XIV EKSPLORACJA DANYCH
|
|
- Magda Kowal
- 8 lat temu
- Przeglądów:
Transkrypt
1 Przypadek I: system bezpieczeństwa energetycznego Ocena bezpieczeństwa systemu energetycznego wymaga zbudowania schematu tego systemu zawierającego: topologię sieci energetycznej obciążenie (moc czynna i moc bierna) zdolności zakładów wytwórczych (elektrownie) wartości z mierników napięcia (generatorów prądu, transformatorów, dławików kompensacyjnych, kondensatorów)
2 Przypadek I: system bezpieczeństwa energetycznego W przeprowadzonych badaniach: w ciągu trzech miesięcy, miedzy 19 lutego a 13 maja, gromadzono dane, które utworzyły bazę zawierającą 1989 rekordów zgromadzony zbiór podzielono na dwie części uczącą zawierającą 1592 rekordy zgromadzone pomiędzy 19 lutego a 26 kwietnia i testującą zawierającą 397 rekordów zgromadzonych pomiędzy 26 kwietnia a 13 maja dla każdego urządzenia pracującego w sieci opracowano jedno drzewo decyzyjne Źródło: Decision Trees Applied To Forecasting Switched Shunt Devices Within The Spanish Power System E. Lobato, F. M. Echavarren, L. Rouco and A. Ugedo
3 Przypadek I: system bezpieczeństwa energetycznego Źródło: Decision Trees Applied To Forecasting Switched Shunt Devices Within The Spanish Power System E. Lobato, F. M. Echavarren, L. Rouco and A. Ugedo
4 Przypadek I: system bezpieczeństwa energetycznego Źródło: Decision Trees Applied To Forecasting Switched Shunt Devices Within The Spanish Power System E. Lobato, F. M. Echavarren, L. Rouco and A. Ugedo
5 Przypadek II: diagnostyka instalacji elektrycznych Firma STILL GmbH Hamburg sprzedała ponad wózków widłowych. Na potrzeby serwisowania działa na terenie Europy około 1100 warsztatów naprawczych. W celu skrócenia czasu przestoju w serwisie firma wykorzystuje komputerowy system diagnostyczny bazujący na drzewach decyzyjnych. Ze względu na złożoność obwodów elektrycznych w wózkach drzewo decyzyjne wykorzystywane w systemie zbudowane jest z ponad 5000 węzłów. Każdorazowo, gdy pojawia się nowy model wózka drzewa decyzyjne są modyfikowane i poprawiane przez inżynierów serwisu. Źródło: Qualitative Model-Based Decision Tree Generation for Diagnosis in Real World Industrial Application Heiko Milde, Lothar Hotz, Jörg Kahl, Stephanie Wessel
6 Przypadek II: diagnostyka instalacji elektrycznych Źródło: Qualitative Model-Based Decision Tree Generation for Diagnosis in Real World Industrial Application Heiko Milde, Lothar Hotz, Jörg Kahl, Stephanie Wessel
7 Przypadek II: diagnostyka instalacji elektrycznych Zastosowanie diagnostycznego systemu komputerowego bazującego na drzewach decyzyjnych spowodowało: wyraźne obniżenie kosztów przeglądu, wywołane m. in. skróceniem czasu ustalenia przyczyn awarii, znaczny wzrost jakości oferowanych usług wynikający z obniżenia liczby wadliwych diagnoz, zgromadzone w pracy serwisów doświadczenia mogą posłużyć wprowadzeniu poprawniejszych rozwiązań konstrukcyjnych już na etapie projektowania. Źródło: Qualitative Model-Based Decision Tree Generation for Diagnosis in Real World Industrial Application Heiko Milde, Lothar Hotz, Jörg Kahl, Stephanie Wessel
8 Przypadek III: korekta danych produkcja izoprenu Gromadzenie dużych zbiorów danych powoduje zawsze pojawianie się rekordów zawierających grube błędy lub danych o nienormalnych wartościach. Tego typu sytuacji nie można uniknąć z wielu powodów, w tym m. in. zmieniających się warunków produkcyjnych, usterek urządzeń pomiarowych i rejestrujących lub też prostych błędów zapisów. Takie przypadki występują tym częściej, im więcej danych jest rejestrowanych w czasie procesu produkcyjnego, np. w procesach ciągłych. Uśrednianie wielkości z całego dnia pomiarów, może takie wahania mierzonej wielkości zawierającej błędy ukrywać i prowadzić do błędnych ocen i analiz procesu. Źródło: Gross errors detection of industrial data by neural network and cluster techniques R.M.B.Alves and C.A.O.Nascimento
9 Przypadek III: korekta danych produkcja izoprenu W przypadku błędów powstających na skutek wadliwego działania urządzeń pomiarowych i rejestrujących obraz analizowanego procesu jest wypaczony. Dane takie powinny być odrzucone. Jednak wartości odległe od normalnych, przeciętnych wielkości rejestrowanych na co dzień, mogą być zwykłymi wartościami ekstremalnymi, jakich występowanie nie jest niczym nadzwyczajnym, całkiem naturalnym, choć nie częstym i jako takie powinny być one zachowane do dalszych rozważań i analizy. Tylko osoby dogłębnie znające analizowany proces i mające ogromne doświadczenie mogą zadecydować o pozostawieniu lub odrzuceniu zmierzonej i zarejestrowanej wartości. Mniej zorientowane powinny posłużyć się odpowiednimi narzędziami bazującymi na analizie statystycznej. Źródło: Gross errors detection of industrial data by neural network and cluster techniques R.M.B.Alves and C.A.O.Nascimento
10 Przypadek III: korekta danych produkcja izoprenu W analizowanym przypadku rejestrowano dane zapisywane jako wartości średnie gromadzone raz dziennie. Zgromadzono dane obejmujące okres trzech, następujących po sobie lat. Analizę przeprowadzono oddzielnie dla każdego roku. Obróbkę danych przeprowadzono w dwóch etapach: analizy poprzedzającej (wstępnej), w której z zebranych danych wyodrębniono dane nieprawidłowe, np. dane których wartości znajdowały się poza obszarem możliwych wartości analizy zasadniczej (głównej), w której zastosowano sztuczne sieci neuronowe oraz zaawansowane techniki statystyczne Źródło: Gross errors detection of industrial data by neural network and cluster techniques R.M.B.Alves and C.A.O.Nascimento
11 Przypadek III: korekta danych produkcja izoprenu Gromadzenie danych przemysłowych Analiza poprzedzająca (wstępna) Uczenie sztucznej sieci neuronowej Budowa sztucznej sieci neuronowej Analiza danych błędnie przewidywanych wskazująca niezgodność lub błąd niewykryty w pierwszym etapie Usuwanie danych odstających Iteracyjne uczenie nowej SSN (do usunięcia danych nieprawidłowych Źródło: Gross errors detection of industrial data by neural network and cluster techniques R.M.B.Alves and C.A.O.Nascimento
12 Przypadek III: korekta danych produkcja izoprenu Źródło: Gross errors detection of industrial data by neural network and cluster techniques R.M.B.Alves and C.A.O.Nascimento
13 Przypadek III: korekta danych produkcja izoprenu
14 Przypadek III: korekta danych produkcja izoprenu Źródło: Gross errors detection of industrial data by neural network and cluster techniques R.M.B.Alves and C.A.O.Nascimento
15 Przypadek IV: konstruowanie materiału W jednej z odlewni polskich zebrano wyniki blisko 800 wytopów, dla których określano zawartość 9 pierwiastków w kąpieli metalowej oraz mierzono wytrzymałość na rozciąganie, twardość Brinella i wydłużenie otrzymanego żeliwa. Sieć neuronową typu MLP uczono wielokrotnie kombinowaną metodą symulowanego wyżarzania (dla ustalenia startowych wartości wag) oraz propagacji wstecznej błędu. Wykonano następujące porównania z innymi modelami: Przewidywania sieci z przewidywaniami modelu typu wielomianu, zastosowanego w jednej z odlewni w Finlandii. Jakość dopasowania do danych uczących i weryfikujących dla sieci i dla naiwnego klasyfikatora Bayesa
16 Przypadek IV: konstruowanie materiału Porównanie prognozowania twardości żeliwa na podstawie jego składu chemicznego metodą wielomianową, zastosowaną w odlewni fińskiej, z uzyskanym z odpytywania sieci neuronowej 260 Twardość, HB Wartość rzeczywista Model wielomianowy Przewidywanie sieci Żeliwo otrzymane w jednej z odlewni fińskich. Sieć neuronowa nauczona na podstawie wyników zebranych w jednej z odlewni polskich Numer wytopu
17 Przypadek IV: konstruowanie materiału Udział wyników z danym błędem 0,6 0,4 0,2 0 NKB, dane uczące NKB, dane weryfikujące SSN, dane uczące SSN, dane weryfikujące 0 do 5 5 do do do 20 > 20 Błędy względne, % Porównanie błędów średniokwadratowych wytrzymałości żeliwa dla odpowiedzi sieci i klasyfikatora Bayesa. Otrzymane rozkłady są typowe dla zaszumionych danych przemysłowych Oznaczenia: NKB naiwny klasyfikator Bayesa, SSN sieć neuronowa
18 Przypadek IV: konstruowanie materiału Istotności względne pierwiastków z punktu widzenia wytrzymałości żeliwa sferoidalnego, otrzymane z nauczonej sieci neuronowej. Decydujące znaczenie miedzi jest zgodne z wiedzą metalurgiczną. 1 0,8 0,6 0,4 0,2 0 C Mn Si P S Cr Ni Cu Mg Wysokości słupków odpowiadają wartościom uśrednionym z 10 uczeń tej samej sieci, zaś czarne linie oznaczają rozstępy w tej próbie.
19 Przypadek V: optymalizacja parametrów procesu Żeliwo ADI (Austempered Ductile Iron) jest jednym z najnowocześniejszych odlewanych tworzyw konstrukcyjnych. Jego własności mechaniczne zależą od: parametrów obróbki cieplnej wyjściowego żeliwa sferoidalnego: temperatury austenityzacji czasu austenityzacji temperatury hartowania izotermicznego czasu hartowania izotermicznego składu chemicznego żeliwa ilości i kształtu wydzieleń grafitu geometrii i sposobu wykonania odlewu
20 Przypadek V: optymalizacja parametrów procesu Na podstawie badań własnych i danych literaturowych utworzono bazę danych zawierającą informacje otrzymane z ponad 300 wytopów i dotyczące: parametrów obróbki cieplnej żeliwa składu chemicznego żeliwa modułów odlewów uzyskanej wytrzymałości na rozciąganie R m uzyskanego wydłużenia A 5 Nauczona sieć neuronowa typu MLP pozwala na przewidywanie wytrzymałości i wydłużenia dla danego odlewu przy zastosowaniu określonej obróbki cieplnej.
21 Przypadek V: optymalizacja parametrów procesu Ponadto napisano specjalne oprogramowanie służące do optymalizacji dowolnie wybranych wielkości wejściowych, np. parametrów obróbki cieplnej dla uzyskania określonego wyniku, np. maksymalnej lub zadanej wytrzymałości lub wydłużenia. Algorytm stosuje omówioną wcześniej metodę optymalizacji wielu zmiennych zwaną metodą symulowanego wyżarzania. Polega ona w tym przypadku na wielokrotnym odpytywaniu sieci, dla losowo wybieranych wartości zmiennych wejściowych wg zasady tej metody, w zakresie wskazanym przez użytkownika. Użytkownik może zadać także dokładność obliczeń, jako ułamek całego zakresu zmienności tych parametrów, który w procedurze obliczeniowej równy jest ostatniemu przedziałowi losowania.
22 Przypadek V: optymalizacja parametrów procesu Okno wyboru parametrów optymalizacji Okno wyników optymalizacji
23 Przypadek VI: identyfikacja przyczyn powstawania wad Przesłanki podjęcia projektu identyfikacji przyczyn powstawania wad typu porowatość gazowa w odlewach staliwnych: Wykrywanie przyczyn nieregularnego pojawiania się wad w odlewach jest zdaniem trudnym, z uwagi na wielką liczbę losowo zmieniających się czynników mogących je powodować Analiza parametrów produkcyjnych, organizacyjnych, ludzkich i materiałowych, jako potencjalnych przyczyn wad, musi być wykonana w oparciu o system uczący się na podstawie zarejestrowanych przypadków występowania lub braku wady
24 Przypadek VI: identyfikacja przyczyn powstawania wad Główne etapy projektu: Określenie wszystkich możliwych parametrów mogących mieć związek z wadą typu porowatość gazowa (39 wielkości) Opracowanie systemu gromadzenia informacji o tych parametrach i stopniu wystąpienia wady Przetworzenie zebranych danych do postaci zbiorów uczących dla sieci neuronowej, w tym napisanie odpowiedniego oprogramowania Zaprojektowanie, uczenie i testowanie sieci neuronowej Analiza działania nauczonej sieci i diagnoza przyczyn powstawania wady. Wprowadzenie działań zaradczych
25 Przypadek VI: identyfikacja przyczyn powstawania wad Porowatość w próbie treflowej Ilość złomu Jakość złomu Ilość FeMnSi Ilość FeSi Ilość FeCaSi Ilość wapna Czas trwania wytopu Wytapiacz Zmiana %C Zmiana %S Zmiana %Mn Temperatura spustu Końcowe %Al Końcowe %Si Końcowe %P Nr pieca Nr kadzi Wylew pochodzenie Dni od remontu kadzi Dni od remontu pieca Dni od reperacji pieca Czas od formowania do złożenia formy Kolejność zalania formy Brygada formująca Brygada składająca Jakość formy Jakość zalania Kod masy rdzeniowej Pokrycie rdzenia Klej do rdzeni Kod masy formierskiej Pokrycie formy Wilgotność masy formierskiej Przepuszczalność masy formierskiej Wytrzymałość masy formierskiej Temperatura otoczenia przed zmianą zalewającą Temperatura otoczenia na zmianie zalewającej Wilgotność powietrza na zmianie zalewającej Zawartość bento
26 Przypadek VI: identyfikacja przyczyn powstawania wad Wykresy uzyskane z odpowiedzi nauczonej sieci neuronowej stanowiące podstawę identyfikacji przyczyn powstawania porowatości Pogoda ciepła i sucha Pogoda chłodna i wilgotna 1 1 0,8 0,8 0,6 0,6 0,4 0,4 0,2 0,2 Przepuszczalność masy Wilgotność masy 0 Przepuszczalność masy Wilgotność masy 0
27 Przypadek VI: identyfikacja przyczyn powstawania wad Główną przyczyną porowatości był nadmierny wzrost ciśnienia pary wodnej w formie, spowodowany zespołem przyczyn, wg schematu: Ciśnienie pary wodnej w formie Wilgotność masy w chwili zalewania Przepuszczalność masy Wilgotność masy użytej do formowania Czas od zaformowania do zalania Temperatura otoczenia Wilgotność powietrza Czarne strzałki wskazują na przewidywane przez sieć cząstkowe kierunki zmian częstotliwości występowania wady
28 Przypadek VII: sterowanie procesem on-line Podjęto próbę zastosowania SSN do wspomagania decyzji dotyczących ilości składników odświeżających i wody dodawanych do bentonitowych mas formierskich. W przypadku systemów nie w pełni zautomatyzowanych ustalenie tego typu dodatków dokonywane jest na ogół przez mistrza formierni, na podstawie analizy składu i pierwszych wyników pomiarów własności masy, na początku dziennej zmiany. Koncepcja pracy polegała na sprawdzeniu, czy sieć neuronowa jest w stanie nauczyć się takiej analizy i proponować wielkości dodatków równie dobrze lub lepiej niż człowiek.
29 Przypadek VII: sterowanie procesem on-line 50 Błędy rzeczywistych dodatków w stosunku do potrzebnych dla pożądanych własności Błędy sieci przy przewidywaniu ilości dodatków Błąd względny, % Bentonit Pył węglowy Woda Błędy dodawanych ilości składników masy, o których decydował człowiek, są istotnie wyższe niż błędy popełniane przez sieć
30 Przypadek VII: sterowanie procesem on-line Automatyczny system dozowania dodatków odświeżających do wilgotnych mas formierskich System działa w odlewni John Deer Foundry, Iowa, USA Miejsca, w których wykorzystuje się sieci neuronowe zaznaczono czerwonymi kołami
31 Przypadek VIII: wspomaganie projektowania Celem projektu było uzyskanie zależności umożliwiających wyznaczenie poprawnych wymiarów zasilaczy bocznych w odlewie, stwarzających największe problemy związane m.in. z lokalnym przegrzewaniem się formy. Przeprowadzone zostały symulacje krzepnięcia specjalnie zaprojektowanych odlewów. Otrzymano obrazy z rozkładem wad skurczowych, zależne od: proporcji i wielkości nadlewu, odległości nadlewu od odlewu oraz modułu szyi. Na przykładowym wyniku symulacji kółkiem zaznaczono typową wadę wynikłą z lokalnego przegrzania.
32 Przypadek VIII: wspomaganie projektowania Sieć neuronowa pozwoliła na uogólnienie wyników numerycznej symulacji krzepnięcia w celu uzyskania zaleceń projektowych dla układów zasilania odlewów. Optymalny stosunek wysokości nadlewu bocznego do jego średnicy wynosi 1,5. Zapewnia on niewielki stopień przegrzewania przyległej ściany odlewu i dość korzystny stosunek czasu krzepnięcia do objętości Minimalna długość szyi (odległość między nadlewem a odlewem) wynosi 20 mm. Dla aluminium wystarczający stosunek modułów nadlewu i odlewu wynosi 1 dla zalewania przez nadlew, zaś dla równomiernego początkowego rozkładu temperatury 1,3. Dla staliwa stosunek ten w obu wypadkach wynosi 1,2.
33 Przypadek IX: przemysłowy system kontroli jakości Istotnym problemem jest rozpoznawanie obiektów przypadkowo ułożonych w przestrzeni. Dotyczy to zwłaszcza obiektów o kształtach nieregularnych. Wybrana metoda grupowania połączona z algorytmem skalującym, pozycjonującym i orientującym w przestrzeni pozwoliła została skutecznie wykorzystana w zastosowaniu przemysłowym.
34 Przypadek IX: przemysłowy system kontroli jakości Źródło: Hough-transform based algorithm for the automatic invariant recognition of rectangular chocolates. Detection of defective pieces; Javier Monteenegro Joo
35 Przypadek IX: przemysłowy system kontroli jakości Przygotowany algorytm był początkowo testowany na obiektach wygenerowanych przez program komputerowy. Następnie, po zdaniu egzaminu na przygotowanych z kartonu figurach geometrycznych, został wykorzystany do rozpoznawania nieregularnych herbatników. Obecnie jest stosowany z powodzeniem do rozpoznawania czekoladek, włączając w to selekcję uszkodzonych lub zdeformowanych. Uzyskane wyniki świadczą o możliwości zastosowania automatycznego przemysłowego systemu kontroli jakości obiektów będących w ruchu, np. przemieszczających się na pasach transmisyjnych.
Sztuczne sieci neuronowe w analizie procesów odlewniczych
METRO MEtalurgiczny TRening On-line Sztuczne sieci neuronowe w analizie procesów odlewniczych Marcin Perzyk PW Edukacja i Kultura Definicja sztucznej sieci neuronowej Sztuczna sieć neuronowa jest to złożona
Bardziej szczegółowoIDENTYFIKACJA PRZYCZYN WADY POROWATOŚCI W ODLEWACH STALIWNYCH Z WYKORZYSTANIEM SZTUCZNYCH SIECI NEURONOWYCH
11/5 Archives of Foundry, Year 2002, Volume 2, 5 Archiwum Odlewnictwa, Rok 2002, Rocznik 2, Nr 5 PAN Katowice PL ISSN 1642-5308 IDENTYFIKACJA PRZYCZYN WADY POROWATOŚCI W ODLEWACH STALIWNYCH Z WYKORZYSTANIEM
Bardziej szczegółowoZastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym
POLITECHNIKA WARSZAWSKA Instytut Technik Wytwarzania Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym Marcin Perzyk Dlaczego eksploracja danych?
Bardziej szczegółowoTemat: Sztuczne Sieci Neuronowe. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Sztuczne Sieci Neuronowe Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sztuczne sieci neuronowe
Bardziej szczegółowoI EKSPLORACJA DANYCH
I EKSPLORACJA DANYCH Zadania eksploracji danych: przewidywanie Przewidywanie jest podobne do klasyfikacji i szacowania, z wyjątkiem faktu, że w przewidywaniu wynik dotyczy przyszłości. Typowe zadania przewidywania
Bardziej szczegółowoKatedra Zarządzania i Informatyki Politechnika Śląska
prof. dr hab. Tadeusz Wieczorek mgr inż. Krystian Mączka Katedra Zarządzania i Informatyki Politechnika Śląska Charakterystyka procesu topienia złomu w piecu łukowym Problemy do rozwiązania Prezentacja
Bardziej szczegółowoTestowanie modeli predykcyjnych
Testowanie modeli predykcyjnych Wstęp Podczas budowy modelu, którego celem jest przewidywanie pewnych wartości na podstawie zbioru danych uczących poważnym problemem jest ocena jakości uczenia i zdolności
Bardziej szczegółowoZASTOSOWANIE SYSTEMÓW UCZĄCYCH SIĘ DO PRZEWIDYWANIA WŁASNOŚCI MATERIAŁÓW ODLEWANYCH
33/14 Archives of Foundry, Year 2004, Volume 4, 14 Archiwum Odlewnictwa, Rok 2004, Rocznik 4, Nr 14 PAN Katowice PL ISSN 1642-5308 ZASTOSOWANIE SYSTEMÓW UCZĄCYCH SIĘ DO PRZEWIDYWANIA WŁASNOŚCI MATERIAŁÓW
Bardziej szczegółowoIch właściwości zmieniające się w szerokim zakresie w zależności od składu chemicznego (rys) i technologii wytwarzania wyrobu.
STOPY ŻELAZA Ich właściwości zmieniające się w szerokim zakresie w zależności od składu chemicznego (rys) i technologii wytwarzania wyrobu. Ze względu na bardzo dużą ilość stopów żelaza z węglem dla ułatwienia
Bardziej szczegółowoMODELOWANIE ROZKŁADU STOPNIA ZAGĘSZCZENIA MASY FORMIERSKIEJ Z WYKORZYSTANIEM SYSTEMÓW UCZĄCYCH SIĘ
Robert Biernacki, Marcin Perzyk, Jacek Kozłowski MODELOWANIE ROZKŁADU STOPNIA ZAGĘSZCZENIA MASY FORMIERSKIEJ Z WYKORZYSTANIEM SYSTEMÓW UCZĄCYCH SIĘ Streszczenie Omówiono czynniki wpływające na stopień
Bardziej szczegółowoWPŁYW DODATKÓW STOPOWYCH NA WŁASNOŚCI STOPU ALUMINIUM KRZEM O NADEUTEKTYCZNYM SKŁADZIE
WYDZIAŁ ODLEWNICTWA AGH Oddział Krakowski STOP XXXIV KONFERENCJA NAUKOWA Kraków - 19 listopada 2010 r. Marcin PIĘKOŚ 1, Stanisław RZADKOSZ 2, Janusz KOZANA 3,Witold CIEŚLAK 4 WPŁYW DODATKÓW STOPOWYCH NA
Bardziej szczegółowoProjekt Sieci neuronowe
Projekt Sieci neuronowe Chmielecka Katarzyna Gr. 9 IiE 1. Problem i dane Sieć neuronowa miała za zadanie nauczyć się klasyfikować wnioski kredytowe. W projekcie wykorzystano dane pochodzące z 110 wniosków
Bardziej szczegółowoEksploracja Danych. wykład 4. Sebastian Zając. 10 maja 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja / 18
Eksploracja Danych wykład 4 Sebastian Zając WMP.SNŚ UKSW 10 maja 2017 Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja 2017 1 / 18 Klasyfikacja danych Klasyfikacja Najczęściej stosowana (najstarsza)
Bardziej szczegółowoZadanie egzaminacyjne
Zadanie egzaminacyjne Przygotuj uproszczoną dokumentację technologiczną wykonania odlewu łącznika przedstawionego na rysunku 1 (oznaczenie rysunku WP-48-2011/3). Dokumentacja składa się z: tabeli obliczeń
Bardziej szczegółowo4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74
3 Wykaz najważniejszych skrótów...8 Przedmowa... 10 1. Podstawowe pojęcia data mining...11 1.1. Wprowadzenie...12 1.2. Podstawowe zadania eksploracji danych...13 1.3. Główne etapy eksploracji danych...15
Bardziej szczegółowoWPŁYW RODZAJU MASY OSŁANIAJĄCEJ NA STRUKTURĘ, WŁAŚCIWOŚCI MECHANICZNE I ODLEWNICZE STOPU Remanium CSe
WYśSZA SZKOŁA INśYNIERII DENTYSTYCZNEJ im. prof. Meissnera w Ustroniu WYDZIAŁ INśYNIERII DENTYSTYCZNEJ WPŁYW RODZAJU MASY OSŁANIAJĄCEJ NA STRUKTURĘ, WŁAŚCIWOŚCI MECHANICZNE I ODLEWNICZE STOPU Remanium
Bardziej szczegółowoPróba ocena jakości żeliwa z różną postacią grafitu w oparciu o pomiar aktywności tlenu w ciekłym stopie i wybrane parametry krzywej krystalizacji
PROJEKT NR: POIG.01.03.01-12-061/08 Badania i rozwój nowoczesnej technologii tworzyw odlewniczych odpornych na zmęczenie cieplne Próba ocena jakości żeliwa z różną postacią grafitu w oparciu o pomiar aktywności
Bardziej szczegółowoWYKORZYSTANIE SIECI NEURONOWEJ DO BADANIA WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO. Stanisław Kowalik (Poland, Gliwice)
WYKORZYSTANIE SIECI NEURONOWEJ DO BADANIA WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO Stanisław Kowalik (Poland, Gliwice) 1. Wprowadzenie Wstrząsy podziemne i tąpania występujące w kopalniach
Bardziej szczegółowoALGORYTM RANDOM FOREST
SKRYPT PRZYGOTOWANY NA ZAJĘCIA INDUKOWANYCH REGUŁ DECYZYJNYCH PROWADZONYCH PRZEZ PANA PAWŁA WOJTKIEWICZA ALGORYTM RANDOM FOREST Katarzyna Graboś 56397 Aleksandra Mańko 56699 2015-01-26, Warszawa ALGORYTM
Bardziej szczegółowoPROJEKT - ODLEWNICTWO
W celu wprowadzenia do produkcji nowego wyrobu konieczne jest opracowanie dokumentacji technologicznej, w której skład wchodzą : rysunek konstrukcyjny gotowego wyrobu, rysunek koncepcyjny sposobu odlewania,
Bardziej szczegółowoMetody Sztucznej Inteligencji II
17 marca 2013 Neuron biologiczny Neuron Jest podstawowym budulcem układu nerwowego. Jest komórką, która jest w stanie odbierać i przekazywać sygnały elektryczne. Neuron działanie Jeżeli wartość sygnału
Bardziej szczegółowoIMPLEMENTACJA SIECI NEURONOWYCH MLP Z WALIDACJĄ KRZYŻOWĄ
IMPLEMENTACJA SIECI NEURONOWYCH MLP Z WALIDACJĄ KRZYŻOWĄ Celem ćwiczenia jest zapoznanie się ze sposobem działania sieci neuronowych typu MLP (multi-layer perceptron) uczonych nadzorowaną (z nauczycielem,
Bardziej szczegółowoProgram BEST_RE. Pakiet zawiera następujące skoroszyty: BEST_RE.xls główny skoroszyt symulacji RES_VIEW.xls skoroszyt wizualizacji wyników obliczeń
Program BEST_RE jest wynikiem prac prowadzonych w ramach Etapu nr 15 strategicznego programu badawczego pt. Zintegrowany system zmniejszenia eksploatacyjnej energochłonności budynków. Zakres prac obejmował
Bardziej szczegółowoZastosowania sieci neuronowych
Zastosowania sieci neuronowych aproksymacja LABORKA Piotr Ciskowski zadanie 1. aproksymacja funkcji odległość punktów źródło: Żurada i in. Sztuczne sieci neuronowe, przykład 4.4, str. 137 Naucz sieć taką
Bardziej szczegółowoSummary in Polish. Fatimah Mohammed Furaiji. Application of Multi-Agent Based Simulation in Consumer Behaviour Modeling
Summary in Polish Fatimah Mohammed Furaiji Application of Multi-Agent Based Simulation in Consumer Behaviour Modeling Zastosowanie symulacji wieloagentowej w modelowaniu zachowania konsumentów Streszczenie
Bardziej szczegółowoDr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji
Automatyzacja i Robotyzacja Procesów Produkcyjnych Dr hab. inż. Jan Duda Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji Podstawowe pojęcia Automatyka Nauka o metodach i układach sterowania
Bardziej szczegółowoODLEWNICTWO Casting. forma studiów: studia stacjonarne. Liczba godzin/tydzień: 2W, 1L PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu Kierunek: Inżynieria materiałowa Rodzaj przedmiotu: kierunkowy obowiązkowy Rodzaj zajęć: Wyk. Lab. Poziom studiów: studia I stopnia ODLEWNICTWO Casting forma studiów: studia stacjonarne
Bardziej szczegółowoWirtotechnologia Tematy Prac Magisterskich Katedra Inżynierii Procesów Odlewniczych Rok akademicki 2016/2017
Wirtotechnologia Tematy Prac Magisterskich Katedra Inżynierii Procesów Odlewniczych Rok akademicki 06/0 Pracownia Maszyn Odlewniczych i Konstrukcji Odlewów Badanie wpływu ilości spoiwa organicznego w zużytej
Bardziej szczegółowoNowa ekologiczna metoda wykonywania odlewów z żeliwa sferoidyzowanego lub wermikularyzowanego w formie odlewniczej
PROJEKT NR: POIG.01.03.01-12-061/08 Badania i rozwój nowoczesnej technologii tworzyw odlewniczych odpornych na zmęczenie cieplne Nowa ekologiczna metoda wykonywania odlewów z żeliwa sferoidyzowanego lub
Bardziej szczegółowoOCENA STANU FORM WILGOTNYCH I SUSZONYCH METODĄ ULTRADŹWIĘKOWĄ. J. Zych 1. Wydział Odlewnictwa Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie
SUSZONYCH METODĄ ULTRADŹWIĘKOWĄ J. Zych 1 Wydział Odlewnictwa Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie 1. Wprowadzenie Stan formy odlewniczej przygotowanej do zalewania to zespół cech, opisujących
Bardziej szczegółowoRozwój technologii żeliwa ADI w Polsce
Rozwój technologii żeliwa ADI w Polsce instytut odlewnictwa Kraków 2009 Opracowanie redakcyjne Marta Konieczna, Adam Kowalski, Józef Turzyński Skład komputerowy Agnieszka Fiutowska Projekt okładki i opracowanie
Bardziej szczegółowoWPŁYW WIELKOŚCI WYDZIELEŃ GRAFITU NA WYTRZYMAŁOŚĆ ŻELIWA SFEROIDALNEGO NA ROZCIĄGANIE
15/12 ARCHIWUM ODLEWNICTWA Rok 2004, Rocznik 4, Nr 12 Archives of Foundry Year 2004, Volume 4, Book 12 PAN Katowice PL ISSN 1642-5308 WPŁYW WIELKOŚCI WYDZIELEŃ GRAFITU NA WYTRZYMAŁOŚĆ ŻELIWA SFEROIDALNEGO
Bardziej szczegółowoSTATYCZNA PRÓBA ROZCIĄGANIA
Mechanika i wytrzymałość materiałów - instrukcja do ćwiczenia laboratoryjnego: STATYCZNA PRÓBA ROZCIĄGANIA oprac. dr inż. Jarosław Filipiak Cel ćwiczenia 1. Zapoznanie się ze sposobem przeprowadzania statycznej
Bardziej szczegółowoMetalurgia Tematy Prac Magisterskich Katedra Inżynierii Procesów Odlewniczych Rok akademicki 2016/2017
Metalurgia Tematy Prac Magisterskich Katedra Inżynierii Procesów Odlewniczych Rok akademicki 0/0 Pracownia Maszyn Odlewniczych i Konstrukcji Odlewów Madej Kamil Badanie wpływu parametrów I i II fazy odlewania
Bardziej szczegółowoPrognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych
Prognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych prof. zw. dr hab. inż. Stanisław Osowski dr inż. Krzysztof Siwek Politechnika Warszawska Kontynuacja prac Prace prowadzone w roku
Bardziej szczegółowoTematy Prac Magisterskich Katedra Inżynierii Procesów Odlewniczych
Tematy Prac Magisterskich Katedra Inżynierii Procesów Odlewniczych 2014-2015 Pracownia Mechanizacji, Automatyzacji i Projektowania Odlewni Lp. Nazwisko i Imię Temat pracy Opiekun pracy Miejsce 1 Mariusz
Bardziej szczegółowoInformacje ogólne Pełna nazwa laboratorium: LAB5 Jednostka zarządzająca: Kierownik laboratorium: Politechnika Gdańska, Wydział Inżynierii Lądowej i Środowiska, Katedra Budownictwa i Inżynierii Materiałowej
Bardziej szczegółowoNOWOCZESNY SYSTEM ZARZĄDZANIA JAKOŚCIĄ MASY FORMIERSKIEJ
NOWOCZESNY SYSTEM ZARZĄDZANIA JAKOŚCIĄ MASY FORMIERSKIEJ NOWOCZESNY SYSTEM ZARZĄDZANIA JAKOŚCIĄ MASY FORMIERSKIEJ Wstęp Waldemar BOJANOWSKI 1 Piotr WOŹNIAK 2 Przygotowania masy formierskiej o wysokich
Bardziej szczegółowoSIEĆ NEURONOWA DO OCENY KOŃCOWEJ PRZEDSIĘWZIĘCIA (PROJEKTU)
SIEĆ NEURONOWA DO OCENY KOŃCOWEJ PRZEDSIĘWZIĘCIA (PROJEKTU) 1. Opis problemu - ocena końcowa projektu Projekt jako nowe, nietypowe przedsięwzięcie wymaga właściwego zarządzania. Podjęcie się realizacji
Bardziej szczegółowo2. Metoda impulsowa pomiaru wilgotności mas formierskich.
J. BARYCKI 2 T. MIKULCZYŃSKI 2 A. WIATKOWSKI 3 R. WIĘCŁAWEK 4 1,3 Ośrodek Badawczo-Rozwojowy Elementów i Układów Pneumatyki 2,4 Instytut Technologii Maszyn i Automatyzacji Politechniki Wrocławskiej Zaprezentowano
Bardziej szczegółowoMateriały szkoleniowe
Materiały szkoleniowe Projekt I.N.05 Opracowanie modelu obciążenia cieplnego organizmu człowieka przebywającego w warunkach środowiskowych odpowiadających głęboko położonym oddziałom kopalni węgla i miedzi.
Bardziej szczegółowoModelowanie w projektowaniu maszyn i procesów cz.5
Modelowanie w projektowaniu maszyn i procesów cz.5 Metoda Elementów Skończonych i analizy optymalizacyjne w środowisku CAD Dr hab inż. Piotr Pawełko p. 141 Piotr.Pawełko@zut.edu.pl www.piopawelko.zut.edu.pl
Bardziej szczegółowoLUZS-12 LISTWOWY UNIWERSALNY ZASILACZ SIECIOWY DOKUMENTACJA TECHNICZNO-RUCHOWA. Wrocław, kwiecień 1999 r.
LISTWOWY UNIWERSALNY ZASILACZ SIECIOWY DOKUMENTACJA TECHNICZNO-RUCHOWA Wrocław, kwiecień 1999 r. 50-305 WROCŁAW TEL./FAX (+71) 373-52-27 ul. S. Jaracza 57-57a TEL. 602-62-32-71 str.2 SPIS TREŚCI 1.OPIS
Bardziej szczegółowoAlgorytmy decyzyjne będące alternatywą dla sieci neuronowych
Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny
Bardziej szczegółowoKatowice GPW 2013. Zintegrowany system informatyczny do kompleksowego zarządzania siecią wodociągową. Jan Studziński
Katowice GPW 2013 Zintegrowany system informatyczny do kompleksowego zarządzania siecią wodociągową Jan Studziński 1 1. Wstęp Cel pracy Usprawnienie zarządzania siecią wodociągową za pomocą nowoczesnych
Bardziej szczegółowoOprogramowanie Systemów Obrazowania SIECI NEURONOWE
SIECI NEURONOWE Przedmiotem laboratorium jest stworzenie algorytmu rozpoznawania zwierząt z zastosowaniem sieci neuronowych w oparciu o 5 kryteriów: ile zwierzę ma nóg, czy żyje w wodzie, czy umie latać,
Bardziej szczegółowooferta usług szkoleniowych 2019
oferta usług szkoleniowych 2019 Sieć Badawcza Łukasiewicz Instytut Odlewnictwa oferuje wysokospecjalistyczne szkolenia z zakresu odlewnictwa. Oferta skierowana jest zarówno do firm i instytucji publicznych,
Bardziej szczegółowoWprowadzenie do uczenia maszynowego
Wprowadzenie do uczenia maszynowego Agnieszka Ławrynowicz 12 stycznia 2017 Co to jest uczenie maszynowe? dziedzina nauki, która zajmuje się sprawianiem aby komputery mogły uczyć się bez ich zaprogramowania
Bardziej szczegółowoPrzykładowy szkolny plan nauczania* /modułowe kształcenie zawodowe/
Przykładowy szkolny plan nauczania* /modułowe kształcenie zawodowe/ Typ szkoły: zasadnicza szkoła zawodowa - 3-letni okres nauczania Zawód: Operator maszyn i urządzeń odlewniczych; symbol 812107 Podbudowa
Bardziej szczegółowoNazwa błędu Możliwe przyczyny błędu Rozwiązanie problemu
E001 E002 Brak / / 1) Chwilowa utrata zasilania 2) Napięcie zasilające nie spełnia założonych wymogów Niskie napięcie 3) Uszkodzenie mostka szyny DC prostowniczego i rezystancji buforującej 4) Uszkodzenie
Bardziej szczegółowoOptymalizacja optymalizacji
7 maja 2008 Wstęp Optymalizacja lokalna Optymalizacja globalna Algorytmy genetyczne Badane czasteczki Wykorzystane oprogramowanie (Algorytm genetyczny) 2 Sieć neuronowa Pochodne met-enkefaliny Optymalizacja
Bardziej szczegółowoWykaz norm będących w zakresie działalności Komitetu Technicznego KT 301 ds. Odlewnictwa aktualizacja na dzień
Wykaz norm będących w zakresie działalności Komitetu Technicznego KT 301 ds. Odlewnictwa aktualizacja na dzień 15.12.2016 Numer PN Odlewy PN-EN 1559-1:2011P PN-EN 1559-1:2011E PN-EN 1559-2:2014-12E PN-EN
Bardziej szczegółowoOSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) Algorytmy i Struktury Danych PIŁA
OSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) 16.01.2003 Algorytmy i Struktury Danych PIŁA ALGORYTMY ZACHŁANNE czas [ms] Porównanie Algorytmów Rozwiązyjących problem TSP 100 000 000 000,000 10 000 000
Bardziej szczegółowoPL B1. Kanał odpowietrzający odlewnicze formy piaskowe oraz sposób odpowietrzenia odlewniczych form piaskowych
RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 228533 (13) B1 (21) Numer zgłoszenia: 414627 (51) Int.Cl. B22C 9/02 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej (22) Data zgłoszenia: 30.10.2015
Bardziej szczegółowoInformacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów
Eksploracja danych Piotr Lipiński Informacje ogólne Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów UWAGA: prezentacja to nie
Bardziej szczegółowoBADANIA ŻELIWA CHROMOWEGO NA DYLATOMETRZE ODLEWNICZYM DO-01/P.Śl.
36/38 Solidification of Metals and Alloys, No. 38, 1998 Krzepnięcie Metali i Stopów, nr 38, 1998 PAN Katowice PL ISSN 0208-9386 BADANIA ŻELIWA CHROMOWEGO NA DYLATOMETRZE ODLEWNICZYM DO-01/P.Śl. STUDNICKI
Bardziej szczegółowoProf. Stanisław Jankowski
Prof. Stanisław Jankowski Zakład Sztucznej Inteligencji Zespół Statystycznych Systemów Uczących się p. 228 sjank@ise.pw.edu.pl Zakres badań: Sztuczne sieci neuronowe Maszyny wektorów nośnych SVM Maszyny
Bardziej szczegółowoZASTOSOWANIE SIECI NEURONOWYCH DO OPTYMALIZACJI WARUNKÓW OBRÓBKI CIEPLNEJ STOPÓW Mg-Al
LESZEK A. DOBRZAŃSKI, TOMASZ TAŃSKI ZASTOSOWANIE SIECI NEURONOWYCH DO OPTYMALIZACJI WARUNKÓW OBRÓBKI CIEPLNEJ STOPÓW Mg-Al APPLICATION OF NEURAL NETWORKS FOR OPTIMISATION OF Mg-Al ALLOYS HEAT TREATMENT
Bardziej szczegółowoUczenie sieci typu MLP
Uczenie sieci typu MLP Przypomnienie budowa sieci typu MLP Przypomnienie budowy neuronu Neuron ze skokową funkcją aktywacji jest zły!!! Powszechnie stosuje -> modele z sigmoidalną funkcją aktywacji - współczynnik
Bardziej szczegółowoProjektowanie Wirtualne bloki tematyczne PW I
Podstawowe zagadnienia egzaminacyjne Projektowanie Wirtualne - część teoretyczna Projektowanie Wirtualne bloki tematyczne PW I 1. Projektowanie wirtualne specyfika procesu projektowania wirtualnego, podstawowe
Bardziej szczegółowoZałącznik nr 1 do Zapytania ofertowego: Opis przedmiotu zamówienia
Załącznik nr 1 do Zapytania ofertowego: Opis przedmiotu zamówienia Postępowanie na świadczenie usług badawczo-rozwojowych referencyjny Zamawiającego: ZO CERTA 1/2017 Celem Projektu jest opracowanie wielokryterialnych
Bardziej szczegółowoTemat 1 (2 godziny): Próba statyczna rozciągania metali
Temat 1 (2 godziny): Próba statyczna rozciągania metali 1.1. Wstęp Próba statyczna rozciągania jest podstawowym rodzajem badania metali, mających zastosowanie w technice i pozwala na określenie własności
Bardziej szczegółowoPRZEGLĄD ODLEWNICTWA R
PRZEGLĄD ODLEWNICTWA R. 62-2012 SPIS TREŚCI nr 1/2 10 Sytuacja odlewnictwa w Polsce i na świecie - stan aktualny i prognozy / J. J. Sobczak, E. Balcer, A. Kryczek 28 Jakie są perspektywy rynku metali ziem
Bardziej szczegółowoRecenzja rozprawy doktorskiej mgr inż. Joanny Wróbel
Prof. dr hab. inż. Tadeusz BURCZYŃSKI, czł. koresp. PAN Instytut Podstawowych Problemów Techniki PAN ul. A. Pawińskiego 5B 02-106 Warszawa e-mail: tburczynski@ippt.pan.pl Warszawa, 15.09.2017 Recenzja
Bardziej szczegółowoPrzykładowy szkolny plan nauczania* /przedmiotowe kształcenie zawodowe/
Przykładowy szkolny plan nauczania* /przedmiotowe kształcenie zawodowe/ Typ szkoły: Zasadnicza Szkoła Zawodowa - 3-letni okres nauczania /1//2/ Zawód: operator maszyn i urządzeń odlewniczych; symbol 812107
Bardziej szczegółowoMetalurgia - Tematy Prac Inżynierskich - Katedra Tworzyw Formierskich, Technologii Formy, Odlewnictwa Metali Nieżelaznych
Metalurgia - Tematy Prac Inżynierskich - Katedra, y, Odlewnictwa Metali Nieżelaznych 2016-2017 Lp. 1 2 3 4 5 6 7 8 Nazwisko i Imię dyplomanta Temat pracy Badania stanu powierzchni surowej odlewów przemysłowych
Bardziej szczegółowoBadanie dylatometryczne żeliwa w zakresie przemian fazowych zachodzących w stanie stałym
PROJEKT NR: POIG.1.3.1--1/ Badania i rozwój nowoczesnej technologii tworzyw odlewniczych odpornych na zmęczenie cieplne Badanie dylatometryczne żeliwa w zakresie przemian fazowych zachodzących w stanie
Bardziej szczegółowoSystemy uczące się Lab 4
Systemy uczące się Lab 4 dr Przemysław Juszczuk Katedra Inżynierii Wiedzy, Uniwersytet Ekonomiczny 26 X 2018 Projekt zaliczeniowy Podstawą zaliczenia ćwiczeń jest indywidualne wykonanie projektu uwzględniającego
Bardziej szczegółowoSpawanie w osłonie wiedzy
XV POMORSKIE SYMPOZJUM SPAWALNICTWA XVII SPOTKANIE SPAWALNIKÓW WYBRZEŻA Spawanie w osłonie wiedzy Gdańsk-Sobieszewo, 17 październik 2013 ArcQuality Zaawansowany system wspomagający zarządzanie jakością
Bardziej szczegółowoMetalurgia - Tematy Prac Inżynierskich Katedra Inżynierii Procesów Odlewniczych
Metalurgia - Tematy Prac Inżynierskich Katedra Inżynierii Procesów Odlewniczych 205-206 Pracownia Mechanizacji, Automatyzacji i Projektowania Odlewni 2 3 Program komputerowej symulacji pracy pieca oporowego.
Bardziej szczegółowoPodstawy sztucznej inteligencji
wykład 5 Sztuczne sieci neuronowe (SSN) 8 grudnia 2011 Plan wykładu 1 Biologiczne wzorce sztucznej sieci neuronowej 2 3 4 Neuron biologiczny Neuron Jest podstawowym budulcem układu nerwowego. Jest komórką,
Bardziej szczegółowoOdlewnictwo / Marcin Perzyk, Stanisław Waszkiewicz, Mieczysław Kaczorowski, Andrzej Jopkiewicz. wyd. 2, 4 dodr. Warszawa, 2015.
Odlewnictwo / Marcin Perzyk, Stanisław Waszkiewicz, Mieczysław Kaczorowski, Andrzej Jopkiewicz. wyd. 2, 4 dodr. Warszawa, 2015 Spis treści Przedmowa 11 1. Podstawy procesów odlewniczych 13 1.1. Istota
Bardziej szczegółowoOPTYMALIZACJA ZBIORNIKA NA GAZ PŁYNNY LPG
Leon KUKIEŁKA, Krzysztof KUKIEŁKA, Katarzyna GELETA, Łukasz CĄKAŁA OPTYMALIZACJA ZBIORNIKA NA GAZ PŁYNNY LPG Streszczenie Praca dotyczy optymalizacji kształtu zbiornika toroidalnego na gaz LPG. Kryterium
Bardziej szczegółowoProblem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner
Problem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska Elementy nieprzystające Definicja odrzucania Klasyfikacja
Bardziej szczegółowoNajprostsze modele sieci z rekurencją. sieci Hopfielda; sieci uczone regułą Hebba; sieć Hamminga;
Sieci Hopfielda Najprostsze modele sieci z rekurencją sieci Hopfielda; sieci uczone regułą Hebba; sieć Hamminga; Modele bardziej złoŝone: RTRN (Real Time Recurrent Network), przetwarzająca sygnały w czasie
Bardziej szczegółowoMetalurgia - Tematy Prac magisterskich - Katedra Tworzyw Formierskich, Technologii Formy, Odlewnictwa Metali Nieżelaznych
Metalurgia - Tematy Prac magisterskich - Katedra, Technologii Formy, Odlewnictwa Metali Nieżelaznych 2015-2016 Tematy Prac magisterskich Technologii Formy 2015-2016 Lp. Nazwisko i Imię dyplomanta Temat
Bardziej szczegółowoTechniki wytwarzania - odlewnictwo
Techniki wytwarzania - odlewnictwo Główne elementy układu wlewowego Układy wlewowe Struga metalu Przekrój minimalny Produkcja odlewów na świecie Odbieranie ciepła od odlewów przez formę Krystalizacja Schematyczne
Bardziej szczegółowoStosowane metody wykrywania nieszczelności w sieciach gazowych
Stosowane metody wykrywania nieszczelności w sieciach gazowych Andrzej Osiadacz, Łukasz Kotyński Zakład Systemów Ciepłowniczych i Gazowniczych Wydział Inżynierii Środowiska Politechniki Warszawskiej Międzyzdroje,
Bardziej szczegółowoModuł wejść/wyjść VersaPoint
Moduł obsługuje wyjściowe sygnały dyskretne 24VDC. Parametry techniczne modułu Wymiary (szerokość x wysokość x głębokość) Rodzaj połączeń 12.2mm x 120mm x 71.5mm (0.480in. x 4.724in. x 2.795in.) 2-, 3-
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Modelowanie algorytmów klasyfikujących. Podejście probabilistyczne. Naiwny klasyfikator bayesowski. Modelowanie danych metodą najbliższych sąsiadów. Jakub Wróblewski
Bardziej szczegółowoSala Konferencyjna, Inkubator Nowych Technologii IN-TECH 2 w Mielcu, ul. Wojska Polskiego 3.
S Z K O L E N I E EFEKTYWNOŚĆ ENERGETYCZNA W PRAKTYCE Sala Konferencyjna, Inkubator Nowych Technologii IN-TECH 2 w Mielcu, ul. Wojska Polskiego 3. Dzień 1 : 21 styczeń 2013r. MODUŁ 4 -Metody oszczędzania
Bardziej szczegółowoMetody łączenia metali. rozłączne nierozłączne:
Metody łączenia metali rozłączne nierozłączne: Lutowanie: łączenie części metalowych za pomocą stopów, zwanych lutami, które mają niższą od lutowanych metali temperaturę topnienia. - lutowanie miękkie
Bardziej szczegółowoPattern Classification
Pattern Classification All materials in these slides were taken from Pattern Classification (2nd ed) by R. O. Duda, P. E. Hart and D. G. Stork, John Wiley & Sons, 2000 with the permission of the authors
Bardziej szczegółowoLista zagadnień kierunkowych pomocniczych w przygotowaniu do egzaminu dyplomowego magisterskiego Kierunek: Mechatronika
Lista zagadnień kierunkowych pomocniczych w przygotowaniu do Kierunek: Mechatronika 1. Materiały używane w budowie urządzeń precyzyjnych. 2. Rodzaje stali węglowych i stopowych, 3. Granica sprężystości
Bardziej szczegółowoOCENA JAKOŚCI ŻELIWA SFEROIDALNEGO METODĄ ATD
26/10 Archives of Foundry, Year 2003, Volume 3, 10 Archiwum O dlewnictwa, Rok 2003, Rocznik 3, Nr 10 PAN Katowice PL ISSN 1642-5308 OCENA JAKOŚCI ŻELIWA SFEROIDALNEGO METODĄ ATD M. STAWARZ 1, J. SZAJNAR
Bardziej szczegółowoModelowanie skutków awarii przemysłowych w programie RIZEX-2
Modelowanie skutków awarii przemysłowych w programie RIZEX-2 Rafał POROWSKI, Piotr LESIAK, Martyna STRZYŻEWSKA, Wojciech RUDY Zespół Laboratoriów Procesów Spalania i Wybuchowości CNBOP-PIB rporowski@cnbop.pl
Bardziej szczegółowoRola stacji gazowych w ograniczaniu strat gazu w sieciach dystrybucyjnych
Rola stacji gazowych w ograniczaniu strat gazu w sieciach dystrybucyjnych Politechnika Warszawska Zakład Systemów Ciepłowniczych i Gazowniczych Prof. dr hab. inż. Andrzej J. Osiadacz Dr hab. inż. Maciej
Bardziej szczegółowoKONKURS PRZEDMIOTOWY Z FIZYKI dla uczniów gimnazjów. Schemat punktowania zadań
KONKURS PRZEDMIOTOWY Z FIZYKI dla uczniów gimnazjów 7 stycznia 06 r. zawody II stopnia (rejonowe) Schemat punktowania zadań Maksymalna liczba punktów 60 Uwaga!. Za poprawne rozwiązanie zadania metodą,
Bardziej szczegółowoKOMPENDIUM WIEDZY. Opracowanie: BuildDesk Polska CHARAKTERYSTYKA ENERGETYCZNA BUDYNKÓW I ŚWIADECTWA ENERGETYCZNE NOWE PRZEPISY.
Sprawdzanie warunków cieplno-wilgotnościowych projektowanych przegród budowlanych (wymagania formalne oraz narzędzie: BuildDesk Energy Certificate PRO) Opracowanie: BuildDesk Polska Nowe Warunki Techniczne
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Uczenie maszynowe Sztuczne sieci neuronowe Plan na dziś Uczenie maszynowe Problem aproksymacji funkcji Sieci neuronowe PSZT, zima 2013, wykład 12
Bardziej szczegółowoPOMIARY CIEPLNE KARTY ĆWICZEŃ LABORATORYJNYCH V. 2011
ĆWICZENIE 1: Pomiary temperatury 1. Wymagane wiadomości 1.1. Podział metod pomiaru temperatury 1.2. Zasada działania czujników termorezystancyjnych 1.3. Zasada działania czujników termoelektrycznych 1.4.
Bardziej szczegółowoAlgorytmy optymalizacji systemu ICT wspomagające zarządzanie siecią wodociągową
Katowice GPW 2014 Algorytmy optymalizacji systemu ICT wspomagające zarządzanie siecią wodociągową Jan Studziński 1 1. Wstęp Cel projektu Usprawnienie zarządzania siecią wodociągową za pomocą nowoczesnych
Bardziej szczegółowoOpis efektów kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA. rozumie cywilizacyjne znaczenie matematyki i jej zastosowań
TABELA ODNIESIEŃ EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA PROGRAMU KSZTAŁCENIA DO EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA OBSZARU KSZTAŁCENIA I PROFILU STUDIÓW PROGRAM KSZTAŁCENIA: POZIOM KSZTAŁCENIA: PROFIL KSZTAŁCENIA:
Bardziej szczegółowoAnaliza zderzeń dwóch ciał sprężystych
Ćwiczenie M5 Analiza zderzeń dwóch ciał sprężystych M5.1. Cel ćwiczenia Celem ćwiczenia jest pomiar czasu zderzenia kul stalowych o różnych masach i prędkościach z nieruchomą, ciężką stalową przeszkodą.
Bardziej szczegółowoProblematyka budowy skanera 3D doświadczenia własne
Problematyka budowy skanera 3D doświadczenia własne dr inż. Ireneusz Wróbel ATH Bielsko-Biała, Evatronix S.A. iwrobel@ath.bielsko.pl mgr inż. Paweł Harężlak mgr inż. Michał Bogusz Evatronix S.A. Plan wykładu
Bardziej szczegółowoGNIAZDO FORMIERSKIE Z WIELOZAWOROWĄ GŁOWICĄ IMPULSOWĄ
GNIAZDO FORMIERSKIE Z WIELOZAWOROWĄ GŁOWICĄ IMPULSOWĄ Tadeusz Mikulczyński Zdzisław Samsonowicz Mirosław Ganczarek *Instytut Technologii Maszyn i Automatyzacji Politechniki Wrocławskiej Janusz Polański
Bardziej szczegółowoINSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH
INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechnika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH BADANIE TWORZYW SZTUCZNYCH OZNACZENIE WŁASNOŚCI MECHANICZNYCH PRZY STATYCZNYM ROZCIĄGANIU
Bardziej szczegółowoOcena kształtu wydziele grafitu w eliwie sferoidalnym metod ATD
AMME 2003 12th Ocena kształtu wydziele grafitu w eliwie sferoidalnym metod ATD M. Stawarz, J. Szajnar Zakład Odlewnictwa, Instytut Materiałów Inynierskich i Biomedycznych Wydział Mechaniczny Technologiczny,
Bardziej szczegółowoAnaliza zderzeń dwóch ciał sprężystych
Ćwiczenie M5 Analiza zderzeń dwóch ciał sprężystych M5.1. Cel ćwiczenia Celem ćwiczenia jest pomiar czasu zderzenia kul stalowych o różnych masach i prędkościach z nieruchomą, ciężką stalową przeszkodą.
Bardziej szczegółowo