Wyniki wyszukiwania - BazTech

1

Fault diagnosis of electrical faults of three-phasei nduction motors using acoustic analysis

Glowacz Adam, Sulowicz Maciej, Kozik Jarosław, Piech Krzysztof, Glowacz Witold, Li Zhixiong, Brumercik Frantisek, Gutten Miroslav, Korenciak Daniel, Kumar Anil, Lucas Guilherme Beraldi, Irfan Muhammad, Caesarendra Wahyu, Lui Hui

Bulletin of the Polish Academy of Sciences. Technical Sciences

|

2024

|

Vol. 72, nr 1

art. no. e148440

EN

Fault diagnosis techniques of electrical motors can prevent unplanned downtime and loss of money, production, and health. Various parts of the induction motor can be diagnosed: rotor, stator, rolling bearings, fan, insulation damage, and shaft. Acoustic analysis is non-invasive. Acoustic sensors are low-cost. Changes in the acoustic signal are often observed for faults in induction motors. In this paper, the authors present a fault diagnosis technique for three-phase induction motors (TPIM) using acoustic analysis. The authors analyzed acoustic signals for three conditions of the TPIM: healthy TPIM, TPIM with two broken bars, and TPIM with a faulty ring of the squirrel cage. Acoustic analysis was performed using fast Fourier transform (FFT), a new feature extraction method called MoD-7 (maxima of differences between the conditions), and deep neural networks: GoogLeNet, and ResNet-50. The results of the analysis of acoustic signals were equal to 100% for the three analyzed conditions. The proposed technique is excellent for acoustic signals. The described technique can be used for electric motor fault diagnosis applications.

2

Zastosowanie sieci neuronowych do detekcji impulsów o znanym kształcie w obecności silnego szumu i trendu

Betka Szymon, Blok Marek

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2023

|

nr 4

220--223

PL

Detekcja impulsów w odebranym sygnale radiowym, zwłaszcza w obecności silnego szumu oraz trendu, jest trudnym zadaniem. Artykuł przedstawia propozycje rozwiązań wykorzystujących sieci neuronowe do detekcji impulsów o znanym kształcie w obecności silnego szumu i trendu. Na potrzeby realizacji tego zadania zaproponowano dwie architektury. W pracy przedstawiono wyniki badań wpływu kształtu impulsu, mocy zakłóceń szumowych oraz trendu obecnego w sygnałach wejściowych sieci, na skuteczność detekcji zaproponowanych rozwiązań.

EN

Detecting pulses in a received radio signal, especially in the presence of strong noise and trend, is a difficult task. The article presents proposed solutions based on neural networks for the detection of pulses of known shape in the presence of strong noise and trend. Two architectures are proposed for the purpose. The paper presents the results of the study of the influence of the pulse shape, the noise power, and the trend present in the input signals of the network on the detection performance of the proposed solutions.

3

Wskazywanie punktu startowego dla iteracyjnych algorytmów obliczania położenia z użyciem sieci neuronowej

Sadowski Jarosław, Stefański Jacek

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2023

|

nr 4

244--247

PL

W referacie przedstawiono wyniki badań nad możliwością wskazywania punktu startowego do pierwszej iteracji dla algorytmu iteracyjnego obliczania położenia w systemie lokalizacji dwuwymiarowej. Do wskazywania punktu startowego użyto jednokierunkowej sieci neuronowej a celem badań było znalezienie jak najmniejszej struktury sieci, pozwalającej na zbieżność algorytmu estymacji położenia w całym obszarze badań.

EN

The paper presents the results of a study on the possibility of starting point selection for the first iteration for an iterative position calculation algorithm in a two dimensional location system. A feedforward neural network was used to indicate the starting point and the aim of the study was to find the smallest possible network structure, allowing the position estimation algorithm to converge over the entire study area.

4

Dekodowanie kodów iterowanych z użyciem sieci neuronowej

Fiedot Oskar, Blok Marek

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2023

|

nr 4

190--193

PL

Nadmiarowe kody iterowane są jedną z prostych metod pozyskiwania długich kodów korekcyjnych zapewniających dużą ochronę przed błędami. Jednocześnie, chociaż ich podstawowy iteracyjny dekoder jest prosty koncepcyjnie oraz łatwy w implementacji, to nie jest on rozwiązaniem optymalnym. Poszukując alternatywnych rozwiązań zaproponowano, przedstawioną w pracy, strukturę dekodera tego typu kodów wspomaganą przez sieci neuronowe. Zaproponowane rozwiązanie pozwala na wykrywanie oraz korekcję błędów w odbieranych ciągach.

EN

Redundant iterated codes are one of the simple methods of deriving long correction codes that provide high error protection. At the same time, although their basic iterative decoder is conceptually simple and easy to implement, it is not an optimal solution. Looking for alternative solutions, a neural network-assisted decoder structure for this type of codes was proposed. The solution presented in this paper allows the detection and correction of errors in the received sequences.

5

Zastosowanie sieci neuronowych do detekcji zwarć zwojowych silnika PMSM z wykorzystaniem modelowania matematycznego

Krzysztofiak mateusz, Tarchała Grzegorz

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 4

30--35

PL

W artykule zaprezentowano metodę diagnostyki zwarć zwojowych stojana silnika PMSM, wykorzystującą sieć neuronową. Przeanalizowano sygnały prądowe i napięciowe pochodzące ze struktury sterowania, a następnie poddano je analizie w celu ekstrakcji najlepszych symptomów uszkodzeń. Wybrane cechy podano na wejście sieci neuronowej podczas procesu treningu. Badania eksperymentalne prezentują potencjał zastosowania modelowania matematycznego jako generatora wzorców symptomów uszkodzeń.

EN

This paper presents a method for diagnosing the inter-turn short circuits of a PMSM, using a neural network. Current and voltage signals from the control structure were then analysed to extract the best fault symptoms. The selected features were given to the neural network input during the training process. The tests performed on a experimental setup demonstrate the potential of using mathematical modelling as a fault symptom pattern generator.

6

Comparison of CNN and LSTM algorithms for solving the EIT inverse problem

Kłosowski Grzegorz, Maj Michał, Oleszek Michał

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 1

230--233

EN

This article presents comparative research to verify the suitability of selected machine learning methods for the problem of solving the inverse problem in electrical impedance tomography. The research involved the use of a tomograph to image areas of moisture inside the walls. The measurement data collected by the tomograph was transformed into 3D spatial images using two types of artificial neural networks - convolutional neural network (CNN) and recurrent long short-term memory network (LSTM).

PL

W tym artykule przedstawiono badania porównawcze w celu weryfikacji przydatności wybranych metod uczenia maszynowego do zagadnienia polegającego na rozwiązaniu problemu odwrotnego w elektrycznej tomografii impedancyjnej. Badania polegały na wykorzystaniu tomografu do obrazowania obszarów zawilgocenia wewnątrz murów. Zgromadzone za pomocą tomografu dane pomiarowe zostały przekształcone na obrazy przestrzenne 3D za pomocą dwóch rodzajów sztucznych sieci neuronowych – konwolucyjne sieci neuronowej (CNN) oraz sieci rekurencyjnej typu long short-term memory (LSTM).

7

Analysis of false alarm causes in video fire detecion systems

Mazur Michał, Wiśnios Michał, Paś Jacek

Journal of KONBiN

|

2023

|

Vol. 53, iss. 2

187--208

EN

Video-based fire detection systems represent an innovative path in fire signalling. Thanks to a suitably designed algorithm, a system of this kind can enable the detection of a flame based on its characteristics such as colour or shape, which were not previously used in classical fire detection systems. Video-based detection systems, due to their early stage of development in the fire protection market, are not yet a certified, fully tested method for early fire detection. This paper focuses on the analysis of possible causes of false alarms occurring in video-based fire detection systems in relation to classical Fire Alarm Systems (FAS). For this purpose, a video-based flame detection algorithm is designed and implemented to further analyse the phenomena occurring in such systems.

PL

Systemy wizyjnej detekcji pożaru stanowią innowacyjną ścieżkę w zakresie sygnalizacji pożarowej. Dzięki odpowiednio zaprojektowanemu algorytmowi, system tego rodzaju może umożliwiać detekcję płomienia na podstawie takich jego cech jak barwa lub kształt, które do tej pory nie były wykorzystywane w klasycznych systemach wykrywania pożaru. Systemy wizyjnej detekcji ze względu na wczesny okres ich rozwoju na rynku systemów ochrony przeciwpożarowej, nie są jeszcze certyfikowaną, w pełni sprawdzoną metodą wczesnego wykrywania pożarów. Niniejszy artykuł skupia się na analizie możliwych przyczyn fałszywych alarmów występujących w wizyjnych systemach detekcji pożaru w odniesieniu do klasycznych Systemów Sygnalizacji Pożarowej (SSP). W tym celu zaprojektowany i zaimplementowany zostały algorytm wizyjnej detekcji płomienia, który pozwoli dokładniej przeanalizować zjawiska zachodzące w tego rodzaju systemach.

8

Development of methods for predicting hydrate formation in gas storage facilities and measures for their prevention and elimination

Volovetskyi V. B., Doroshenko Ya. V., Matkivskyi S. V., Raiter P. M., Shchyrba O. M., Stetsiuk S. M., Protsiuk H. Ya.

Journal of Achievements in Materials and Manufacturing Engineering

|

2023

|

Vol. 117, nr 1

25--41

EN

Purpose The purpose of this work is to study the processes of hydrate formation during the operation of wells and underground gas storage facilities. Development of a set of measures aimed at the prediction and timely prevention of hydrate formation in wells and technological equipment of gas storage facilities under different geological and technological conditions. Design/methodology/approach The prediction of hydrate formation processes was carried out using a neural network that is a software product with weight factors calculated in MATLAB environment and the ability to adapt parameters of the network specified to updated and supplemented input data during its operation. So, within the MATLAB software environment, a software module of a two-layer artificial neural network with a random set of weight factors is created at the first stage. In the second stage, the neural network is trained using experimental field input/output data set, output data. In the third stage, an artificial neural network is used as a means of predicting hydrate formation with the ability to refine weight factors during its operation subject to obtaining additional updated data, as an input set, for modifying the coefficients and, accordingly, improving the algorithm for predicting of an artificial neural network. In the absence of new data for the additional training of an artificial neural network, it is used as a computing tool that, on the basis of input data about the current above-mentioned selected technological parameters of fluid in the pipeline, ensures the output values in the range from 0 to 1 (or from 0 to 100%), that indicates the probability of hydrates formation in the controlled section of the pipeline. Application of such an approach makes it possible to teach; additionally,, that is, to improve the neural network; therefore this means of predicting hydrate formations objectively increases reliability of results obtained in the process of predicting and functioning of the system. The authors of the work recommend to carry out an integrated approach to ensure clear control over the operation mode of wells and gas collection points. Findings According to the results of experimental studies, the places of the most likely deposition of hydrates in underground gas storage facilities were identified, in particular, in the inside space of the flowline in places of accumulation of liquid contaminants (lowered pipeline sections) and an adjustable choke of the gas collection point. The available methods used to prevent and eliminate hydrate formation both in wells and at gas field equipment were analyzed. Such an analysis made it possible to put together a list of methods that are most appropriate for the conditions of gas storage facilities in Ukraine. The method of predicting hydrate formation in certain sections of pipelines based on algorithms of artificial neural networks is proposed. The developed methodology based on data on values of temperatures and pressures in certain sections of pipelines allows us to predict the beginning of the hydrate formation process at certain points with high accuracy and take appropriate measures. Research limitations/implications To increase the efficiency of solving the problem of hydrate formation in gas storage facilities, it is expedient to introduce new approaches to timely predict complications, in particular, the use of neural networks and diverse measures. Practical implications Implementation of the developed predicting methodology and methods and measures to prevent and eliminate hydrate formation in wells and technological equipment in underground gas storage facilities will increase the operation efficiency of underground gas storage facilities. Originality/value The use of artificial intelligence to predict hydrate formations in flowlines of wells and technological equipment of underground gas storage facilities is proposed. Using this approach to predict and functionthe system as a whole ensures high reliability of the results obtained due to adaptation of the system to the specified control conditions.

9

Hospitalization patient forecasting based on multi-task deep learning

Zhou Min, Huang Xiaoxiao, Liu Haipeng, Zheng Dingchang

International Journal of Applied Mathematics and Computer Science

|

2023

|

Vol. 33, no. 1

151--162

EN

Forecasting the number of hospitalization patients is important for hospital management. The number of hospitalization patients depends on three types of patients, namely, admission patients, discharged patients, and inpatients. However, previous works focused on one type of patients rather than the three types of patients together. In this paper, we propose a multi-task forecasting model to forecast the three types of patients simultaneously. We integrate three neural network modules into a unified model for forecasting. Besides, we extract date features of admission and discharged patient flows to improve forecasting accuracy. The algorithm is trained and evaluated on a real-world data set of a one-year daily observation of patient numbers in a hospital. We compare the performance of our model with eight baselines over two real-word data sets. The experimental results show that our approach outperforms other baseline algorithms significantly.

10

Binary associative memories with complemented operations

Gamino-Carranza Arturo

International Journal of Applied Mathematics and Computer Science

|

2023

|

Vol. 33, no. 2

249--265

EN

Associative memories based on lattice algebra are of great interest in pattern recognition applications due to their excellent storage and recall properties. In this paper, a class of binary associative memory derived from lattice memories is presented, which is based on the definition of new complemented binary operations and threshold unary operations. The new learning method generates memories M and W; the former is robust to additive noise and the latter is robust to subtractive noise. In the recall step, the memories converge in a single step and use the same operation as the learning method. The storage capacity is unlimited, and in autoassociative mode there is perfect recall for the training set. Simulation results suggest that the proposed memories have better performance compared to other models.

11

Overload and traffic management of message sources with different priority of service

Kozlovskyi Valerii, Kozlovskyi Valerii, Toroshanko Andrii, Toroshanko Oleksandr, Yakymchuk Natalia

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 3

33--36

EN

The scheme of dynamic management of traffic and activity of message sources with different priority of service is considered. The scheme is built on the basis of the neuroprognostic analysis model and the gradient descent method. For prediction and early detection of overload, the apparatus of the general theory of sensitivity with indirect feedback and control of activity of message sources is used. The control algorithm is started at the bottleneck of the network node. It uses a recursive prediction approach where the neural network output is referred to as many steps as defined by a given prediction horizon. Traffic with a higher priority is served without delay using the entire available bandwidth. Low-priority traffic will use the remaining bandwidth not used by higher-priority traffic. An algorithm for estimating the maximum available bandwidth of a communication node for traffic with a low service priority has been developed. This approach makes it possible to improve the efficiency of channel use without affecting the quality of service for high-priority traffic.

PL

Rozważono schemat dynamicznego zarządzania ruchem i aktywnością źródeł komunikatów o różnym priorytecie obsługi. Schemat zbudowany jest w oparciu o model analizy neuroprognostycznej oraz metodę gradientu. Do prognozowania i wczesnego wykrywania przeciążenia wykorzystuje się aparaturę ogólnej teorii wrażliwości z pośrednim sprzężeniem zwrotnym i kontrolą aktywności źródeł komunikatów. Algorytm sterowania jest uruchamiany w wąskim gardle węzła sieci. Wykorzystuje metodę predykcji rekurencyjnej, w której dane wyjściowe sieci neuronowej są odnoszone do tylu kroków, ile określono w danym horyzoncie predykcji. Ruch o wyższym priorytecie jest obsługiwany bez opóźnień z wykorzystaniem całej dostępnej przepustowości. Ruch o niskim priorytecie będzie wykorzystywał pozostałą przepustowość niewykorzystaną przez ruch o wyższym priorytecie. Opracowano algorytm szacowania maksymalnej dostępnej przepustowości węzła komunikacyjnego dla ruchu o niskim priorytecie usługi. Takie podejście umożliwia poprawę efektywności wykorzystania kanałów bez wpływu na jakość obsługi ruchu o wysokim priorytecie.

12

An enhanced differential evolution algorithmwith adaptive weight bounds for efficient training ofneural networks

Limtrakul Saithip, Wetweerapong Jeerayut

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 1

4--13

EN

Artificial neural networks are essential intelligent tools for various learning tasks. Training them is challenging due to the nature of the data set, many training weights, and their dependency, which gives rise to a complicated high-dimensional error function for minimization. Thus, global optimization methods have become an alternative approach. Many variants of differential evolution (DE) have been applied as training methods to approximate the weights of a neural network. However, empirical studies show that they suffer from generally fixed weight bounds. In this research, we propose an enhanced differential evolution algorithm with adaptive weight bound adjustment (DEAW) for the efficient training of neural networks. The DEAW algorithm uses small initial weight bounds and adaptive adjustment in the mutation process. It gradually extends the bounds when a component of a mutant vector reaches its limits. We also experiment with using several scales of an activation function with the DEAW algorithm. Then, we apply the proposed method with its suitable setting to solve function approximation problems. DEAW can achieve satisfactory results compared to exact solutions.

PL

Sztuczne sieci neuronowe są niezbędnymi inteligentnymi narzędziami do realizacji różnych zadań uczenia się. Ich szkolenie stanowi wyzwanie ze względu na charakter zbioru danych, wiele wag treningowych i ich zależności, co powoduje powstanie skomplikowanej, wielowymiarowej funkcji błędu do minimalizacji. Dlatego alternatywnym podejściem stały się metody optymalizacji globalnej. Wiele wariantów ewolucji różnicowej (DE) zostało zastosowanych jako metody treningowe do aproksymacji wag sieci neuronowej. Jednak badania empiryczne pokazują, że cierpią one z powodu ogólnie ustalonych granic wag. W tym badaniu proponujemy ulepszony algorytm ewolucji różnicowej z adaptacyjnym dopasowaniem granic wag (DEAW) dla efektywnego szkolenia sieci neuronowych. Algorytm DEAW wykorzystuje małe początkowe granice wag i adaptacyjne dostosowanie w procesie mutacji. Stopniowo rozszerza on granice, gdy składowa wektora mutacji osiąga swoje granice. Eksperymentujemy również z wykorzystaniem kilku skal funkcji aktywacji z algorytmem DEAW. Następnie, stosujemy proponowaną metodę z jej odpowiednim ustawieniem do rozwiązywania problemów aproksymacji funkcji. DEAW może osiągnąć zadowalające rezultaty w porównaniu z rozwiązaniami dokładnymi.

13

Neural network modelling of non-prosperity of Slovak companies

Durica Marek, Mazanec Jaroslav, Frnda Jaroslav

Engineering Management in Production and Services

|

2023

|

Vol. 15, no. 3

1--13

EN

Early identification of potential financial problems is among important companies’ risk management tasks. This paper aims to propose individual and ensemble models based on various types of neural networks. The created models are evaluated based on several quantitative metrics, and the best-proposed models predict the impending financial problems of Slovak companies a year in advance. The precise analysis and cleaning of real data from the financial statements of real Slovak companies result in a data set consisting of the values of nine potential predictors of almost 19 thousand companies. Individual and ensemble models based on MLP and RBF-type neural networks and the Kohonen map are created on the training sample. On the other hand, several metrics quantify the predictive ability of the created models on the test sample. Ensemble models achieved better predictive ability compared to individual models. MLP networks achieved the highest overall accuracy of almost 89 %. However, the non-prosperity of Slovak companies was best identified by RBF networks created by the boosting and bagging technique. The sensitivity of these models is about 87 %. The study found that models based on neural networks can be successfully designed and used to predict financial distress in the Slovak economy.

14

Environmental landscape art design based on visual neural network model in rural construction

Wang Lu-Yao, He Yi-Ping

Ecological Chemistry and Engineering. S

|

2023

|

Vol. 30, nr 2

267--274

EN

As the resources of social development continue to tilt to the countryside, the speed of rural construction continues to accelerate. In recent years, because of the higher quality of lifestyles, the demand of rural environment landscape art has gradually increased. In order to assist rural construction and improve the artistic quality of its environmental landscape, this paper proposes an environmental landscape art design method based on a visual neural network model. Firstly, the Swin Transformer text encoder is used to characterise the landscape art demand in rural construction. Then, the text feature vector of landscape art demand is input into the GAN model to generate the image content of rural construction. Finally, to better evaluate the landscape art level of the above methods in this paper, we propose an evaluating method for the landscape designing tasks. We conduct the experiments and achieve the FID value of 15.23, which can demonstrate that our method can effectively carry out an environmental landscape design for rural construction and simplify the process of rural construction. The landscape design evaluation method can evaluate the environmental landscape design accurately by the accuracy of over 80 %, and further improve and optimise the acceptance link of rural construction.

15

Modeling labor productivity in high-rise building construction projects using neural networks

Nguyen Duc Anh, Tran Dung Quang, Nguyen Thoan Ngoc, Tran Hai Hong

Archives of Civil Engineering

|

2023

|

Vol. 69, nr 1

675--692

EN

Labor productivity in building construction has long been a focused research topic due to the high contribution of labor cost in the building total costs. This study, among a few studies that used scaled data that were collected directly from measuring equipment and onsite activities, utilized neural networks to model the productivity of two main construction tasks and influencing factors. The neural networks show their ability to predict the behaviors of labor productivity of the formwork and rebar tasks in a test case of a high-rise building. A multilayer perceptron that had two layers and used sigmoid as its activation function provided the best effectiveness in predicting the relations among data. Among eleven independent factors, weather (e.g., temperature, precipitation, sun) generally played the most important role while crew factors were distributed in the mid of the ranking and the site factor (working floor height) played a mild role. This study confirms the robustness of neural networks in productivity research problems and the importance of working environments to labor productivity in building construction. Managerial implications, including careful environmental factors and crew structure deliberation, evolved from the study when labor productivity improvement is considered.

16

Implicit neural state functions in hybrid reliability analysis of plane frame

Potrzeszcz-Sut Beata, Dudzik Agnieszka, Radoń Urszula

Archives of Civil Engineering

|

2023

|

Vol. 69, nr 4

55--71

EN

The objective of the article involves presenting innovative approach to the assessment of structural reliability analysis. The primary research method was the First Order Reliability Method (FORM). The Hasofer-Lind reliability index in conjunction with transformation method in the FORM was adopted as the reliability measure. The implicit limit state functions were used in the analysis. The formulation of the random variables functions were created in the Matlab software by means of neural networks (NNs). The reliability analysis was conducted in Comrel module of Strurel computing environment. In the proposed approach, Hybrid FORM method (HF) used the concept in which NNs replaced the polynomial limit state functions obtained from FEM (Finite Elements Method) for chosen limit parameters of structure work. The module Comrel referenced Matlab files containing limit state functions. In the reliability analysis of structure, uncertain and uncorrelated parameters, such us base wind speed, characteristic snow load, elasticity modulus for steel and yield point steel are represented by random variables. The criterion of structural failure was expressed by four limit state functions - two related to the ultimate limit state and two related to the serviceability limit state. Using module Comrel values of the reliability index with the FORM method were determined. Additionally, the sensitivity of the reliability index to random variables and graph of partial safety factors were described. Replacing the FEM program by NNs significantly reduces the time needed to solve the task. Moreover, it enables the parallel formulation of many limit functions without extending the computation time.

PL

Obecnie ocena niezawodności konstrukcji bazuje na wyidealizowanej koncepcji stanów granicznych i ich weryfikacji poprzez zastosowanie częściowych współczynników bezpieczeństwa. Rolą częściowych współczynników bezpieczeństwa jest zapewnienie wymaganego poziomu niezawodności konstrukcji. Metody probabilistyczne są naturalnym rozszerzeniem metody stanów granicznych. W praktycznych zastosowaniach istniejące oprogramowanie MES (Metoda Elementów Skończonych) jest często łączone z modułami do analizy niezawodności. Wadą takiego podejścia jest jednak długi czas obliczeń wynikający z wielokrotnych wywołań funkcji stanu granicznego dla różnych realizacji wektora zmiennych losowych. W artykule autorzy proponują alternatywne rozwiązanie problemu poprzez implementację hybrydowej metody FORM. Ocenę prawdopodobieństwa awarii, a tym samym obliczenie wskaźnika niezawodności Hasofera-Linda, uzyskujemy poprzez zastosowanie metody aproksymacyjnej FORM. W analizie wykorzystano niejawne funkcje stanów granicznych. Formułowanie funkcji granicznych dla pewnego zakresu zmiennych losowych zostało utworzone w programie Matlab za pomocą sieci neuronowych (SN). Analiza niezawodności została przeprowadzona w module Comrel środowiska obliczeniowego Strurel. Pakiet ten zawiera wbudowane interfejsy do definiowania funkcji stanów granicznych umożliwiając odwołanie do plików Matlaba zawierających zdefiniowane przez użytkownika funkcje stanu. Proponowana przez autorów hybrydowa metoda FORM łączy trzy algorytmy obliczeniowe - metodę elementów skończonych, sieci neuronowe oraz metodę aproksymacyjną probabilistycznej oceny niezawodności konstrukcji - FORM. Struktura algorytmu systemu jest więc mieszana, tzn. szeregowo-równoległa. Analiza zadania przebiega w czterech etapach.

17

A new ANN rheological model of a comply polymer in temperature spectrum

Stręk Anna M.

Archives of Civil Engineering

|

2023

|

Vol. 69, nr 1

231--243

EN

The article presents modelling using artificial neural networks (ANN) of the phenomenon of creep of comply polymer SIKA PS which can be used in various applications in civil engineering. Data for modelling was gathered in compressive experiments conveyed under a set of fixed conditions of compressive stress and temperature. Part of the data was pre-processed by smoothing and rediscretisation and served as inputs and targets for network training and part of the data was left raw as control set for verification of prognosing capability. Assumed neural network architectures were one- and two-layer feedforward networks with Bayesian regularisation as a learning method. Altogether 55 networks with 8 to 12 neurons in varying structural configurations were trained. Fitting and prognosing verification was performed using mean absolute relative error as a measure; also, results were plotted and assessed visually. In result, the research allowed for formulation of a new rheological model for comply polymer SIKA PS in time, stress and temperature field domain with fitting quality of mean absolute relative error 1.3% and prognosis quality of mean absolute relative error 8.73%. The model was formulated with the use of a two-layer network with 5 + 5 neurons.

PL

Polimery podatne stanowią ważny materiał wykorzystywany w budownictwie oraz inżynierii lądowej. Ich zastosowania obejmują często połączenia klejone elementów konstrukcyjnych, mogą być wykorzystane do wzmocnienia zabytkowych konstrukcji murowych w miejsce uszkodzonej zaprawy, a także jako warstwy łączące w zabezpieczeniach przeciwzderzeniowych budynków przy zagrożeniu trzesieniami ziemi, jak również jako składniki dylatacyjne. Podane przykłady nie wyczerpują oczywiście zakresu stosowalności rozważanego materiału w budownictwie, pokazują jednak, że w czasie pracy może być on poddany długotrwałym stałym obciążeniom (np. ciężar własny) oraz ekspozycji na podwyższone temperatury - np. bezpośrednie promieniowanie słoneczne na murowaną zabytkową elewację w gorącym klimacie lub obiekty specjalne, w których jest radiacja cieplna. Znajomość zachowania materiału poddanego obciążeniu długotrwałemu w podwyższonej temperaturze może być wykorzystana także do polepszenia ochrony pożarowej budowli. W artykule zaprezentowano badania służące opracowaniu modelu reologicznego dla polimeru podatnego PS SIKA oraz nowa propozycja takiego modelu. Zastosowano obliczenia z wykorzystaniem sztucznych sieci neuronowych, dla których dane uczące oraz dane kontrolne stanowiły wyniki eksperymentalne. Eksperymenty polegały na ściskaniu próbek walcowych o średnicy d = 27 mm i wysokości ℎ = 54 mm. Czas obciążania wynosił około 100 h, zastosowano warunki stałe temperatury {20, 40, 60, 80}° oraz stałe warunki naprezenia {0.5, 1.0, 2.0} MPa w 12 kombinacjach.

18

Comparison of genetic algorithm and neural network approaches for the prognosis of mechanical idle running losses in agriculture tractor transmission

Ivanov Rosen, Ivanova Donka

Transport Problems

|

2022

|

T. 17, z. 3

51--59

EN

An experimental investigation of mechanical idle running losses in an agriculture tractor transmission was used to collect a wide range of data. The influence of the engine rotation speed, the number of switched-on gears, and the oil level in the transmission gearbox on the idle running losses was determined. Adequate regression models in cases of switched-on and switched-off PTO were received. A genetic algorithm was used to optimize mathematical models obtained using regression analysis. A feedforward artificial neural network was also developed to estimate the same experimental data for mechanical idle running losses in transmission. A back-propagation algorithm was used when training and testing the network. A comparison of the correlation coefficient, reduced chi-square, mean bias error, and root mean square error between the experimental data and fit values of the obtained models was made. It was concluded that the neural network represented the mechanical idle running losses in tractor transmission more accurately than other models.

19

How many neurons are needed to make a short-term prediction of the Bitcoin exchange rate?

Frontczak Michał, Hachaj Tomasz

Technical Transactions

|

2022

|

Vol. 119, iss. 1

art. no. e2022011

EN

The goal of our work was to select a neural network architecture that would give the best prediction of the Bitcoin exchange rate using historical data. Our work fits into the very important topic of predicting the value of the cryptocurrency exchange rate, and makes use of recent data which, as a result of the high Bitcoin exchange rate dynamics of the last year, differs significantly from those of previous years. We propose and test a number of neural network-based architectures and conduct a discussion of the results. Unlike previous state of-the-art works, we conducted a comprehensive comparison of three different neural network-based models: MLP (multilayer perceptron), LSTM (long short-term memory) and CNN (convolutional neural network). We tested them for a wide range of parameters. The results we present are, to the best of our knowledge, the most up to date when it comes to the application of artificial intelligence methods for the prediction of cryptocurrency exchange rates. The best-performing architectures were used for a website that gives real-time predictions of the Bitcoin exchange rate. The website is available at http://stpbtc-ii.up.krakow.pl/. Source codes of our research are available to download in order to make our experiment reproducible.

PL

Celem naszej pracy było stworzenie architektury sieci neuronowej, która przy wykorzystaniu danych historycznych pozwalałaby na dokładną predykcję kursu Bitcoin. Nasza praca wpisuje się w bardzo ważny temat przewidywania wartości kursu kryptowaluty. Niemniej istotny jest fakt, że w naszej pracy wykorzystujemy najnowsze dane, które z powodu dużej dynamiki kursu Bitcoin w ostatnim roku znacznie różnią się od danych z lat wcześniejszych. Proponujemy i testujemy kilka architektur opartych na sieciach neuronowych oraz przeprowadzamy dyskusję wyników. W odróżnieniu od poprzednich prac, przeprowadzamy wszechstronne porównanie trzech różnych modeli opartych na sieciach neuronowych: MLP (multilayer perceptron), LSTM (long short-term memory) i CNN (convolutional neural network). Przetestowaliśmy je dla szerokiego zakresu parametrów. Przedstawione przez nas wyniki są, według naszej wiedzy, najbardziej aktualnymi, jeśli chodzi o zastosowanie metod sztucznej inteligencji do przewidywania kursów kryptowalut. Najlepiej działająca architektura została wykorzystana na stronie internetowej, która w czasie rzeczywistym prognozuje kurs Bitcoina. Strona ta jest dostępna pod adresem http://stpbtc-ii.up.krakow.pl/. Kody źródłowe naszych badań są dostępne do pobrania w celu umożliwienia odtworzenia naszego eksperymentu.

20

Strategie treningu neuronowego estymatora częstotliwości tonu krtaniowego z użyciem generatora syntetycznych samogłosek

Blok Marek, Banaś Jan, Pietrołaj Mariusz

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2022

|

nr 4

604--607

PL

W wielu zastosowaniach telekomunikacyjnych pojawia się problem przetwarzania lub analizy sygnału mowy, w ramach którego, często w obszarze podstawowych algorytmów, stosuje się estymator częstotliwości tonu krtaniowego. Estymator rozpatrywany w tej pracy bazuje na neuronowym klasyfikatorze podejmującym decyzje na podstawie częstotliwości oraz mocy chwilowej wyznaczanych w podpasmach analizowanego sygnału mowy. W pracy rozważamy problematykę treningu tego estymatora, gdy trening odbywa się z użyciem sygnałów generowanych syntetycznie.

EN

In many telecommunication applications there is a need for a speech signal processing or analysis, within which the pitch tone frequency estimator is one of the common basic algorithms. The estimator considered in this paper is based on a neural classifier, whose decisions are driven by the instantaneous frequency and power determined in the sub-bands of the analyzed speech signal. In the paper, we consider the problems of selecting a training strategy for this estimator, when training is carried out with synthetically generated vowels.