Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: sieci neuronowe SVM

Sortuj według:

Ogranicz wyniki do:

Prognozowanie obciążeń w systemie elektroenergetycznym przy użyciu sieci neuronowych SVM i MLP

100%

Ciechulski T.

2014

tom nr 9-10

I--IV

W artykule dokonano analizy metod predykcji obciążeń małego systemu elektroenergetycznego w centralnej Polsce. Bazują one na wykorzystaniu modeli predykcyjnych w postaci dwóch rodzajów sieci neuronowych: SVM i MLP. Symulacje sieci neuronowych zostały przeprowadzone w środowisku MATLAB. Uwzględniono wyprzedzenie dobowe (24 - godzinne).

An analysis is made of load prediction methods applied in a small power system in central Poland. The methods are based on the use of prediction models in the form of two types of neural networks: SVM and MLP. Neural networks’ simulations were conducted in the MATLAB environment. An advance period of 24 hours was taken into account.

Wyznaczenie parametrów ruchowych silnika reluktancyjnego przełączalnego z toczącym się wirnikiem przy wykorzystaniu metody elementu skończonego i sztucznych sieci neuronowych

84%

Wrotek H. , Sałat R.

tom R. 86, nr 12

276-279

W artykule przedstawione są wyniki analizy konstrukcji silnika reluktancyjnego przełączalnego z toczącym się wirnikiem cylindrycznym (SRPTW). Do analizy wykorzystano model SRPTW z czterema pasmami fazowymi wykonanymi w formie uzwojeń skupionych. Dokonano analizy momentu elektromagnetycznego SRPTW z wykorzystaniem metody elementu skończonego (MES) i sztucznej sieci neuronowej SVM (SVM). Do uczenia SVM wykorzystano przebieg momentu elektromagnetycznego obliczony z wykorzystaniem MES.

The paper presents research into rolling rotor switched reluctance motor (RRSRM). Paper describes a four-band construction RRSRM. The electromagnetic torque calculations are formulated using finite element method (FEM). The approximation of electromagnetic torque using artificial neural network (SVM) are given.