number of metal crystals in certain point of the casting), based on the data referring to the cooling method (the casting is cooled with water, the flow of which is controlled according to a set time algorithm). Various structures of neural networks used for solving the problem in question have been illustrated and the results obtained have been discussed. After creating several successful versions of a straight model, an attempt was made to set up a reverse model, it is such model in which expected control result is supplied to the input of the neural network (here, the number of crystals in a casting), and the network is expected to generate output signal stating how the cooling of the casting should be controlled to accomplish that objective. This has proven impossible, and the relevant reasons and circumstances have been presented.
PL
W artykule zaprezentowano udaną próbę stworzenia neuronowego modelu procesu odlewniczego. Sieć neuronowa po procesie uczenia jest w stanie przewidzieć wybrane efekty chłodzenia odlewu (w postaci liczby kryształów metalu występujących w określonym punkcie odlewu) na podstawie danych dotyczących sposobu chłodzenia odlewu (odlew jest chłodzony wodą, której przepływ sterowany jest według zadawanego wzorca czasowego). W pracy pokazano różne struktury sieci neuronowych używanych do rozwiązywania postawionego problemu oraz przedyskutowano uzyskiwane przy ich pomocy wyniki. Po stworzeniu kilku udanych wersji modelu prostego podjęto próbę stworzenia modelu odwrotnego, to znaczy takiego, w którym na wejście sieci neuronowej podawany jest oczekiwany wynik sterowania (tu - ilość kryształów w odlewie) i oczekuje się, ze sieć na swoim wyjściu wyprodukuje sygnał określający, jak należy sterować chłodzeniem odlewu, żeby ten cel osiągnąć. To zadanie okazało się niemożliwe do zrealizowania, przy czym w artykule dokładnie pokazano przyczyny i okoliczności tej niemożliwości.
16
Content available Prognozowanie plonów wybranych płodów rolnych z wykorzystaniem modeli neuronowych w postaci szeregów czasowych
Boniecki P., Mueller W.
Journal of Research and Applications in Agricultural Engineering
|
2006
|
Vol. 51, nr 4
40-43
PL
Jednym z ważnych etapów badania oraz analizy systemów empirycznych jest proces prognozowania, mający praktyczne zastosowanie w szerokim zakresie działalności ludzkiej. W przypadku przewidywania wielkości płodów rolnych mamy do czynienia z szeregiem złożonych bodźców, które w efekcie przekładają się na wynik końcowy, jakim jest plon. Jakość tych prognoz ma ogromne znaczenie dla kolejnych etapów w łańcuchu produkcyjno-dystrybucyjnym płodów rolnych. Sieci neuronowe w postaci szeregów czasowych są wysublimowaną techniką modelowania, zdolną odwzorować bardzo złożone funkcje. Celem analizy szeregów czasowych jest ustalenie prognozy przyszłych wartości pewnej zmiennej, której wartości zmieniają się w czasie. Najczęściej dąży się do obliczenia prognozy korzystając z wcześniejszych wartości tej samej zmiennej, której wartość ma być przewidywana. Zbiór uczący, wykorzystywany przy neuronowej analizie szeregów czasowych, budowany jest zwykle w oparciu o pojedynczą zmienną, której typ określony jest jako "Wejściowo-Wyjściowy". Oznacza to, że jest ona wykorzystywana zarówno jako wejście sieci neuronowej, jak i jako jej wyjście.
EN
Prediction becomes a very important stage in many activities. In case of expectation crops of chosen agricultural foetuses we deal with a number of stimuli which consequently transform into the end effect. It is clear that the quality of those predictions has a great influence on subsequent stages in the production and distribution chain of agricultural foetuses. Neural networks by time series are a sophisticated technique of modeling capable of reflecting very complex functions. In time series problems, the objective is to predict ahead the value of a variable which varies in time, using previous values of that and/or other variables. The time series training data set therefore typically has a single variable, and this has type input/output (i.e., it is used both for network input and network output).
17
Content available remote Assessing the quality of neural models using a model of flow characteristics of fabrics as an example
Tokarska M.
Autex Research Journal
|
2006
|
Vol. 6, no. 3
162--168
EN
In this article, a method for assessing the quality of now-widespread neuron models is presented. Attention has been paid to the significance of analysing individual input quantities in the model constructed. Then, the parameters which are quantitative measures of the neural model's quality have to be specified. The need for structural verification of the network is stressed, which is the basis for stating that the neural model obtained has been well matched with the investigation results. The assessment of the neural model's quality has been shown, using a model of the flow characteristics of fabrics as an example.
18
Dobór modelu neuronowego typu MLP do opisu koncentracji tlenku węgla
Tomczak E.
Chemia i Inżynieria Ekologiczna
|
2004
|
Vol. 11, nr S2
217-227
PL
Celem pracy bylo badanie zanieczyszczeń gazowych znad arterii komunikacyjnej miasta Łodzi, charakteryzującej się zwiększonym ruchem pojazdów samochodowych. Przedstawiono modele matematyczne służące do symulacji rozprzestrzeniania się zanieczyszczeń gazowych nad prostoliniowym odcinkiem drogi. Przeprowadzono symulację komputerową obliczania poziomu stężenia tlenku węgla za pomocą modelu neuronowego (perceptronu wielowarstwowego MLP - multilayer perceptron) z uwzględnieniem postaci funkcji przejścia w warstwie ukrytej i wyjściowej. Dokonano weryfikacji wyników doświadczalnych z wynikami symulacji komputerowej.
EN
Atmosphere pollution in big urban agglomerations is caused first of all by road traffic. In many countries vehicles contribute significantly to air pollution reaching 50% for HC (hydrocarbons), 50+70% for NOx (nitric oxides) and 80% for CO (carbon monoxide). In Poland, road transport is estimated to be a source of 40-50% gas pollution. To estimate air pollution, statistical and experimental models are used most frequently when there is no good mathematical description of the process, or when data for solving equations of the mathematical model are insufficient. The models are formulated on the basis of a sufficiently big set of information obtained while observing the process. In this group of models there are very popular models built using artificial neural networks. The latest approach is the application of the artificial neural networks in predicting air pollution, among the others, on the basis of known meteorological conditions and traffic density. The aim of the study was to investigate gas pollutants from over arterial roads in the city of Łódź that are characterised by intensive traffic. Mathematical models for the simulation of gas pollutant propagation over a straight road segment are presented. A computer simulation of calculating carbon monoxide concentration was carried out using a neural model (MLP - multilayer perceptron) taking into account the form of transition function in the hidden and output layer. Experimental and computer simulation results have been verified.
19
Content available remote Potential cutting properties of grinding wheels and grinding results.
Urbaniak M.
Advances in Manufacturing Science and Technology
|
2002
|
Vol. 26, nr 2
49-61
EN
In the paper an analysis of grinding process simulation results is described. The analysis was carried out on the basis of grinding wheel cutting surface (GWCS) profile measurement. In the next step, a neural model was used to evaluate a relationship between parameters, characterising potential functional properties of GWCS and real grinding results, described by residual stresses and roughness of machined surface.
PL
W opracowaniu przedstawiono analizę wyników symulacji procesu szlifowania wykonaną na podstawie pomiarów czynnej powierzchni ściernicy profilografowaniem, Następnie korzystając z modelu neuronowego, przeprowadzono ocenę zależności pomiędzy parametrami charakteryzującymi potencjalne właściwości użytkowe CPS a rzeczywistym wynikiem szlifowania określonym przez naprężenia w warstwie wierzchniej i chropowatość przedmiotu po obróbce.
20
Content available remote Neural network approach to analysis of grinding wheel cutting surface properties.
Urbaniak M.
Advances in Manufacturing Science and Technology
|
2002
|
Vol. 26, nr 1
55-66
EN
In the paper the results of analysis of grinding wheel cutting surface (GWCS) during dressing operation are shown. A concept of GWCS state evaluation, based on statistical parameters concerning static cutting edges lay-out was proposed. Using GWCS topography measurement data-base, a neural model of GWCS topography was presented. The model employed grinding wheel characteristics and dressing conditions. Next step was to built a model od GWCS cutting properties. The model shows potential cutting properties of GWCS using statistical parameters: classes of hight of active cutting edges, distance between these edges, undeformed chip thickness and kinematic length of contact between grains and ground material.
PL
W pracy przedstawiono wyniki analizy czynnej powierzchni ściernicy (CPS) po zabiegu obciągania. Zaproponowano koncepcję określenia stanu CPS za pomocą parametrów statystycznych. Posługując się bazą danych pomiarowych CPS, opracowano model neuronowy jej topografii zależnej od charakterystyki technicznej i warunków obciągania. Kolejnym krokiem było zbudowanie neuronowego modelu potencjalnych właściwości skrawnych CPS, który charakteryzuje je również za pomocą parametrów statystycznych. Są to zbiory wysokości czynnych krawędzi skrawających, odległości między tymi krawędziami, kinematycznych grubości wiórów i długości styku między krawędziami skrawającymi a materiałem obrabianym.
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.