PL
 |
EN
Ten serwis zostanie wyłączony 2025-02-11.
Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 10

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Information Technology of Stock Indexes Forecasting on the Base of Fuzzy Neural Networks
100%
Tryus Y. , Antipova N. , Zhuravel K. , Zaspa G.
|
|
tom Vol. 13, no 1
29--40
EN
In this research the information technology for stock indexes forecast on the base of fuzzy neural networks was created. The possibility of its use for multi-parameter short-time stock indexes forecasts, in particular S&P500, DJ, NASDAC was checked. The created information technology is used making several consequential steps. The stock indexes forecast numeral experiment based on real data for period of several years with use of the technology offered was made.
2
Klasyfikacja stanu i rodzaju noży głowicy wielonarzędziowej z wykorzystaniem sieci neuronowych
100%
Jonak J. , Gajewski J.
|
2009
|
tom Z. 12
CD-CD
PL
Artykuł prezentuje próbę klasyfikacji stanu ostrzy i rodzaju noży pracujących zespołowo na głowicy urabiającej. Jako narzędzie służące do takiej oceny wykorzystano sztuczne sieci neuronowe. Zarejestrowano sygnały mocy oraz momentu urabiania głowicą wielonarzędziową z zamontowanymi nożami stycznymi oraz promieniowymi. Badania realizowano poprzez urabianie nożami ostrymi oraz częściowo zużytymi. W celu wyeliminowania zmiennych mających wpływ na przebieg procesu urabiania, w eksperymencie posłużono się modelową bryłą skalną. Zamieszczone wyniki stanowią część badań nad wykorzystaniem metod sztucznej inteligencji w badaniach noży i głowic urabiających. Jako zmienne wejściowe do sztucznych sieci neuronowych wykorzystano charakterystyczne parametry statystyczne przebiegów czasowych, tj. wariancję, skośność oraz kurtozę. Zmienną wyjściową SSN był stan ostrzy noży urabiających (ostre lub stępione) oraz rodzaj zamontowanych narzędzi (promieniowe lub styczne).
EN
The publication presents an attempt to identify the status and type of cutters working as an assembly on a multi-tool head with the use of a new method. The paper presents results of research on utilising artificial neural networks to identify type and point's status cutting tools used in multi-tool excavating heads of mechanical coal miners. The time courses of mining torque and power for a multi-tool head with installed radial and tangent- rotational tools were recorded. The tests covered mining with sharp and partially blunt cutters. In order to limit the variables influencing the excavating process, a model rock was used for the experiment. The received time courses were used as input variables for the Artificial Neural Network. For this purpose, mining power and torque signals statistical parameters were established: variance, skewness, and kurtosis. The Radial Basis Function (RBF) networks, Mul- tilayer Perceptron (MLP) structure networks and Fuzzy Neural Networks (FNN), verified in the previous identification tests, were used for analysis.
3
Content available remote Fuzzy inference neural networks with fuzzy parameters
88%
Rutkowska D. , Hayashi Y.
|
|
tom Vol. 7, No 1
7-22
EN
This paper concerns fuzzy neural networks and fuzzy inference neural networks, which are two different approaches to neuro-fuzzy combinations. The former is a direct fuzzification of artificial neural networks by introducing fuzzy signals and fuzzy weights. The latter is a representation of fuzzy systems in the form of multi-layer connectionist networks, similar to neural networks. Parameters of membership functions (centers and widths) play the role of neural network weights. In this paper, fuzzy inference neural networks with fuzzy parameters are considered. Neuro-fuzzy systems of this kind utilize both approaches: fuzzy neural networks and fuzzy inference neural networks. They also pertain to fuzzy systems of type 2 since membership functions with fuzzy parameters characterize type 2 fuzzy sets. Various architectures of these networks have been obtained for fuzzy systems based on different fuzzy implications. By analogy with fuzzy inference neural networks with crisp parameters, methods of learning fuzzy parameters and rule generation can be derived for neuro-fuzzy systems with fuzzy parameters. Fuzzy inference neural networks are studied in the framework of fuzzy granulation. In particular, fuzzy clustering as fuzzy information granulation is proposed to be applied in order to generate fuzzy IF-THEN rules. Applications of fuzzy inference neural networks are also outlined.
4
Content available remote A neuro-fuzzy approach to system modelling. Part II. Applications
75%
Gorzałczany M. B.
Archives of Control Sciences
|
1998
|
tom Vol. 7, no. 3/4
267-284
EN
The description of behaviour of complex and ill-defined systems and processes is usually based on a combination of two types of knowledge and data: a qualitative, fuzzy knowledge which contains elements of uncertainty and vagueness and often is expressed in the form of linguistic rules usually provided by a domain expert, and a quantitative, nonfuzzy information which appears in the form of measurements and other numerical data. Part I (ACS No. 1/2 1998) of this paper presents a methodology for modelling of complex systems which can effectively represent, process and generalize both mentioned-above types of system's knowledge. The proposed methodology combines artificial neural networks with some elements of the theory of fuzzy sets and fuzzy logic, yielding a structure that can be called a fuzzy neural network or a neuro-fuzzy system. Two examples of the application of our approach in the area of system modelling are presented in Part II of the paper.
5
Content available remote A neuro-fuzzy approach to system modelling. Part I. Methodology
75%
Gorzałczany M. B.
Archives of Control Sciences
|
1998
|
tom Vol. 7, no. 1/2
121-140
EN
Description of behaviour of complex and ill-defined systems and processes is usually based on a combination of two types of knowledge and data: a qualitative, fuzzy knowledge which contains elements of uncertainty and vagueness, and often is expressed in the form of linguistic rules usually provided by a domain expert, and quantitative, nonfuzzy information which appears in the form of measurements and other numerical data. Part I of this paper presents a methodology for modelling of complex systems which can effectively represent, process and generalize both above-mentioned types of system's knowledge. The proposed methodology combines artificial neural networks with some elements of the theory of fuzzy sets and fuzzy logic, yielding a structure that can be called a fuzzy neural network or a neuro-fuzzy system. Two examples of application of our approach in the area of system modelling are presented in Part II of the paper (ACS No. 3/4 1998).
6
Budowa inteligentnego modelu procesu roztapiania złomu w piecu łukowym z wykorzystaniem sieci neuronowo-rozmytych
75%
Wieczorek T. , Blachnik M.
Hutnik, Wiadomości Hutnicze
|
2008
|
tom Vol. 75, nr 10
592-596
PL
Redukcja czasu topienia wsadu w piecu łukowym jest ważnym zagadnieniem praktycznym. Mimo że wiele parametrów procesu EAF ma charakter stochastyczny, do sterowania nim wykorzystuje się proste modele, bazujące na liniowych obwodach elektrycznych. Celem artykułu jest prezentacja nowego sposobu budowy modelu procesu opartego na metodach inteligencji obliczeniowej, w szczególności sieci neuronowo-rozmyte, które pozwalają wyznaczyć energię niezbędną dla poprawnego przeprowadzenia procesu elektrołukowego.
EN
Time reduction of steel scraps meltdown is a really challenging problem. Typically this process is stochastic without any determinism and only simple and naive rules, based on linear electric circuits, are currently used to manage such processes. The goal of the paper is to present the way of building an accurate model concerning neuro-fuzzy approach, that would be helpful in predicting amount of the energy needed by the electric are furnace.
7
Content available remote Generation and Optimization of Fuzzy Neural Networks Structure
75%
Świątnicki Z. , Olej V.
Biuletyn Wojskowej Akademii Technicznej
|
2002
|
tom Vol. 51, nr 9
125-138
EN
The paper presents the possibility of application of genetic algorithms for optimization of fuzzy neural networks structure and its application to pattern recognition. A genetic method to generate a fuzzy neural network, which has both structure and synapse weights adequate for a given task is proposed.
PL
W pracy zaprezentowano możliwość zastosowania algorytmów genetycznych do optymalizacji struktury rozmytej sieci neuronowej. Przedstawiono przykład wykorzystania romytej sieci neuronowej do rozpoznania wzorców Operacje genetyczne zostały użyte do dostosowania struktury sieci i wag synaptycznych. Dostosowanie ma charakter dynamiczny, wykorzystywany jest rozproszony algorytm genetyczny. Wyniki uzyskano w języku C++ w środowiski Windows.
8
Content available remote A decision support system for alternative project choice based on fuzzy neutral networks
63%
Relich M.
Management and Production Engineering Review
|
2010
|
tom Vol. 1, No. 4
46-54
EN
The paper aims to present possibilities of management support by more precise estimates of critical tasks in projects through the use of intelligent techniques. In this paper a case is considered in which the client is forced to change the project specification after commencement of investment. To minimize the loss, the client may attempt to find other alternative solutions to complete the project. In view of expenditure and investment in progress, a group of alternative projects that fulfill the assumed constraints (e.g. financial and temporal) is sought. To support the choice of alternative projects, estimates of critical tasks within the project are calculated, using intelligent techniques as well as traditional statistical methods. The results are determined using the database of past projects that are found in the information systems of the enterprise.
9
Content available remote Intelligent LQI-based wireless sensor network applied to ZigBee positioning system
63%
Mon Y. J. , Lin C. M.
Przegląd Elektrotechniczny
|
2013
|
tom R. 89, nr 5
241-244
EN
In this paper, a link quality indicator (LQI) based wireless sensor network (WSN) constructed by a recurrent fuzzy neural network (RFNN) is developed as a ZigBee Positioning System (ZPS) to monitor and realize the tag of 802.15.4/ZigBee locations. First, the performance of LQI is demonstrated, then it is applied to develop a ZPS which is used to verify the performance of indoor location identification. Finally, an RFNN is used to combine with the ZPS to develop a location system, and it can be applied for children’s position monitoring. The experimental results demonstrate good positioning performance has been achieved by the proposed location system.
PL
W artykule opisano sieć czujników bezprzewodowych zbudowaną za pomocą sieci neuronowej RFNN, na bazie metody LQI. Ma ona zastosowanie w protokole 802.15.4/ZigBee jako blok lokalizacji (ZigBee Positioning System). Omówione zostało zastosowanie LQI, który został wykorzystany w projektowaniu ZPS. Na koniec wykorzystano RFNN oraz ZPS w budowie systemu lokalizacji. Badania eksperymentalne potwierdziły skuteczność działania proponowanego systemu.
10
Content available Metody adaptacji systemów wiedzy opartej na zbiorach rozmytych
51%
Małolepsza O.
Studia i Materiały Informatyki Stosowanej
|
2023
|
tom T. 15, nr 1
11--20
PL
Metody adaptacji systemów wiedzy opartej na zbiorach rozmytych są bardzo ważnym tematem, ponieważ udoskonalają i optymalizują wydajność systemów rozmytych poprzez właściwą metodę adaptacji. Metoda adaptacji zależy od konkretnego zastosowania, wymagań systemowych, dostępnych danych i dziedziny problemu. W artykule przedstawiono zagadnienia związane ze zbiorami rozmytymi oraz podano przykłady. Ponadto zaprezentowano metody adaptacji systemów wiedzy opartej na zbiorach rozmytych takie jak algorytmy genetyczne, programowanie ewolucyjne, algorytmy uczące się, uczenie przez wzmacnianie oraz adaptację online.
EN
Adaptation methods for knowledge systems based on fuzzy sets are a very important topic because they improve and optimize the performance of fuzzy systems through a proper adaptation method. The adaptation method depends on the specific application, system requirements, available data and the problem domain. In this paper, the issues related to fuzzy sets are presented and examples are given. In addition, methods for adaptation of fuzzy set-based knowledge systems such as genetic algorithms, evolutionary programming, learning algorithms, reinforcement learning and online adaptation are presented.
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.