Search
Filters
total: 10
Best results in : Research Potential Pokaż wszystkie wyniki (8)
Search results for: SIEĆ NEURONOWA
-
Zespół Systemów Multimedialnych
Research Potential* technologie archiwizacji, rekonstrukcji i dostępu do nagrań archiwalnych * technologie inteligentnego monitoringu wizyjnego i akustycznego * multimedialne technologie telemedyczne * multimodalne interfejsy komputerowe
-
Zespół Metrologii i Optoelektroniki
Research Potential* komputerowo wspomagana metrologia i diagnostyka * projektowanie systemów * mikrosystemów i makrosystemów elektronicznych * testowanie i diagnostyka elektroniczna * pomiary właściwości szumowych i zakłóceń * spektroskopia impedancyjna * telemetria i telediagnostyka internetowa * katedra redaguje Metrology and Measurement Systems * kwartalnik PAN znajdujący się na liście JCR
-
Katedra Elektrotechniki, Systemów Sterowania i Informatyki
Research PotentialW Katedrze Elektrotechniki, Systemów Sterowania i Informatyki prowadzone są badania w tematyce podstaw elektrotechniki, zaawansowanych systemów sterowania, prototypowania dedykowanych rozwiązań sprzętowych w FPGA. Prowadzone badania skupiają się również na wykorzystaniu zaawansowanych technik analizy komputerowej w systemach sterowania oraz elektrotechniki.
Best results in : Business Offer Pokaż wszystkie wyniki (2)
Search results for: SIEĆ NEURONOWA
-
Laboratorium Badawcze 2-3
Business OfferObliczenia komputerowe wymagające dużych mocy obliczeniowych z wykorzystaniem oprogramowania typu: Matlab, Tomlab, Gams, Apros.
-
Laboratorium Automatyki Napędu Elektrycznego
Business OfferProgramowalne układy napędowe zasilane przekształtnikowo ze sterowaniem mikroprocesorowym
Other results Pokaż wszystkie wyniki (32)
Search results for: SIEĆ NEURONOWA
-
Nowa, metrologicznie zorientowana sieć neuronowa i metoda diagnostyki obiektów technicznych
PublicationW artykule przedstawiono nową, metrologicznie ukierunkowaną sieć neuronową oraz bazującą na niej metodę diagnostyki uszkodzeń parametrycznych układów analogowych, z klasyfikcją neuronową, o zwiększonej odporności na tolerancje elementów układu i niepewności pomiaru. Zaproponowano sieć neuronową z Dwu-centrowymi Radialnymi Funkcjami Bazowymi (DRFB), której walorem jest lepsze odwzorowanie słownika uszkodzeń, poprawa dokładności...
-
Sieć neuronowa z dwucentrowymi radialnymi funkcjami bazowymi do klasyfikacji uszkodzeń parametrycznych
PublicationW niniejszej pracy zaproponowano nową architekturę sieci neuronowej wykorzystującej dwucentrowe radialne funkcje bazowe w warstwie ukrytej (funkcje DRB). Kształt funkcji DRB opracowany został pod kątem klasyfikacji pojedynczych uszkodzeń parametrycznych układów elektronicznych analogowych. Zastosowanie funkcji DRB pozwala na kilkukrotne zmniejszenie liczby neuronów w warstwie ukrytej w porównaniu do sieci neuronowej z radialnymi...
-
Two-center radial basis function network for classification of soft faults in electronic analog circuits
PublicationW pracy zaproponowano specjalizowaną sieć neuronową z dwucentrowymi radialnymi funkcjami bazowymi (TCRB) neuronów w warstwie ukrytej,przeznaczoną do diagnostyki uszkodzeń parametrycznych układów analogowych. Zastosowanie funkcji TCRB pozwala na znaczne zmniejszenie liczby neuronów w warstwie ukrytej, lepsze dopasowanie do słownika uszkodzeń oraz poprawę dokładności klasyfikacji, w porównaniu z dotychczas stosowaną siecią z jednocentrowymi...
-
Comparative study of learning methods for artificial network
PublicationW artykule przedstawiono wyniki badań porównawczych metod uczenia sieci neuronowych takich jak: metoda propagacji wstecznej błędów, rekurencyjna metoda najmniejszych kwadratów, metoda Zangwill'a, metoda algorytmów ewolucyjnych. Celem tych badań jest dobieranie najefektywniejszej metody uczenia do projektowania adaptacyjnego neuronowego regulatora napięcia generatora synchronicznego.metody uczenia, sieć neuronowa, neuronowy regulator...
-
Evaluation of the separation algorithm performance employing ANNs
PublicationCelem niniejszego rozdziału jest przedstawienie metodyki separacji dźwięków muzycznych bez informacji a priori o dźwiękach zawartych w muzycznym miksie. W pracy pokazano, że prawidłowo wytrenowana sztuczna sieć neuronowa (SNN)jest w stanie w sposób automatyczny poprawnie sklasyfikować dźwięki zawarte w zmiksowanym sygnale. Skuteczność klasyfikacji SNN jest porównywalna z oceną subiektywną ekspertów.