Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

Liczba wyników na stronie
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych:  neural model
help Sortuj według:

help Ogranicz wyniki do:
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników
1

Criteria for selecting attributes for the prognostic neural model based on limited data set

100%
Janaszak M., Majorczyk M., Mankowski D. R., Trajer J.
Annals of Warsaw University of Life Sciences - SGGW. Agriculture
|
2007
|
nr 51 Agric.Forest Eng.
99-104
2
Artykuł dostępny w postaci pełnego tekstu - kliknij by otworzyć plik
Content available

Feedforward neural networks and the forecasting of multi-sectional demand for telecom services: a comparative study of effectiveness for hourly data

100%
Kaczmarczyk P.
Acta Scientiarum Polonorum. Oeconomia
|
2020
|
tom 19
|
nr 3
3

Neural model for localization of the injection pump damaged elements

84%
Klimkiewicz M.
Annals of Warsaw University of Life Sciences - SGGW. Agriculture
|
2007
|
nr 51 Agric.Forest Eng.
79-83
4
Artykuł dostępny w postaci pełnego tekstu - kliknij by otworzyć plik
Content available

Neural modeling of plant tissue cultures: a review

84%
Zielinska S., Kepczynska E.
BioTechnologia. Journal of Biotechnology Computational Biology and Bionanotechnology
|
2013
|
tom 94
|
nr 3
5
Artykuł dostępny w postaci pełnego tekstu - kliknij by otworzyć plik
Content available

The neural model of consumer acceptability of the product: the taste of beef evaluation

84%
Wozniak K., Jaros M.
Annals of Warsaw University of Life Sciences - SGGW. Agriculture
|
2017
|
nr 70
6
Artykuł dostępny w postaci pełnego tekstu - kliknij by otworzyć plik
Content available

Wykorzystanie sieci neuronowych w modelowaniu zależności między wybranymi cechami fizykochemicznymi i elektrycznymi miodu

67%
Luczycka D., Pentos K.
Zeszyty Problemowe Postępów Nauk Rolniczych
|
2014
|
tom 576
Na cechy chemiczne i elektryczne miodu mają wpływ jego skład pyłkowy oraz zawartość wody. O ile zawartość wody można powiązać z analizowanymi parametrami zależnością funkcyjną, o tyle wpływ zawartości pyłków na badane cechy chemiczne i elektryczne miodu jest bardziej skomplikowanym zagadnieniem. W jednej próbce miodu można stwierdzić kilka do kilkunastu rodzajów pyłków różnych roślin, dlatego analiza jedynie wpływu pyłku przewodniego nie jest wystarczająca. Przedmiotem pracy jest wykorzystanie dwóch rodzajów sztucznych sieci neuronowych do tworzenia możliwie dokładnych modeli matematycznych uwzględniających zależność takich cech miodu, jak zawartość cukrów, aminokwasów, wolnych kwasów oraz przewodność elektryczna patoki od zawartości pyłków roślin i zawartości wody w próbce. Wykorzystując perceptron wielowarstwowy jako model matematyczny opisanych wyżej zależności, dokonano analizy wrażliwości. Na podstawie tej analizy możliwa była ocena wpływu parametrów wejściowych modelu na poszczególne wielkości wyjściowe. Sztuczne sieci neuronowe są wygodnym narzędziem do modelowania zależności pomiędzy cechami chemicznymi i elektrycznymi miodu a jego składem pyłkowym oraz zawartością wody. Większą dokładność modelu uzyskano wykorzystując perceptron wielowarstwowy o stosunkowo prostej strukturze. Sieci RBF generują model o znacznie niższej dokładności.
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.