Wyniki wyszukiwania - BazTech

1

Method of Predicting Surface Subsidence Caused by Underground Mining: A Review

Nguyen Huy Dinh, Tran Trong Dinh, Le Canh Van

Inżynieria Mineralna

|

2024

|

Vol. 2, no. 1

41--46

EN

In recent years, there has been a global increase in energy demand, with the extraction of underground mineral energy sources such as coal playing a significant role in the energy supply. However, the extraction of these natural resources always faces many challenges and risks. This process has created large voids, causing an imbalance in the original stress state within the earth and resulting in surface terrain deformations. Therefore, ensuring efficient extraction must be accompanied by safety measures. Among these, predicting surface subsidence due to underground mining is a crucial task. This paper presents an overview of the current method of predicting mining subsidence and their application scope. The result synthesizes various methodologies applied to different regions worldwide. Finally, the findings of this research can provide guidelines for establishing essential requirements for the application of surface displacement forecasting technologies due to underground mining.

PL

W ostatnich latach nastąpił globalny wzrost zapotrzebowania na energię, a wydobycie podziemnych mineralnych źródeł energii, takich jak węgiel, odgrywa znaczącą rolę w zaopatrzeniu w energię. Jednak wydobycie tych zasobów naturalnych zawsze wiąże się z wieloma wyzwaniami i ryzykiem. W procesie tym powstały duże puste przestrzenie, powodując brak równowagi pierwotnego stanu naprężeń w ziemi i powodując deformacje terenu na powierzchni. Dlatego zapewnieniu skutecznej ekstrakcji muszą towarzyszyć środki bezpieczeństwa. Wśród nich kluczowym zadaniem jest przewidywanie osiadań powierzchni na skutek eksploatacji podziem-nej. W artykule przedstawiono przegląd dotychczasowych metod prognozowania osiadań górniczych oraz zakres ich zastosowania. W rezultacie dokonano syntezy różnych metodologii stosowanych w różnych regionach świata. Wreszcie, wyniki tych badań mogą dostarczyć wskazówek do ustalenia zasadniczych wymagań dotyczących stosowania technologii prognozowania przemieszczeń po-wierzchni w wyniku górnictwa podziemnego.

2

Przegląd obecnie istniejących instalacji LNG na świecie, aspekty techniczne pojedynczej stacji oraz prognozowanie zużycia gazu. Część 2 - obliczenia

Cieślik Tomasz, Narloch Piotr, Żero Andrzej

Gaz, Woda i Technika Sanitarna

|

2024

|

Nr 2

2--7

PL

Jednym z warunków prawidłowego zarządzania pracą sieci wyspowej zasilanej z stacji regazyfikacji LNG jest planowanie dostaw opartych o prognozy zużycia. Na podstawie zgromadzonych danych atmosferycznych oraz zużycia gazu z wybranej stacji na przestrzeni dwóch lat określono wpływ czynników atmosferycznych na konsumpcję gazu ziemnego za pomocą sztucznych sieci neuronowych. Wyznaczono wpływ miesiąca oraz dnia (parametr sztuczny) na konsumpcję gazu. Wyznaczono model sieci neuronowych dający najlepsze dopasowania za pomocą współczynnika korelacji.

EN

One of the conditions for proper management of the islanded network supplied by LNG regasification stations is planning deliveries based on consumption forecasts. Based on collected meteorological data and gas consumption from a selected station over a two-year period, the impact of atmospheric factors on natural gas consumption was determined using artificial neural networks. The influence of the month and day (artificial parameter) on gas consumption was identified. A neural network model was developed to achieve the best fits using correlation coefficients.

3

Application of M5P Model Tree and Artificial Neural Networks for Traffic Noise Prediction on Highways of India

Mann Suman, Singh Gyanendra

Civil and Environmental Engineering Reports

|

2024

|

Vol. 34, no. 2

45--62

EN

Traffic noise prediction is the fastest growing development that reflects the rising concern of noise as environmental pollution. Prediction of noise exposure levels can help policy makers and government authorities to make early decisions and plan effective measures to mitigate noise pollution and protect human health. This study examines the application of M5P model tree and Artificial Neural Network (ANN) for prediction of traffic noise on Highways of Delhi. In total 865 data sets collected from 36 sampling stations were used for development of model. Effects of 13 independent variables were considered for prediction. Model selection criteria like determination coefficient (R2 ), root mean square error (RMSE), Mean absolute error (MSE) are used to judge the suitability of developed models. The work shows that both the models can predict traffic noise accurately, with R2 values of 0.922(M5P), 0.942(ANN) and RMSE of 2.17(M5P) ,1.95(ANN). The results indicate that machine learning approach provides better performance in complex areas, with heterogenous traffic patterns. M5p Model tree gives linear equations which are easy to comprehend and provides better insight, indicating that M5P model trees can be effectively used as an alternative to ANN for predicting traffic noise.

4

Eksploracja danych. Analiza dużych zbiorów danych

Ciupke Krzysztof

Utrzymanie Ruchu

|

2023

|

Nr 1

32--36

PL

Analiza danych jest ciągle rozwijającym się procesem, składającym się z wielu etapów. W artykule przedstawiony został główny etap – eksplorowanie danych. Jak wybrać odpowiednią metodę eksploracji danych?

5

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.

6

Metody sztucznej inteligencji w zastosowaniu do przewidywania właściwości materiałów

Trzepieciński Tomasz

Stal, Metale & Nowe Technologie

|

2023

|

nr 11-12

22--29

PL

Naukowcy nieustannie dążą do lepszego zrozumienia, przewidywania i ulepszania pożądanych właściwości materiałów. Jednym z narzędzi, które można w tym celu wykorzystać, jest sztuczna inteligencja.

7

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.

8

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.

9

Modeling of supercritical boiler by neural network

Lichota Janusz

Rynek Energii

|

2023

|

Nr 4

64--69

EN

This article presents an artificial neural network (ANN)-based modeling approach for predicting the performance and emissions of a supercritical coal-fired boiler. The NN model was developed using a large dataset of historical boiler operation data, which include inputs like fuel flow rate, air flow rate, and steam pressure, as well as outputs such as boiler efficiency and emissions of pollutants such as NOx. The results indicate that the NN model is able to accurately predict the performance and emissions of the supercritical boiler, with a high coefficient of determination for the training, validation, and test sets. The results of this study demonstrate the potential of NN-based modeling for improving the efficiency and emissions of supercritical boilers and for providing valuable insights into the complex relationships between the inputs and outputs of these systems. The model presented in the article can be used to answer a question whether it is possible to obtain the same generated power at a higher efficiency or lower emissions using different control signals.

PL

W artykule przedstawiono podejście do modelowania oparte na sztucznej sieci neuronowej (ANN) służące do przewidywania wydajności i emisji kotła opalanego węglem na parametry nadkrytyczne. Model NN opracowano przy użyciu dużego zbioru danych historycznych dotyczących działania kotła, który obejmuje dane wejściowe, takie jak natężenie przepływu paliwa, natężenie przepływu powietrza i ciśnienie pary, a także dane wyjściowe, takie jak wydajność kotła i emisja substancji zanieczyszczających, takich jak NOx. Wyniki wskazują, że model NN jest w stanie dokładnie przewidzieć wydajność i emisję kotła na parametry nadkrytyczne, przy wysokim współczynniku determinacji dla zestawów szkoleniowych, walidacyjnych i testowych. Wyniki tego badania pokazują potencjał modelowania opartego na NN w zakresie poprawy wydajności i emisji kotłów na parametry nadkrytyczne oraz dostarczenia cennych informacji na temat złożonych relacji między wejściami i wyjściami tych systemów. Zaprezentowany w artykule model może posłużyć do odpowiedzi na pytanie, czy przy zastosowaniu różnych sygnałów sterujących możliwe jest uzyskanie tej samej generowanej mocy przy wyższej sprawności lub mniejszej emisji.

10

Koncepcja prognozowania bilansu mocy elektrycznej na potrzeby sektora energetyki

Pietrzak Michał, Samotyjak Tomasz

Rynek Energii

|

2023

|

Nr 5

12--16

PL

Konieczność prognozowania bilansu mocy elektrycznej wynika z generacji odnawialnych źródeł energii oraz obciążenia mocą czynną. Prognoza generacji możliwa jest poprzez zastosowanie pomiarów meteorologicznych, natomiast prognoza obciążenia poprzez wykorzystanie urządzeń pomiarowych zainstalowanych u odbiorców (np. liczniki AMI). Zastosowanie pomiarów meteorologicznych do różnych celów w energetyce jest możliwe dzięki temu, że na słupach sieci 110 kV, na obszarze działania kilku operatorów sieci dystrybucyjnych (OSD), zostało zainstalowanych ponad trzysta kilkadziesiąt punktów pomiarowych, z których na bieżąco, co 15 minut, do centralnych dyspozycji mocy każdego z OSD są przesyłane bieżące parametry pogodowe. Takie jak prędkość i kierunek wiatru, natężenie promieniowania słonecznego czy temperatura otoczenia. Wraz z większą ilością danych pomiarowych możliwe jest zastosowanie sztucznych sieci neuronowych do prognozowania bilansu mocy elektrycznej. W artykule przedstawiono koncepcję metody krótkoterminowego prognozowania bilansu mocy elektrycznej, uwzględniającą propagację ich zmian przy wykorzystaniu sieci neuronowych. Podano także sposób wykorzystywania tych prognoz na potrzeby systemów elektroenergetycznych.

EN

The need to forecast the balance of operating power based on energy sources and active power sources. The generation forecast is possible thanks to the use of meteorological measurements, while the forecast ensures the use of measuring devices installed at the recipients (e.g. AMI meters). The use of meteorological measurement for various purposes in energy is possible due to the fact that over three hundred measurements of measurements have been installed on 110 kV network poles in the area of operation of several distribution network operators (DSOs), from which, on an ongoing basis, every 15 minutes, the central power of each DSO, the current operating parameters are sent. such as wind direction and direction, observed solar radiation or ambient temperature. With the greater consumption of measurement data, it is possible to use an artiﬁcial neural network to forecast the management power balance. The document presents the method of short-term power balance forecasting, which is used to propagate their changes when determining neural networks. The importance of these forecasts for the needs of power systems is also given.

11

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.

12

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

13

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.

14

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.

15

System bezpieczeństwa pracowników oparty na sieciach konwolucyjnych

Sobczak Paweł, Marciniak Szymon, Szpot Ewa, Mikołajczyk Miłosz

Dozór Techniczny

|

2023

|

z. 6

10--18

PL

Praca opisuje działanie sztucznej inteligencji, eksplorując różnorodność jej metod oraz zagłębiając się w specyfikę konwolucyjnych sieci neuronowych. W dalszej części, przedstawiamy praktyczne zastosowanie AI w życiu codziennym, podkreślając jej wpływ na różne sektory. Artykuł kończy się szczegółowym opisem projektu „Employee Safety System”, który wykorzystuje technologię kamer i CNN do zaimplantowania innowacyjnego systemu dbającego o przestrzeganie zasad bezpieczeństwa pracy. Słowa kluczowe: konwolucyjne sieci neuronowe, AI, kamery, bezpieczeństwo Wprowadzenie Żyjemy w czasach postępującej cyfryzacji, dominującej dzięki gwałtownie rozwijającym się technologiom, jednym z fenomenów przykuwającym uwagę specjalistów z różnych dziedzin jest sztuczna inteligencja (AI – Artificial Intelligence). Bariera technologiczna przesunęła się w zawrotnym tempie ze stosunkowo prostych algorytmów do zaawansowanych, prawie samowystarczalnych systemów, które wykorzystane w wielu aspektach życia ludzkiego przynoszą korzyści przez naśladowanie zdolności do uczenia się, rozumowania i rozwiązywania problemów. Sztuczna inteligencja [1] bez wątpienia, w ostatnim czasie, zrewolucjonizowała pogląd ludzkości na wykorzystanie maszyn. Otwiera to nowe horyzonty w nauce, możliwe stało się badanie i modelowanie procesów, które były dotychczas domeną ludzkiej świadomości i intelektu. Jedną z najbardziej rozwijających się gałęzi AI jest wizja komputerowa (computer vision), czyli modele, które pozwalają rozpoznawać i rozumieć, co dzieje się na obrazie, często w czasie rzeczywistym. Takie rozwiązanie wykorzystuje się na przykład w smartfonach podczas identyfikacji twarzy, w medycynie podczas analizy obrazów medycznych, czy też w różnych systemach nadzoru. Metody związane ze sztuczną Inteligencją W świecie sztucznej inteligencji występuje wiele metod obliczeniowych, które odpowiedzialne są za różnorodne działanie i wyko[...]

16

Ataki na urządzenia mobilne i metody ich wykrywania

Niewiadomska-Szynkiewicz Ewa, Litka Rafał

Cybersecurity and Law

|

2023

|

Vol. 9 (1)

95--107

PL

Indywidualna ochrona systemów autonomicznych z wykorzystaniem prostej analizy przesyłanych komunikatów staje się niestety niewystarczająca. Istnieje wyraźna potrzeba stworzenia nowych rozwiązań wykorzystujących dane z wielu źródeł, integrujących różne metody, mechanizmy ialgorytmy, w tym techniki przetwarzania Big Data i klasyfikacji danych wykorzystujące metody sztucznej inteligencji. Ilość, jakość, wiarygodność i aktualność danych i informacji o sytuacji w sieci oraz szybkość ich przetwarzania decydują o skuteczności ochrony. W pracy prezentowane są przykłady wykorzystania technik sztucznej inteligencji do wykrywania ataków na systemy teleinformatyczne. Uwaga koncentruje się na zastosowaniu metod uczenia maszynowego do detekcji złośliwych aplikacji instalowa-nych na urządzeniach mobilnych. Skuteczność przedstawionych rozwiązań została potwierdzona przez liczne eksperymenty symulacyjne przeprowadzone na rzeczywistych danych. Uzyskano obiecujące wyniki.

EN

Individual protection of autonomous systems using simple analysis of transmitted messages is unfortunately becoming insufficient. There is a clear need for new solutions using data from multiple sources, integrating various methods, mechanisms and algorithms, including Big Data processing and data classification techniques using artificial intelligence methods. The quantity, quality, reliability and timeliness of data and information about the network situation, as well as the speed of its processing, determine the effectiveness of protection. The paper presents examples of the application of various artificial intelligence techniques for detecting attacks on ICT systems. Attention is focused on the application of deep learning methods for the detection of malicious applications installed on mobile devices. The effectiveness of the presented solutions was confirmed by numerous simulation experiments conducted on real data. Promising results were obtained.

17

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.

18

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.

19

Investigation of thermal conductivity of rubberized concrete as an energy-efficient building material and modeling by artificial intelligence

ipek Süleyman, Yaman Gonca Özer, Kılınç Cemre

Archives of Civil and Mechanical Engineering

|

2023

|

Vol. 23, no. 3

art. no. e168, 2023

EN

The main aim of this research is to investigate and mathematically express the relationship between the mixture proportions of rubberized concrete and its thermal conductivity performance. For that purpose, a dataset with a wide range of experimental variables was compiled from the studies available in the literature and one of the most important and widely used machine learning methods, called Artificial Neural Networks, was chosen to establish this mathematical expression strongly and consistently. Two important criteria were taken into consideration when compiling the dataset: firstly, the aggregate had to be of natural normal weight and secondly, the rubber aggregate had to be derived from waste tire and not treated. A reliable, functional, and robust empirical model to estimate the thermal conductivity coefficient of the rubberized concrete was generated in the scope of this study based on the input parameters like cement content (c), water-to-cement ratio (w/c), natural aggregate-to-cement ratio (na/c), rubber aggregate-to-cement ratio (ra/c), and rubber type (rt). The estimation capability of the model was validated using a dataset that the model never faced and was evaluated based on some statistical metrics like R2, MAPE, MSE, etc. The R2, MAPE, and MSE values of the trained model were about 0.984, 4.62%, and 0.002, respectively. Both validation and statistical evaluation results revealed that the model can accurately and reliably estimate the thermal conductivity coefficient of the rubberized concrete. Besides, the statistical metrics of the developed model were in the acceptable range for such models.

20

Częstotliwość występowania zaburzeń rozwoju sprawności ręki w zakresie samoobsługi, grafomotoryki i innych czynności szkolnych - analiza obliczeniowa

Mikołajewska Emilia, Mikołajewski Dariusz

Studia i Materiały Informatyki Stosowanej

|

2022

|

T. 14, nr 3

20--25

PL

Jedną z przyczyn trudności samoobsługowych i grafomotorycznych są opóźnienia lub brak rozwoju chwyt podstawowych. Celem pracy było określenie częstotliwości występowania zaburzeń rozwoju sprawności ręki w zakresie samoobsługi, grafomotoryki i innych czynności szkolnych oraz wypracowanie podstaw do wdrożenia ich modelu obliczeniowego. Tylko 6% dzieci nie miało żadnych deficytów a prawie 41% miało deficyty tylko w zakresie funkcji ręki. Model obliczeniowy ułatwił analizę oraz stanowi obiecujące rozwiązanie na przyszłość: do gromadzenia, analizy i predykcji wyników.

EN

One of the causes of self-service and graphomotor difficulties is delays or lack of development of the basic grasp. The aim of the study was to determine the frequency of hand developmental impairments in self-care, graphomotor and other school activities and to develop a basis for implementing their computational model. Only 6% of the children had no deficits and almost 41% had deficits only in hand function. The computational model facilitated the analysis and is a promising solution for the uture: for collecting, analysing and predicting results.