Rozdział 6. Perspektywy rozwoju sensorów gazów

Wielkość: px
Rozpocząć pokaz od strony:

Download "Rozdział 6. Perspektywy rozwoju sensorów gazów"

Transkrypt

1 Rozdział 6. Perspektywy rozwoju sensorów gazów W niniejszym rozdziale autor przedstawił dwa rozwiązania, które zasługują na uwagę. W rozdziale 6.1 przedstawiona została zasada działania systemu rozpoznawania zapachów zwanego elektronicznym nosem. Szeroki zakres zastosowań od wykrywania podrobionych produktów, ocenę starzenia podczas magazynowania po ocenę stanu zdrowia i to wszystko tylko na podstawie zapachu powoduje, że rośnie krąg użytkowników e-nosa. Z kolei w rozdziale 6.2 zaprezentowano czujniki gazów wykorzystujące nanorurki węglowe. Nanorurki są mocniejsze od stali, twardsze od diamentu, a jednocześnie lżejsze od aluminium, jeśli dodać do tego niewielkie wymiary można sobie wyobrazić olbrzymie pole zastosowań Elektroniczny nos Wprowadzenie regulacji prawnych ograniczających emisję szkodliwych gazów przyspieszyło rozwój sensoryki gazów (szczególnie w motoryzacji), a znaczący postęp w mikroelektronice pozwolił na integrację elementu gazoczułego z układami obróbki sygnału w jednej strukturze scalonej. Dalszym krokiem w rozwoju sensoryki było projektowanie układów, w których znajdował się już nie jeden sensor, ale całe matryce czujników. Otworzyło to drogę do konstrukcji elektronicznych nosów specjalizowanych układów, w których sygnały z wielu czujników są przetwarzane przez sieci neuronowe i służą rozpoznaniu zapachów w zakresie przekraczającym możliwości ludzkiego węchu. Ludzki zmysł węchu służy do rozróżniania produktów oraz oceny ich jakości. Jest to ocena subiektywna uzależniona od nastroju i długości czasu pracy. Dlatego w niektórych dziedzinach życia warto wspomóc ludzki zmysł węchu rozwiązaniem, które zapewni bardziej obiektywną, dokładną, precyzyjną oraz powtarzalną analizę sensoryczną. Postęp w dziedzinie sensorów gazów sprawił, że dziś czujniki gazów służą nie tylko do monitorowania gazów niebezpiecznych czy szkodliwych, lecz także do określania zmian chorobowych u pacjentów oraz określania intensywności i składu zapachów w przemyśle spożywczym i perfumeryjnym. Wrażenia zapachowe odbierane przez człowieka są efektem działania na receptory węchowe kilkuset chemicznych związków lotnych. Dlatego w celu klasyfikacji zapachu stosuje się nie pojedyncze sensory, ale matryce czujników selektywnie wrażliwych na poszczególne składniki zapachu. Matryce wraz z systemem przetwarzania danych i rozpoznawania wzorców zapachowych mają za zadanie udawać ludzki zmysł węchu, dlatego nazwane zostały sztucznym, elektronicznym nosem lub e-nosem. 100

2 Duży wpływ na rozwój e-nosa w Europie miała działalność na tym polu prof. Gardnera. Zaproponował on, by detekcję potraktować nie tyle jako identyfikację poszczególnych związków chemicznych w sposób ilościowy, lecz poprzez klasyfikację aromatów w sposób jakościowy [6.1]. Jest to rozwiązanie zbliżone do ludzkiego węchu - człowiek nie rozróżnia poszczególnych związków chemicznych, lecz zapach rozpoznaje jako ogólne wrażenie, w pamięci zostaje obraz zapachu. Dlatego w przypadku e-nosa chętnie sięga się do czujników półprzewodnikowych, których selektywność nie jest wysoka (co w przypadku złożonych mieszanin związków nie ma aż takiego znaczenia), przy jednoczesnej bardzo dużej czułości, co jest korzystne z punktu widzenia dalszej obróbki danych Z czego składa się e-nos W e-nosie stosuje się zazwyczaj mniej czujników niż związków chemicznych, które może on analizować, a dodatkowo sygnał wyjściowy jest zakłócony, dlatego do klasyfikacji zapachów PARC (ang. Pattern Recognition) znakomicie nadają się inteligentne sieci neuronowe opisane w rozdziale Wcześniej jednak należy zapach dostarczyć i wstępnie przygotować do obróbki, dlatego mówiąc o systemach rozpoznawania zapachów należy wyodrębnić oprócz matrycy czujników i algorytmów przetwarzania danych również układ poboru próbki pomiarowej oraz układ akwizycji i skalowania danych (rys.6.1). Rys.6.1. Schemat systemu do rozpoznawania zapachów e-nos [1.9 - str.6] Układ poboru próby stanowi zamknięta komora o stałym przepływie gazu nośnego (azot lub suche powietrze) zapewniająca powtarzalność wyników. Najpierw następuje pobór próbki zapachu czas trwania tego etapu zależy od intensywności bukietu, następnie etap analizy. W końcowej fazie zapach jest usuwany z komory, a czujniki powinny być zregenerowane. 101

3 Matryca może się składać z kilku lub kilkudziesięciu czujników, których sygnały mogą się znacznie różnić jeśli chodzi o wartości, stąd pojawia się konieczność normalizacji tych sygnałów. Służy temu układ akwizycji i skalowania danych (preprocessing) Przetwarzanie wstępne sygnałów z matrycy pomiarowej Układ wstępnego przetwarzania danych ma za zadanie konwersję sygnału pobranego przez układ czujników do postaci dogodnej dla późniejszej jego analizy. Wstępne przetwarzanie obejmuje m.in. redukcję szumów, normalizację danych, kompensację zmiany warunków pomiaru oraz redukcję wymiarowości danych [6.2]. Normalizacja danych polega na przeskalowaniu odpowiedzi czujników w ten sposób, aby zakres wartości znajdował się w przedziale [0;1]. Redukcja danych polega na wyeliminowaniu za pomocą metod statystycznych - skorelowanych (podobnych) wartości odpowiedzi czujników. W celu redukcji niepotrzebnych wymiarów najczęściej stosuje się metodę zwaną analizą składowych głównych PCA (ang. Principal Component Analysis). Jest to transformacja matematyczna danych wejściowych umożliwiająca opisanie tych danych jak najmniejszą liczbą niezależnych składników. W przypadku e-nosa n-wymiarowa odpowiedź matrycy czujników często zostaje przybliżona za pomocą dwóch komponentów zapachu. Takie rozwiązanie ułatwia interpretację wyników, np. poprzez obrazowanie na płaszczyźnie, jak przedstawia rys Rys.6.2. Rys.6.2 Rezultat zastosowania metody PCA do analizy odpowiedzi e-nosa (4 czujniki SnO2) na obecność związków zapachowych bananów klastry zostały wyznaczone według wzrastającej dojrzałości owoców (a-g) [6.3] 102

4 Często zdarza się, że na etapie wstępnego przygotowania danych stosuje się analizę składowych głównych łącznie z inną metodą redukcji danych - analizą skupień CA (ang. Cluster Analysis). W metodzie tej punkty w n-wymiarowej przestrzeni odpowiedzi matrycy są grupowane w tzw. skupienia (klastry). Grupowanie można zrealizować na wiele sposobów. Jednym z nich jest łączenie punktów. W pierwszym kroku łączenia występuje n klastrów jednopunktowych. W każdym kroku łączymy najbliższe wynikiem działania jest drzewo łączenia, tzw. dendrogram (rys. 6.3). Wynik zależy od definicji odległości między klastrami (metryki: najbliższego sąsiada, najdalszego sąsiada, odległość między środkami klastrów, średnia odległość) oraz definicji odległości między punktami (euklidesowa, korelacyjna) [6.4]. Rys.6.3. Rezultat zastosowania metody CA (dendrogram) do analizy odpowiedzi e-nosa (12 czujników z warstwą SnO 2) na próbki alkoholi: metanolu (m), etanolu (e), propanolu (p), butanolu (b) i metylo-butanolu (x) [6.3] Najczęściej stosowanymi systemami rozpoznawania wzorców zapachu są sieci neuronowe oraz logika rozmyta Sieci neuronowe Sieciami neuronowymi nazywamy uproszczony model biologicznego systemu nerwowego złożonego z połączonych ze sobą neuronów. W rzeczywistym systemie nerwowym impulsy przekazywane są za pomocą neuronu. Pojedynczy neuron składa się z ciała komórki, dendrytów oraz aksonu (rys.6.4). 103

5 Rys.6.4. Budowa biologicznego neuronu Bodźce przewodzone są zawsze w jednym kierunku od dendrytów do ciała komórki i dalej poprzez akson. Jeśli suma sygnałów, które dotrą do ciała komórki, przekroczy ustaloną wartość progową, neuron wysyła sygnał elektrochemiczny, który trafia do kolbek synaptycznych i dalej jest przekazywany do dendrytu innego neuronu. Analogicznie działa model neuronu - posiada wiele wejść i tylko jedno wyjście (rys. 6.5a). Sygnały wejściowe x i są sumowane z odpowiednią wagą w i w bloku sumowania. Następnie suma poddana zostaje działaniu funkcji aktywacji f(s), którą najczęściej jest funkcja sigmoidalna, zwana logistyczną: 1 f ( s) = 1+ exp( s). (54) Niekiedy dodaje się do bloku sumowania wagę tzw. biasu w 0, która przesuwając próg aktywacji poprawia własności uczenia neuronu (rys.6.5b). Rys.6.5. a) Model sztucznego neuronu, b) Funkcja logistyczna z biasem 104

6 Sygnał wyjściowy sztucznego neuronu dla n-wejść można opisać wzorem: n y = f ( s) = f wi xi + w0. (55) i= 1 Sygnał wyjściowy może być jednocześnie wejściem - z odpowiednią wagą - innego neuronu. Zespół neuronów i ich połączeń tworzy sieć neuronową. Jedną z najchętniej stosowanych topologii sieci do klasyfikacji zapachów jest perceptron jednokierunkowy wielowarstwowy ze wsteczną propagacją błędu (ang. Feed-Forward Back Propagation Neural Network). Na rys. 6.6 przedstawiony jest przykładowy schemat takiej sieci, który posłużył do klasyfikacji herbaty na podstawie sygnałów z matrycy 6 półprzewodnikowych czujników firmy Taguchi [6.7]. Rys.6.6. Schemat perceptronu wielowarstwowego jednokierunkowego wykorzystanego do rozpoznania rodzajów herbaty Przedstawiony perceptron należy przed użyciem wytrenować podając mu przykładowe dane na wejście i zmieniając wagi wejść i połączeń między warstwami neuronów, tak aby wartość na wyjściu przybierała pożądane wartości. Ta zdolność do samodzielnego ustalania współczynników wagowych na podstawie przykładów lub doświadczeń nazywana jest uczeniem sieci. W przypadku algorytmu ze wsteczną propagacją uczenie sieci polega na korekcji wag opartej na minimalizacji funkcji miary błędu. Najpierw obliczane są błędy w warstwie ostatniej (na podstawie sygnałów wyjściowych i wzorcowych). Błąd dla neuronów w dowolnej warstwie wcześniejszej obliczany jest jako pewna funkcja błędów neuronów warstwy poprzedzającej. Sygnał błędu 105

7 rozprzestrzenia się od warstwy ostatniej aż do warstwy wejściowej, dlatego propagacja nazywana jest wsteczną. Sieci neuronowe mają szereg zalet (zdolność uczenia się sieci powoduje brak konieczności programowania, równoległe przetwarzanie informacji poprawia szybkość obliczeniową systemu) jednak nie znamy algorytmu, który wyznaczałby ilość warstw i neuronów w danej warstwie dla konkretnego zastosowania. Dobór struktury wyznaczany jest raczej intuicyjnie, metodą prób i błędów. Mimo, że już po nauczeniu sieć neuronowa jest niezastąpiona do klasyfikacji wzorców, to jednak wiedza nabyta w tej sieci nie może być przez nas wykorzystana gdzie indziej - nie mamy do niej dostępu. Wówczas warto sięgnąć po elementy logiki rozmytej Sztuczna sieć neuronowa z elementami logiki rozmytej Pojęcie logiki rozmytej (ang. fuzzy logic) wprowadził w połowie lat sześćdziesiątych prof. Lotfi Zadeh [6.8] jako alternatywę dla klasycznych pojęć dotyczących teorii zbiorów i logiki dwuwartościowej. Logika ta oprócz wartości prawdy (1) i fałszu (0), dopuszcza również wartości pośrednie (pół prawdy, niemal fałsz), dlatego znajduje zastosowanie wszędzie tam, gdzie interpretacja wielkości ma charakter nieokreślony, subiektywny, bardziej przybliżony niż precyzyjny. Nieprecyzyjność ta nie wynika jednak z braku wiedzy o wartości pewnej wielkości, ale właśnie z subiektywnej jej oceny. Przykładem takiego opisu jakościowego jest np. określenie temperatury w pomieszczeniu (rys.6.7). Temperatura nazwana jest w teorii logiki rozmytej zmienną lingwistyczną, ponieważ jej wartością są słowa w języku naturalnym (zimno, ciepło, gorąco) 4. Rys.6.7. Funkcje przynależności dla zmiennej lingwistycznej temperatura Dla jednej osoby temperatura 20 o C jest uznana jako ciepła, dla innej ta sama temperatura oznacza chłód. Logika rozmyta nie określa, że rację może mieć tylko jedna z tych osób, lecz zakłada, w jakim stopniu podana temperatura należy do zbioru 4 Ściśle mówiąc, zmiennymi lingwistycznymi posługuje się jeden z częściej spotykanych modeli logiki rozmytej model Mamdaniego. Drugim często stosowanym modelem jest ten zaproponowany przez Takagi- Sugeno-Kanga (TSK), wykorzystujący funkcje matematyczne. 106

8 temperatur chłodnych i ciepłych. Wykorzystuje w tym celu funkcję przynależności do zbiorów, niekiedy nazywaną również funkcją zgodności, przyjmującą wartości z domkniętego przedziału [0, 1] ( 0 odpowiada nienależeniu, a 1 - pełnej przynależności danego elementu). Kształt funkcji przynależności określa ekspert - najczęściej stosowane są funkcje trójkątne, trapezoidalne i gaussowskie. Określenie przynależności do zbiorów pozwala na opisanie wartości zmiennej bez podawania liczby opisującej tę wartość, a jedynie zbiorów, do których należy, wraz ze stopniem przynależności. Przykładowo temperatura 20 o C z rys.6.7 należy do zbioru temperatur gorących ze stopniem przynależności 0,25, natomiast do zbioru temperatur ciepłych ze stopniem 0,75. Ta przynależność jest zależna od wyboru funkcji zgodności, czyli od decyzji eksperta. Zastosowanie zbiorów rozmytych umożliwia stworzenie rozmytego modelu systemu, który składa się z czterech części: bloku rozmywania, bazy reguł, bloku wnioskowania i bloku wyostrzania (rys.6.8). Rys.6.8. Schemat wnioskowania rozmytego Rozmywanie (ang. fuzzification) jest procesem zamiany wartości liczbowej (zmienne ilościowe) na wartość opisywaną funkcjami przynależności w logice rozmytej (zmienne jakościowe). Logika rozmyta nie posiada zdolności uczenia się wymaga pewnej wiedzy eksperckiej określającej reguły sterowania oraz funkcję przynależności. Nie jest jednak konieczna wiedza o matematycznej zależności wyjścia od wejścia układu w sposób ilościowy. Wnioskowanie (inferencja) jest operacją wyznaczania w dziedzinie jakościowej wartości wyjść na podstawie wejść za pomocą zbioru reguł rozmytych. Wyjściem bloku wnioskowania jest zbiór lub zbiory rozmyte, które należy przekształcić w procesie wyostrzania (defuzyfikacji) na jedną wielkość ilościową. Służy temu np. metoda środka ciężkości CoG (ang. Center of Gravity), w której wartość wyjściowa wyliczana jest jako środek ciężkości funkcji przynależności zbioru rozmytego. Baza reguł zapisywana jest w postaci implikacji jeżeli to i oparta jest o wiedzę i doświadczenie eksperta. Jednak ekspert nie zna mechanizmów wnioskowania zachodzących w jego umyśle, decyzje podejmuje intuicyjnie. Można taki system 107

9 doprecyzować łącząc sieci neuronowe z elementami logiki rozmytej. Systemy rozmyte posiadają zdolność do radzenia sobie z nieprecyzyjnymi danymi, a sieci neuronowe posiadają zdolność uczenia się i tworzenia nowych reguł, które uzupełniłyby brakującą wiedzę eksperta [6.9]. Systemy neuronowo-rozmyte tym różnią się od systemów rozmytych, że na każdym etapie uczące się sieci neuronowe wykonują obliczenia. W bloku rozmywania każdy neuron reprezentuje funkcje przynależności poprzedzającej go reguły rozmytej. Najczęściej stosowane są dwa systemy rozmyte: Mamdaniego i Takagi-Sugeno. Zastosowanie do detekcji związków lotnych w mieszaninach gazów Adaptacyjnego Systemu Wnioskowania Rozmyto-Neuronowego ANFIS (ang. Adaptive Neuro Fuzzy Inference System), z wnioskowaniem typu Takagi-Sugeno zostało przybliżone w pracy [6.29]. System neuronowo-rozmyty przewyższył zwykłą sieć neuronową, jeśli chodzi o rozpoznanie gazu w mieszaninie zestawienie błędów dla obu systemów przedstawia tabela 6.1. Tab.6.1. Błędy maksymalne i średnie poszczególnych komponentów w analizie mieszanin lotnych związków organicznych, wykonanych za pomocą struktury sieci neuronowych i neuronowo-rozmytych (ANFIS) Badane Mieszaniny gazów Benzen Etylobenzen Aceton Chloroform Benzen Cykloheksan Etanol Kwas octowy Sieci neuronowe Sieci neuronowo-rozmyte Błąd maksymalny Błąd średni Błąd maksymalny Błąd średni 10,906 12,894 9,122 11,00 12,49 15,264 23,38 19,041 0,1523 0,1740 0,039 0,235 0,036 0,352 0,173 0,71 7,333 13,405 8,215 8,117 9,18 11,837 18,95 15,91 8,17e -7 9,631e -8 8,609e -6 1,303e -6 3,25e -6 4,016e -6 2,275e -5 2,043e -6 Sieci neuronowo-rozmyte mogą być rozwiązaniem alternatywnym dla zwykłych sieci neuronowych, jeśli chodzi o rozpoznanie wzorca zapachu. Problemem pozostaje jednak wymagana moc obliczeniowa, bowiem już sama emulacja systemu rozmytego przez klasyczne mikroprocesory wymaga większych nakładów obliczeniowych procesora niż ma to miejsce w przypadku sieci neuronowych Zastosowanie e-nosa Elektroniczny nos stosowany jest w miejsce drogiej aparatury do analizy chemicznej (chromatografy gazowe, spektrometry masowe), nierzadko o dużych 108

10 gabarytach. Matryce sensorów wraz z systemem rozpoznawania wzorca dostarczają wyniki powtarzalne, obiektywne i daleko wykraczające poza możliwości percepcyjne ludzkiego węchu. Pole zastosowań e-nosa obejmuje takie obszary, jak przemysł spożywczy, monitorowanie środowiska czy medycyna. Jeśli chodzi o przemysł spożywczy, to e-nos sprawdza się w sortowaniu produktów żywnościowych pod kątem określonej cechy. Przykładem może być kontrola jakości kawy [6.12] czy określanie roczników i gatunków wina. Produkty mogą być kontrolowane również według stopnia starzenia. E-nos nadaje się do wykrywania obecności pleśni w ziarnach zbóż i oceny nasion, np. rzepaku [6.11]. Możliwe jest również określanie dojrzałości bananów, identyfikacja różnych gatunków żółtych serów oraz ocena świeżości ryb. Wybrane realizacje e-nosa w przemyśle spożywczym przedstawia tabela 6.2. Tab.6.2. Sensory stosowane w rozwiązaniach typu e-nos do określania jakości żywności (QCM mikrowaga kwarcowa, CP -polimer przewodzący) [na podstawie 6.3, s.100] Badane produkty Typ czujników użytych w matrycy Ilość czujników Świeżość ryb MOS (SnO2) 6 Gatunki wina MOS (SnO2, WO3) 4 Dojrzałość serów i zbóż CP 20 Klasyfikacja piwa CP 12 Alkohole - klasyfikacja brandy, gin, whisky CP 5 Rozróżnienie coli na dietetyczną i zwykłą MOS 6 Klasyfikacja kawy (arabica, robust) MOS 6 Pomarańcze, truskawki, jabłka, winogrona QCM 8 Klasyfikacja japońskiej whisky QCM 8 Nowatorskim podejściem jest zastosowanie elektronicznego nosa w medycynie. Bakterie atakujące drogi oddechowe człowieka wytwarzają charakterystyczne związki chemiczne, dlatego pomiar tych związków w wydychanym przez człowieka powietrzu może pomóc w trafnej ocenie problemów gastrycznych czy infekcji. Grupa uczonych pod kierunkiem Carrado di Natale opracowała inteligentny nos pozwalający na bezinwazyjną diagnozę nowotworu płuc. Matryca składała się z mikromechanicznych czujników - mikrobelek kwarcowych QMB (ang. Quartz Microbalance). Kryształy kwarcu pokryte zostały substancjami wiążącymi się z cząsteczkami zawierającymi węgiel. Gdy takie cząstki zostaną związane, zmienia się waga kryształu, a więc zmienia się także częstotliwość rezonansowa belek, którą można zmierzyć i na tej podstawie zdiagnozować chorobę. Również zakażone rany i tkanki emitują specyficzną woń, która może być rozpoznana 109

11 przez elektroniczny nos. W pracy [6.14] autor rozważa użycie elektronicznego nosa do wykrywania melanomy (czerniaka skóry). Prowadzone są również badania nad sztucznym nosem, który potrafi zdiagnozować choroby nerek, dróg moczowych, raka piersi, a także gruźlicę [6.15]. Również przemysł perfumeryjny jest zainteresowany rozwojem sztucznych nosów. E-nos jest pomocny w ustaleniu, czy markowe perfumy zostały podrobione. Nie zawsze ludzki nos wychwyci subtelne różnice w bukiecie zapachowym - sztuczny nos kierujący się kryteriami ilościowo-jakościowymi, a nie estetycznymi radzi sobie z takim zadaniem bardzo dobrze. Konkretne zastosowanie sztucznego nosa pociąga za sobą stosowanie różnych materiałów gazoczułych i konstrukcji czujników. W tabeli 6.3 wyszczególniono znaczących producentów oraz typy czujników stosowanych w e-nosach. Tab.6.3. Czujniki używane w matrycach typu e-nos [6.16 s.37] Rodzaj sensorów użyty w matrycy Polimery przewodzące CP Czujniki polowe MOS najliczniej stosowane w e-nosach Mikrowagi kwarcowe QMB Produkt Aromascan pierwszy stosowany komercyjnie Cyranose 320 (Cyrano Science Inc) WMA Airsense Electronic Nose Fox n000 (Alpha MOS) NST 3200 (AppliedSensor) FreshSense (Element Ltd) Moses II (Lennartz Electronic) Libranose (University of Rome Tor Vergata ) Moses II (Lennartz Electronic) Czujniki z powierzchniową falą akustyczną SAW VaporLab (Microsensor Systems Inc) Spektometr masowy Czujniki optyczne HP 4440A (Agilent Technologies) Prometheus, Kronos (Alpha MOS) Bead Array (Illumina Inc, San Diego) Przykładowym komercyjnym rozwiązaniem e-nosa, który sprawdza się w kontroli jakości żywności oraz w medycynie jest przenośny Cyranose 320 (rys.6.9). Serce tego układu stanowi matryca 32 czujników na bazie organicznych polimerów przewodzących CP (ang. Conducting Polymer) [6.17]. 110

12 a) b) Rys.6.9. Sztuczny nos Cyranose 320: a) widok ogólny, b) matryca 32 czujników polimerowych CP [6.18] 6.2. Nanotechnologia Nanotechnologia jest jedną z najbardziej dynamicznie rozwijających się gałęzi nauki. Dotyczy materiałów, których przynajmniej jeden z wymiarów jest rzędu nanometrów (rys. 6.10), a więc na poziomie wielkości cząstek elementarnych (typowo nm). Za początki nanotechnologii uznaje się rok 1960, w którym amerykański uczony Feynmann przedstawił wizję molekularnych maszyn wykonanych z atomową precyzją oraz ustanowił konkurs pod własnym nazwiskiem dla pierwszej osoby, która zdoła wykonać stronę książki w skali 1:25000 możliwej do odczytania tylko pod mikroskopem elektronowym [6.20]. 111

13 Rys Skala wielkości [6.19] W 1985 roku na Uniwersytecie Stanforda Thomas Newman odtworzył pierwszy akapit Opowieści o dwóch miastach Dickensa w zadanej przez Feynmana skali wykorzystując w tym celu wiązki elektronowe. Przełomowym momentem nanotechnologii było wykonanie napisu IBM przy pomocy 25 atomów ksenonu przez fizyków Eigera i Schweizera w 1990 roku [6.21]. Rys Napis IBM wykonany przy użyciu atomów Xe [6.22] Zastosowania nanotechnologii W nanotechnologii uzupełniają się dwie dziedziny nauki: biotechnologia i elektronika. Dlatego też szczególne zastosowanie nanotechnologia znajduje w medycynie. Obecnie trwają prace nad nanoukładami NEMS (ang. Nano Electro-Mechanical System), które po umieszczeniu wewnątrz organizmu człowieka będą miały za zadanie wspomagać system immunologiczny. W styczniu 2008 r. NASA i City of Hope nawiązały współpracę mającą na celu leczenie raka mózgu za pomocą antyciał wprowadzanych do chorych komórek przy użyciu nanorurek węglowych [6.23]. Jednak w rozwoju miniaturyzacji przoduje przemysł zbrojeniowy. Niewielkie rozmiary, a więc także minimalny pobór mocy pozwalają na długotrwałe działanie bez obecności źródeł energii (np. na terenach pustynnych), natomiast duża czułość na związki 112

14 chemiczne lub biologiczne jest przydatna w warunkach zagrożenia terrorystycznego. Bogaty zbiór odnośników dotyczących nanotechnologii można znaleźć w pracy [6.24] Nanorurki węglowe Jednym z największych osiągnięć nauki XX wieku było odkrycie fullerenów (nagroda Nobla dla Roberta Curla) - specyficznych związków węgla o nano-rozmiarach (fulleren C 60 ma średnicę 0,7 nm) kształtem przypominających futbolówkę (rys.6.12a). a) b) Rys Fullereny: a) model węgla C 60 b) model nanorurki węglowej [6.25] Badania prowadzone nad właściwościami tych "piłeczek węglowych" zaowocowały odkryciem nanorurek węglowych CNT (ang. Carbon Nano-Tube) (Iijima 1991r.). Są to struktury cylindryczne, puste wewnątrz, których ścianki tworzy sieć atomów przypominająca plastry miodu. Na rysunku 6.12b przedstawiono przykładowy model nanorurki węglowej. Ze względu na bardzo niewielkie rozmiary, rzeczywisty obraz udaje się uzyskać dopiero przy użyciu zaawansowanych mikroskopów skaningowych (rys.6.13). Nanorurki węglowe w zależności od stopnia skręcenia mogą zachowywać się jak metal lub półprzewodnik. Inną ciekawą cechą jest zmiana właściwości półprzewodnikowych na metaliczne i na odwrót pod wpływem przyłożonego wzdłuż osi nanorurki pola magnetycznego. Nanorurki posiadają również atrakcyjne własności mechaniczne ze względu na silne wiązania między atomami węgla są niezwykle trwałe. Jednocześnie są odporne na zginanie (moduł Younga N/m 2 pięć razy większy niż żelazo). Posiadają bardzo mały opór właściwy, dzięki czemu mogą przewodzić prąd o bardzo dużej gęstości (10 9 A/cm 2 ). Ze względu na dużą przewodność cieplną (6000 W/K*m w temp. 300 o C), nanorurki mogą być wykorzystane także jako materiał odprowadzający ciepło z układu [6.27]. Jeśli do tych zalet dodać duży stosunek 113

15 powierzchni nanorurki do jej objętości, struktury te okażą się przydatnymi w sensoryce gazów adsorbowanych na powierzchni. Rys Rzeczywisty obraz nanorurek węglowych CNT wykonany przy życiu mikroskopu skaningowego [6.26] W pracy [6.28] badano zmiany przewodności w półprzewodzących jednościanowych nanorurkach węglowych SWNT (ang. Single Wall Nano Tube) w obecności niewielkich ilości toksycznych gazów: dwutlenku azotu NO 2 i amoniaku NH3. Stworzono system, w którym nanorurki były podłączone po obu swych stronach do metalicznych kontaktów tytanowych lub złotych (rys. 6.14a). Gwałtowny wzrost konduktywności o trzy rzędy wielkości został zaobserwowany w 10 s po umieszczeniu czujnika w atmosferze 200 ppm NO 2 (rys. 6.13b), podczas gdy przewodność zmniejszyła się o dwa rzędy wielkości po 2 minutach w 1% parach NH 3 (rys. 6.14c). Sensory te charakteryzują się więc wyższą czułością i szybszą odpowiedzią w temperaturze pokojowej niż dotychczas poznane sensory półprzewodnikowe. Odpowiedzi te są wynikiem transferu ładunku miedzy półprzewodzącym nanorurkami SWNT typu p (domieszkowanie dziurami) oraz dawcą elektronów NH 3 lub biorcą NO 2. Adsorpcja cząstek gazu jest analogiczna jak w przypadku adsorpcji gazu na powierzchni półprzewodnika SnO 2 opisanej w rozdziale

16 Rys (a) Obraz gazoczułej struktury metal/swnt/metal wykonany przy użyciu mikroskopu AFM (ang. Atomic Force Microscopy) (b) Odpowiedź półprzewodzącej nanorurki SWNT na obecność 200 ppm NO 2 (c) Odpowiedź półprzewodzącej nanorurki SWNT na obecność 1 % NH 3 Komercyjne czujniki bazujące na półprzewodnikowych tlenkach metali muszą pracować w temperaturze rzędu kilkuset o C, aby osiągać dużą czułość. Czujniki SWNT prezentują dużą czułość nawet w temperaturze pokojowej. Niestety wadą ich jest stosunkowo długi czas powrotu do stanu sprzed adsorpcji (nawet kilka godzin). Można przyspieszyć ten proces poprzez wygrzewanie, nadal jednak jest to wada tych czujników, którą próbuje się niwelować poprzez domieszkowanie np. palladem. Nanotechnologia otworzyła zupełnie nowy rozdział w elektronice - elektronikę molekularną. Granicą w postępie miniaturyzacji będzie jednak wydzielane przez układy ciepło, którego nie uniknie się nawet idąc drogą łączenia elektroniki z biologią molekularną. Ze względu na molekularną precyzję i wolne procesy produkcyjne (kondensacja gorących par atomów węgla w przypadku nanorurek [6.27]) opłacalność budowy nanosensorów na masową skalę jest w chwili obecnej niewielka. Jednak to właśnie nanorurki, dzięki swym niezwykłym właściwościom i postaci wydają się być materiałem konstrukcyjnym XXI wieku. Czy będą również czujnikami przyszłości - czas pokaże

17 Źródła: [6.1] T. Sobański, Zastosowanie metod sztucznej inteligencji do analizy odpowiedzi matrycy grubowarstwowych czujników gazu, Rozprawa doktorska, Politechnika Wrocławska, Wrocław, [6.2] A. Loutfi, Odour Recognition using Electronic Noses in Robotic and Intelligent Systems, February 15, [6.3] T.C. Pearce, S.S. Schiffman, H.T. Nagle, J.W. Gardner, Handbook of Machine Olfaction - Electronic Nose Technology 2003 Wiley-VCH Verlag GmbH & Co, Weinheim. [6.4] P. Durka, Wstęp do współczesnej statystyki, rozdz.4, Wydawnictwo Adamantan 2003, [6.5] R. Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza, Warszawa [6.6] Internetowy Podręcznik Statystyki, Electronic TextBook StatSoft [6.7] K. Triyana, A. Masthori, B. Supardi, M. Bharata, Prototype of electronic nose based on gas sensors array and back propagation neural network for tea classification, Berkala Ilmiah MIPA, 17(3). Retrieved , [6.8] L.A.Zadeh, Fuzzy sets, Information and control 8 (1965), s [6.9] K.Rykaczewski, Systemy rozmyte i ich zastosowania, [6.10] [6.11] A.Kubiak, Z.Mikrut, Ocena jakości nasion rzepaku z wykorzystaniem sztucznego nosa i sieci neuronowych, Automatyka 2005, tom 9, zeszyt 13. [6.12] N. F. Shilbayeh, M.Z. Iskandarani, Quality Control of Coffee Using an Electronic Nose System, American Journal of Applied Sciences 1(2), , [6.13] A.K. Pavlou, A.P.F. Turner, Sniffing out the Truth: Clinical Diagnosis Using the Electronic Nose, Clin Chem Lab Med 2000; 38(2): by Walter de Gruyter, Berlin/New York. [6.14] M.Santonico, Investigations on odour-pathology relationship in humans, Phd Thesis, University of Rome, Tor Vergata, [6.15] R. Fend, Development of medical point-of-care applications for renal medicine and tuberculosis based on electronic nose technology, Phd Thesis, Cranfield University, [6.16] J.R. Stetter, W.R. Penrose, Understanding chemical sensors and chemical sensors arrays (electronic nose): past, present, and future, [6.17] [6.18] 116

18 [6.19] [6.20] [6.21] D. M. Eiger & E. K. Schweizer, Positioning single atoms with a scanning tunneling microscope (STM), Nature, vol.344, 5 april [6.22] [6.23] [6.24] [6.25] S.Webbers, Crystallography Picture Book, Nanotubes & nanocons, [6.26] [6.27] E.Zipper, Niezwykłe własności nanorurek węglowych, wykład podczas XXXVIII Zjadu Fizyków Polskich w Warszawie w sesji plenarnej, wrzesień [6.28] J. Kong, N. R. Franklin, C. Zhou, M. G. Chapline, S. Peng, K. Cho, H. Dai, Nanotube Molecular Wires as Chemical Sensors, Science,, vol. 287 str , 28 January [6.29] N. Saffarpour, T. Sobański, Gas Mixture Analysis using Sensor Array and, Neuro-Fuzzy Networks, EurAsia-ICT 2002, Shiraz-Iran, Oct. 117

INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Temat: Podstawowe pojęcia z logiki rozmytej Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sterowanie

Bardziej szczegółowo

Inteligentne systemy informacyjne

Inteligentne systemy informacyjne Inteligentne systemy informacyjne Moduł 10 Mieczysław Muraszkiewicz www.icie.com.pl/lect_pw.htm M. Muraszkiewicz strona 1 Sieci neuronowe szkic Moduł 10 M. Muraszkiewicz strona 2 Dwa nurty M. Muraszkiewicz

Bardziej szczegółowo

Jeśli X jest przestrzenią o nieskończonej liczbie elementów:

Jeśli X jest przestrzenią o nieskończonej liczbie elementów: Logika rozmyta 2 Zbiór rozmyty może być formalnie zapisany na dwa sposoby w zależności od tego z jakim typem przestrzeni elementów mamy do czynienia: Jeśli X jest przestrzenią o skończonej liczbie elementów

Bardziej szczegółowo

Spis treści Definicja czujnika Podział czujników Wymagania użytkowe i analityczne Czujniki chemiczne...

Spis treści Definicja czujnika Podział czujników Wymagania użytkowe i analityczne Czujniki chemiczne... Spis treści SPIS TREŚCI Wstęp... 7 Spis najważniejszych użytych w pracy terminów, skrótów i symboli... 10 Część I 14 1. Czujniki pomiarowe... 14 1.1. Definicja czujnika... 14 1.2. Podział czujników...

Bardziej szczegółowo

Metody Sztucznej Inteligencji II

Metody 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 szczegółowo

Inżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska

Inżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska Inżynieria Wiedzy i Systemy Ekspertowe Niepewność wiedzy dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Logika Rozmyta (Fuzzy Logic) Mimo

Bardziej szczegółowo

Sztuczna inteligencja : Zbiory rozmyte cz. 2

Sztuczna inteligencja : Zbiory rozmyte cz. 2 Sztuczna inteligencja : Zbiory rozmyte cz. 2 Przemysław Juszczuk Instytut Informatyki Uniwersytetu Śląskiego 1 marca 2012 Funkcja trójkątna: Funkcja trójkątna: Funkcja przynależności γ (gamma): Rysunek:

Bardziej szczegółowo

8. Neuron z ciągłą funkcją aktywacji.

8. Neuron z ciągłą funkcją aktywacji. 8. Neuron z ciągłą funkcją aktywacji. W tym ćwiczeniu zapoznamy się z modelem sztucznego neuronu oraz przykładem jego wykorzystania do rozwiązywanie prostego zadania klasyfikacji. Neuron biologiczny i

Bardziej szczegółowo

HAŁASU Z UWZGLĘDNIENIEM ZJAWISK O CHARAKTERZE NIELINIOWYM

HAŁASU Z UWZGLĘDNIENIEM ZJAWISK O CHARAKTERZE NIELINIOWYM ZASTOSOWANIE SIECI NEURONOWYCH W SYSTEMACH AKTYWNEJ REDUKCJI HAŁASU Z UWZGLĘDNIENIEM ZJAWISK O CHARAKTERZE NIELINIOWYM WPROWADZENIE Zwalczanie hałasu przy pomocy metod aktywnych redukcji hałasu polega

Bardziej szczegółowo

Lista zagadnień kierunkowych pomocniczych w przygotowaniu do egzaminu dyplomowego magisterskiego Kierunek: Mechatronika

Lista 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 szczegółowo

Algorytmy decyzyjne będące alternatywą dla sieci neuronowych

Algorytmy 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 szczegółowo

Podstawy sztucznej inteligencji

Podstawy sztucznej inteligencji wykład 4 (Fuzzy logic) 23 listopad 2011 Plan wykładu 1 Systemy wnioskowania z danymi niepewnymi 2 3 Inteligentne systemy z wiedzą Systemy z wiedzą składają się z dwóch części: 1 Baza wiedzy (KB): zbioru

Bardziej szczegółowo

Grafen materiał XXI wieku!?

Grafen materiał XXI wieku!? Grafen materiał XXI wieku!? Badania grafenu w aspekcie jego zastosowań w sensoryce i metrologii Tadeusz Pustelny Plan prezentacji: 1. Wybrane właściwości fizyczne grafenu 2. Grafen materiał 21-go wieku?

Bardziej szczegółowo

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA AMFETAMINY Waldemar S. Krawczyk Centralne Laboratorium Kryminalistyczne Komendy Głównej Policji, Warszawa (praca obroniona na Wydziale Chemii Uniwersytetu

Bardziej szczegółowo

Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty

Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2012-10-03 Projekt pn. Wzmocnienie potencjału

Bardziej szczegółowo

Pattern Classification

Pattern 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 szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z inteligentnymi

Bardziej szczegółowo

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu Podstawy baz danych PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych

Bardziej szczegółowo

Sztuczny nos elektroniczny i jego zastosowania w praktyce

Sztuczny nos elektroniczny i jego zastosowania w praktyce Sztuczny nos elektroniczny i jego zastosowania w praktyce Plan wykładu 1. Wprowadzenie 2. Układ sztucznego nosa 3. Czujniki pomiarowe 4. Inteligentne układy przetwarzania danych pomiarowych 5. Przykładowe

Bardziej szczegółowo

ZASADY KONSTRUKCJI APARATURY ELEKTRONICZNEJ

ZASADY KONSTRUKCJI APARATURY ELEKTRONICZNEJ Wydział Elektroniki Mikrosystemów i Fotoniki Politechniki Wrocławskiej ZASADY KONSTRUKCJI APARATURY ELEKTRONICZNEJ Dr hab. inż. JAN FELBA Profesor nadzwyczajny PWr 1 PROGRAM WYKŁADU Cele i bariery Ogólne

Bardziej szczegółowo

Analiza korespondencji

Analiza korespondencji Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy

Bardziej szczegółowo

Dr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji

Dr 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 szczegółowo

Transformacja wiedzy w budowie i eksploatacji maszyn

Transformacja wiedzy w budowie i eksploatacji maszyn Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Mechaniczny Transformacja wiedzy w budowie i eksploatacji maszyn Bogdan ŻÓŁTOWSKI W pracy przedstawiono proces

Bardziej szczegółowo

Inżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska

Inżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska Inżynieria Wiedzy i Systemy Ekspertowe Logika rozmyta dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Wyostrzanie Ostateczna, ostra wartość

Bardziej szczegółowo

Mechatronika i inteligentne systemy produkcyjne. Paweł Pełczyński ppelczynski@swspiz.pl

Mechatronika i inteligentne systemy produkcyjne. Paweł Pełczyński ppelczynski@swspiz.pl Mechatronika i inteligentne systemy produkcyjne Paweł Pełczyński ppelczynski@swspiz.pl 1 Program przedmiotu Wprowadzenie definicja, cel i zastosowania mechatroniki Urządzenie mechatroniczne - przykłady

Bardziej szczegółowo

Logika rozmyta typu 2

Logika rozmyta typu 2 Logika rozmyta typu 2 Zbiory rozmyte Funkcja przynależności Interwałowe zbiory rozmyte Funkcje przynależności przedziałów Zastosowanie.9.5 Francuz Polak Niemiec Arytmetyka przedziałów Operacje zbiorowe

Bardziej szczegółowo

ĆWICZENIE 15 BADANIE WZMACNIACZY MOCY MAŁEJ CZĘSTOTLIWOŚCI

ĆWICZENIE 15 BADANIE WZMACNIACZY MOCY MAŁEJ CZĘSTOTLIWOŚCI 1 ĆWICZENIE 15 BADANIE WZMACNIACZY MOCY MAŁEJ CZĘSTOTLIWOŚCI 15.1. CEL ĆWICZENIA Celem ćwiczenia jest poznanie podstawowych właściwości wzmacniaczy mocy małej częstotliwości oraz przyswojenie umiejętności

Bardziej szczegółowo

Sieci Neuronowe - Rok III - kierunek IS w IFAiIS UJ 2008/2009. Sieci Neuronowe. Wykład 11 Algorytmy genetyczne; Systemy rozmyte

Sieci Neuronowe - Rok III - kierunek IS w IFAiIS UJ 2008/2009. Sieci Neuronowe. Wykład 11 Algorytmy genetyczne; Systemy rozmyte Sieci Neuronowe Wykład 11 Algorytmy genetyczne; Systemy rozmyte wykład przygotowany na podstawie. S. Osowski, Sieci Neuronowe w ujęciu algorytmicznym, Rozdz. 4, PWNT, Warszawa 1996. W. Duch, J. Korbicz,

Bardziej szczegółowo

Algorytmy sztucznej inteligencji

Algorytmy sztucznej inteligencji Algorytmy sztucznej inteligencji Dynamiczne sieci neuronowe 1 Zapis macierzowy sieci neuronowych Poniżej omówione zostaną części składowe sieci neuronowych i metoda ich zapisu za pomocą macierzy. Obliczenia

Bardziej szczegółowo

Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych.

Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych. Metody Sztucznej Inteligencji 2 Projekt Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych. Autorzy: Robert Wojciechowski Michał Denkiewicz Mateusz Gągol Wstęp Celem projektu

Bardziej szczegółowo

Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym

Zastosowanie 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 szczegółowo

Przykładowa analiza danych

Przykładowa analiza danych Przykładowa analiza danych W analizie wykorzystano dane pochodzące z publicznego repozytorium ArrayExpress udostępnionego na stronach Europejskiego Instytutu Bioinformatyki (http://www.ebi.ac.uk/). Zbiór

Bardziej szczegółowo

Sterowanie z wykorzystaniem logiki rozmytej

Sterowanie z wykorzystaniem logiki rozmytej Sterowanie z wykorzystaniem logiki rozmytej konspekt seminarium Paweł Szołtysek 24 stycznia 2009 1 Wstęp 1.1 Podstawy logiki rozmytej Logika rozmyta jest rodzajem logiki wielowartościowej, stanowi uogólnienie

Bardziej szczegółowo

PODSTAWY INŻYNIERI WIEDZY

PODSTAWY INŻYNIERI WIEDZY Z1-PU7 WYDANIE N1 Strona 1 z 4 (pieczęć wydziału) KARTA PRZEDMIOTU 1. Nazwa przedmiotu: PODSTAWY INŻYNIERI WIEDZY 2. Kod przedmiotu: PIW 3. Karta przedmiotu ważna od roku akademickiego: 2012/2013 4. Forma

Bardziej szczegółowo

Dane mikromacierzowe. Mateusz Markowicz Marta Stańska

Dane mikromacierzowe. Mateusz Markowicz Marta Stańska Dane mikromacierzowe Mateusz Markowicz Marta Stańska Mikromacierz Mikromacierz DNA (ang. DNA microarray) to szklana lub plastikowa płytka (o maksymalnych wymiarach 2,5 cm x 7,5 cm) z naniesionymi w regularnych

Bardziej szczegółowo

Katedra Przyrządów Półprzewodnikowych i Optoelektronicznych Laboratorium Przyrządów Półprzewodnikowych. Ćwiczenie 4

Katedra Przyrządów Półprzewodnikowych i Optoelektronicznych Laboratorium Przyrządów Półprzewodnikowych. Ćwiczenie 4 Ćwiczenie 4 Cel ćwiczenia Celem ćwiczenia jest poznanie charakterystyk statycznych układów scalonych CMOS oraz ich własności dynamicznych podczas procesu przełączania. Wiadomości podstawowe. Budowa i działanie

Bardziej szczegółowo

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe.

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. zajecia.jakubw.pl/nai Literatura: S. Osowski, Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 997. PODSTAWOWE ZAGADNIENIA TECHNICZNE AI

Bardziej szczegółowo

Kryształy, półprzewodniki, nanotechnologie. Dr inż. KAROL STRZAŁKOWSKI Instytut Fizyki UMK w Toruniu skaroll@fizyka.umk.pl

Kryształy, półprzewodniki, nanotechnologie. Dr inż. KAROL STRZAŁKOWSKI Instytut Fizyki UMK w Toruniu skaroll@fizyka.umk.pl Kryształy, półprzewodniki, nanotechnologie. Dr inż. KAROL STRZAŁKOWSKI Instytut Fizyki UMK w Toruniu skaroll@fizyka.umk.pl Plan ogólny Kryształy, półprzewodniki, nanotechnologie, czyli czym będziemy się

Bardziej szczegółowo

POLITECHNIKA GDAŃSKA WYDZIAŁ MECHANICZNY

POLITECHNIKA GDAŃSKA WYDZIAŁ MECHANICZNY POLITECHNIKA GDAŃSKA WYDZIAŁ MECHANICZNY Techniki niskotemperaturowe w Inżynierii Mechaniczno Medycznej Zmiana własności ciał w temperaturach kriogenicznych Prowadzący: dr inż. Waldemar Targański Emilia

Bardziej szczegółowo

KOMPUTEROWE WSPOMAGANIE PROCESU PROJEKTOWANIA ODSTOJNIKA

KOMPUTEROWE WSPOMAGANIE PROCESU PROJEKTOWANIA ODSTOJNIKA Piotr KOWALIK Uniwersytet Przyrodniczy w Lublinie Studenckie Koło Naukowe Informatyków KOMPUTEROWE WSPOMAGANIE PROCESU PROJEKTOWANIA ODSTOJNIKA 1. Ciekłe układy niejednorodne Ciekły układ niejednorodny

Bardziej szczegółowo

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia

Bardziej szczegółowo

Inteligencja obliczeniowa

Inteligencja obliczeniowa Ćwiczenie nr 1 Zbiory rozmyte logika rozmyta Tworzenie: termów zmiennej lingwistycznej o różnych kształtach, modyfikatorów, zmiennych o wielu termach; operacje przecięcia, połączenia i dopełnienia 1. Wprowadzenie

Bardziej szczegółowo

III. TREŚCI NAUCZANIA

III. TREŚCI NAUCZANIA 72 S t r o n a Przedmiot Treści nauczania z podstawy programowej matematyka 1.7. Stosuje obliczenia na liczbach wymiernych do rozwiązywania problemów w kontekście praktycznym, w tym do zmiany jednostek.

Bardziej szczegółowo

Czujniki. Czujniki służą do przetwarzania interesującej nas wielkości fizycznej na wielkość elektryczną łatwą do pomiaru. Najczęściej spotykane są

Czujniki. Czujniki służą do przetwarzania interesującej nas wielkości fizycznej na wielkość elektryczną łatwą do pomiaru. Najczęściej spotykane są Czujniki Ryszard J. Barczyński, 2010 2015 Politechnika Gdańska, Wydział FTiMS, Katedra Fizyki Ciała Stałego Materiały dydaktyczne do użytku wewnętrznego Czujniki Czujniki służą do przetwarzania interesującej

Bardziej szczegółowo

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów

Informacje 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 szczegółowo

KARTA MODUŁU KSZTAŁCENIA

KARTA MODUŁU KSZTAŁCENIA KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Sztuczna inteligencja 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia

Bardziej szczegółowo

Badanie charakterystyk elementów półprzewodnikowych

Badanie charakterystyk elementów półprzewodnikowych Badanie charakterystyk elementów półprzewodnikowych W ramach ćwiczenia student poznaje praktyczne właściwości elementów półprzewodnikowych stosowanych w elektronice przez badanie charakterystyk diody oraz

Bardziej szczegółowo

pętla nastrzykowa gaz nośny

pętla nastrzykowa gaz nośny METODA POPRAWY PRECYZJI ANALIZ CHROMATOGRAFICZNYCH GAZÓW ZIEMNYCH POPRZEZ KONTROLOWANY SPOSÓB WPROWADZANIA PRÓBKI NA ANALIZATOR W WARUNKACH BAROSTATYCZNYCH Pracownia Pomiarów Fizykochemicznych (PFC), Centralne

Bardziej szczegółowo

Grafen perspektywy zastosowań

Grafen perspektywy zastosowań Grafen perspektywy zastosowań Paweł Szroeder 3 czerwca 2014 Spis treści 1 Wprowadzenie 1 2 Właściwości grafenu 2 3 Perspektywy zastosowań 2 3.1 Procesory... 2 3.2 Analogoweelementy... 3 3.3 Czujniki...

Bardziej szczegółowo

Scenariusz lekcji chemii w klasie III gimnazjum. Temat lekcji: Białka skład pierwiastkowy, budowa, właściwości i reakcje charakterystyczne

Scenariusz lekcji chemii w klasie III gimnazjum. Temat lekcji: Białka skład pierwiastkowy, budowa, właściwości i reakcje charakterystyczne Scenariusz lekcji chemii w klasie III gimnazjum Temat lekcji: Białka skład pierwiastkowy, budowa, właściwości i reakcje charakterystyczne Czas trwania lekcji: 2x 45 minut Cele lekcji: 1. Ogólny zapoznanie

Bardziej szczegółowo

DiaSter - system zaawansowanej diagnostyki aparatury technologicznej, urządzeń pomiarowych i wykonawczych. Politechnika Warszawska

DiaSter - system zaawansowanej diagnostyki aparatury technologicznej, urządzeń pomiarowych i wykonawczych. Politechnika Warszawska Jan Maciej Kościelny, Michał Syfert DiaSter - system zaawansowanej diagnostyki aparatury technologicznej, urządzeń pomiarowych i wykonawczych Instytut Automatyki i Robotyki Plan wystąpienia 2 Wprowadzenie

Bardziej szczegółowo

DZIAŁ TEMAT NaCoBeZu kryteria sukcesu w języku ucznia

DZIAŁ TEMAT NaCoBeZu kryteria sukcesu w języku ucznia ODDZIAŁYWANIA DZIAŁ TEMAT NaCoBeZu kryteria sukcesu w języku ucznia 1. Organizacja pracy na lekcjach fizyki w klasie I- ej. Zapoznanie z wymaganiami na poszczególne oceny. Fizyka jako nauka przyrodnicza.

Bardziej szczegółowo

Rozmyte systemy doradcze

Rozmyte systemy doradcze Systemy ekspertowe Rozmyte systemy doradcze Plan. Co to jest myślenie rozmyte? 2. Teoria zbiorów rozmytych. 3. Zmienne lingwistyczne. 4. Reguły rozmyte. 5. Wnioskowanie rozmyte (systemy doradcze). typu

Bardziej szczegółowo

Laboratorium z Konwersji Energii. Ogniwo Paliwowe PEM

Laboratorium z Konwersji Energii. Ogniwo Paliwowe PEM Laboratorium z Konwersji Energii Ogniwo Paliwowe PEM 1.0 WSTĘP Ogniwo paliwowe typu PEM (ang. PEM FC) Ogniwa paliwowe są urządzeniami elektro chemicznymi, stanowiącymi przełom w dziedzinie źródeł energii,

Bardziej szczegółowo

Dobór materiałów konstrukcyjnych cz.13

Dobór materiałów konstrukcyjnych cz.13 Dobór materiałów konstrukcyjnych cz.13 dr inż. Hanna Smoleńska Katedra Inżynierii Materiałowej i Spajania Wydział Mechaniczny, Politechnika Gdańska Materiały edukacyjne ROZSZERZALNOŚĆ CIEPLNA LINIOWA Ashby

Bardziej szczegółowo

Mechatronika i inteligentne systemy produkcyjne. Aktory

Mechatronika i inteligentne systemy produkcyjne. Aktory Mechatronika i inteligentne systemy produkcyjne Aktory 1 Definicja aktora Aktor (ang. actuator) -elektronicznie sterowany człon wykonawczy. Aktor jest łącznikiem między urządzeniem przetwarzającym informację

Bardziej szczegółowo

Czym jest prąd elektryczny

Czym jest prąd elektryczny Prąd elektryczny Ruch elektronów w przewodniku Wektor gęstości prądu Przewodność elektryczna Prawo Ohma Klasyczny model przewodnictwa w metalach Zależność przewodności/oporności od temperatury dla metali,

Bardziej szczegółowo

STATYCZNA PRÓBA ROZCIĄGANIA

STATYCZNA 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 szczegółowo

Systemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład I dr inż. 2015/2016

Systemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład I dr inż. 2015/2016 Systemy pomiarowo-diagnostyczne Metody uczenia maszynowego wykład I dr inż. Bogumil.Konopka@pwr.edu.pl 2015/2016 1 Wykład I - plan Sprawy organizacyjne Uczenie maszynowe podstawowe pojęcia Proces modelowania

Bardziej szczegółowo

Wykorzystanie Grafenu do walki z nowotworami. Kacper Kołodziej, Jan Balcerak, Justyna Kończewska

Wykorzystanie Grafenu do walki z nowotworami. Kacper Kołodziej, Jan Balcerak, Justyna Kończewska Wykorzystanie Grafenu do walki z nowotworami Kacper Kołodziej, Jan Balcerak, Justyna Kończewska Spis treści: 1. Co to jest grafen? Budowa i właściwości. 2. Zastosowanie grafenu. 3. Dlaczego może być wykorzystany

Bardziej szczegółowo

Podstawy sztucznej inteligencji

Podstawy 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 szczegółowo

Przetworniki cyfrowo analogowe oraz analogowo - cyfrowe

Przetworniki cyfrowo analogowe oraz analogowo - cyfrowe Przetworniki cyfrowo analogowe oraz analogowo - cyfrowe Przetworniki cyfrowo / analogowe W cyfrowych systemach pomiarowych często zachodzi konieczność zmiany sygnału cyfrowego na analogowy, np. w celu

Bardziej szczegółowo

LABORATORIUM ELEKTRONIKI ĆWICZENIE 4 POLITECHNIKA ŁÓDZKA KATEDRA PRZYRZĄDÓW PÓŁPRZEWODNIKOWYCH I OPTOELEKTRONICZNYCH

LABORATORIUM ELEKTRONIKI ĆWICZENIE 4 POLITECHNIKA ŁÓDZKA KATEDRA PRZYRZĄDÓW PÓŁPRZEWODNIKOWYCH I OPTOELEKTRONICZNYCH LABORATORIUM ELEKTRONIKI ĆWICZENIE 4 Parametry statyczne tranzystorów polowych złączowych Cel ćwiczenia Podstawowym celem ćwiczenia jest poznanie statycznych charakterystyk tranzystorów polowych złączowych

Bardziej szczegółowo

Sieci neuronowe w Statistica

Sieci neuronowe w Statistica http://usnet.us.edu.pl/uslugi-sieciowe/oprogramowanie-w-usk-usnet/oprogramowaniestatystyczne/ Sieci neuronowe w Statistica Agnieszka Nowak - Brzezińska Podstawowym elementem składowym sztucznej sieci neuronowej

Bardziej szczegółowo

OFERTA TEMATÓW PROJEKTÓW DYPLOMOWYCH (MAGISTERSKICH) do zrealizowania w Katedrze INŻYNIERII CHEMICZNEJ I PROCESOWEJ

OFERTA TEMATÓW PROJEKTÓW DYPLOMOWYCH (MAGISTERSKICH) do zrealizowania w Katedrze INŻYNIERII CHEMICZNEJ I PROCESOWEJ OFERTA TEMATÓW PROJEKTÓW DYPLOMOWYCH (MAGISTERSKICH) do zrealizowania w Katedrze INŻYNIERII CHEMICZNEJ I PROCESOWEJ Badania kinetyki utleniania wybranych grup związków organicznych podczas procesów oczyszczania

Bardziej szczegółowo

Sieci neuronowe jako przykład współczesnej technologii informatycznej

Sieci neuronowe jako przykład współczesnej technologii informatycznej Maciej Roszkowski Sieci neuronowe jako przykład współczesnej technologii informatycznej Sieci neuronowe są technologią sztucznej inteligencji, trochę zapomnianą we współczesnym świecie. Współczesny ogólnie

Bardziej szczegółowo

Hierarchiczna analiza skupień

Hierarchiczna analiza skupień Hierarchiczna analiza skupień Cel analizy Analiza skupień ma na celu wykrycie w zbiorze obserwacji klastrów, czyli rozłącznych podzbiorów obserwacji, wewnątrz których obserwacje są sobie w jakimś określonym

Bardziej szczegółowo

Aplikacje Systemów. Nawigacja inercyjna. Gdańsk, 2016

Aplikacje Systemów. Nawigacja inercyjna. Gdańsk, 2016 Aplikacje Systemów Wbudowanych Nawigacja inercyjna Gdańsk, 2016 Klasyfikacja systemów inercyjnych 2 Nawigacja inercyjna Podstawowymi blokami, wchodzącymi w skład systemów nawigacji inercyjnej (INS ang.

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

NAGRZEWANIE ELEKTRODOWE

NAGRZEWANIE ELEKTRODOWE INSTYTUT INFORMATYKI STOSOWANEJ POLITECHNIKI ŁÓDZKIEJ Ćwiczenia Nr 7 NAGRZEWANIE ELEKTRODOWE 1.WPROWADZENIE. Nagrzewanie elektrodowe jest to nagrzewanie elektryczne oparte na wydzielaniu, ciepła przy przepływie

Bardziej szczegółowo

Piotr Sobolewski Krzysztof Skorupski

Piotr Sobolewski Krzysztof Skorupski Plan prezentacji Logika rodzaje Logika klasyczna Logika wielowartościowa Logika rozmyta Historia powstania Definicje Zbiory rozmyte Relacje rozmyte Systemy rozmyte Modele Zastosowanie w optymalizacji przykłady

Bardziej szczegółowo

1. Nadajnik światłowodowy

1. Nadajnik światłowodowy 1. Nadajnik światłowodowy Nadajnik światłowodowy jest jednym z bloków światłowodowego systemu transmisyjnego. Przetwarza sygnał elektryczny na sygnał optyczny. Jakość transmisji w dużej mierze zależy od

Bardziej szczegółowo

WYMAGANIA NA POSZCZEGÓLNE STOPNIE SZKOLNE Z CHEMII klasa I

WYMAGANIA NA POSZCZEGÓLNE STOPNIE SZKOLNE Z CHEMII klasa I WYMAGANIA NA POSZCZEGÓLNE STOPNIE SZKOLNE Z CHEMII klasa I Aby uzyskać ocenę wyższą niż dana ocena, uczeń musi opanować wiadomości i umiejętności dotyczące danej oceny oraz ocen od niej niższych. Dział:

Bardziej szczegółowo

PL 198188 B1. Instytut Chemii Przemysłowej im.prof.ignacego Mościckiego,Warszawa,PL 03.04.2006 BUP 07/06

PL 198188 B1. Instytut Chemii Przemysłowej im.prof.ignacego Mościckiego,Warszawa,PL 03.04.2006 BUP 07/06 RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 198188 (13) B1 (21) Numer zgłoszenia: 370289 (51) Int.Cl. C01B 33/00 (2006.01) C01B 33/18 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej (22)

Bardziej szczegółowo

Spektroskopia magnetycznego rezonansu jądrowego - wprowadzenie

Spektroskopia magnetycznego rezonansu jądrowego - wprowadzenie Spektroskopia magnetycznego rezonansu jądrowego - wprowadzenie Streszczenie Spektroskopia magnetycznego rezonansu jądrowego jest jedną z technik spektroskopii absorpcyjnej mającej zastosowanie w chemii,

Bardziej szczegółowo

Ćw. 8 Bramki logiczne

Ćw. 8 Bramki logiczne Ćw. 8 Bramki logiczne 1. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z podstawowymi bramkami logicznymi, poznanie ich rodzajów oraz najwaŝniejszych parametrów opisujących ich własności elektryczne.

Bardziej szczegółowo

Opis efektów kształcenia dla modułu zajęć

Opis efektów kształcenia dla modułu zajęć Nazwa modułu: Własności materiałów inżynierskich Rok akademicki: 2013/2014 Kod: MIM-2-302-IS-n Punkty ECTS: 4 Wydział: Inżynierii Metali i Informatyki Przemysłowej Kierunek: Inżynieria Materiałowa Specjalność:

Bardziej szczegółowo

Spektrometr ICP-AES 2000

Spektrometr ICP-AES 2000 Spektrometr ICP-AES 2000 ICP-2000 to spektrometr optyczny (ICP-OES) ze wzbudzeniem w indukcyjnie sprzężonej plazmie (ICP). Wykorztystuje zjawisko emisji atomowej (ICP-AES). Umożliwia wykrywanie ok. 70

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy na specjalności: systemy sterowania Rodzaj zajęć: wykład, laboratorium UKŁADY AUTOMATYKI PRZEMYSŁOWEJ Industrial Automatics Systems

Bardziej szczegółowo

Badacze zbudowali wiele systemów technicznych, naśladujących w komputerze ludzki mózg. Najbardziej pożyteczne okazały się sieci neuronowe.

Badacze zbudowali wiele systemów technicznych, naśladujących w komputerze ludzki mózg. Najbardziej pożyteczne okazały się sieci neuronowe. Naśladując w komputerze ludzki mózg staramy się połączyć zalety komputera (dostępność i szybkość działania) z zaletami mózgu (zdolność do uczenia się) informatyka + 2 Badacze zbudowali wiele systemów technicznych,

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

Data Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu

Data Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu Data Mining Wykład 9 Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster Plan wykładu Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne Sformułowanie problemu

Bardziej szczegółowo

MATERIAŁY SUPERTWARDE

MATERIAŁY SUPERTWARDE MATERIAŁY SUPERTWARDE Twarde i supertwarde materiały Twarde i bardzo twarde materiały są potrzebne w takich przemysłowych zastosowaniach jak szlifowanie i polerowanie, cięcie, prasowanie, synteza i badania

Bardziej szczegółowo

Teoria przetwarzania A/C i C/A.

Teoria przetwarzania A/C i C/A. Teoria przetwarzania A/C i C/A. Autor: Bartłomiej Gorczyński Cyfrowe metody przetwarzania sygnałów polegają na przetworzeniu badanego sygnału analogowego w sygnał cyfrowy reprezentowany ciągiem słów binarnych

Bardziej szczegółowo

Metoda Elementów Skończonych

Metoda Elementów Skończonych Politechnika Poznańska Wydział Budowy Maszyn i Zarządzania Mechanika i Budowa Maszyn Metoda Elementów Skończonych Projekt zaliczeniowy: Prowadzący: dr. hab. T. Stręk prof. nadz. Wykonał: Łukasz Dłużak

Bardziej szczegółowo

Testowanie modeli predykcyjnych

Testowanie 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 szczegółowo

7. Identyfikacja defektów badanego obiektu

7. Identyfikacja defektów badanego obiektu 7. Identyfikacja defektów badanego obiektu Pierwszym krokiem na drodze do identyfikacji defektów było przygotowanie tzw. odcisku palca poszczególnych defektów. W tym celu został napisany program Gaussian

Bardziej szczegółowo

Spis treści Przedmowa

Spis treści Przedmowa Spis treści Przedmowa 1. Wprowadzenie do problematyki konstruowania - Marek Dietrich (p. 1.1, 1.2), Włodzimierz Ozimowski (p. 1.3 -i-1.7), Jacek Stupnicki (p. l.8) 1.1. Proces konstruowania 1.2. Kryteria

Bardziej szczegółowo

NADPRZEWODNIKI WYSOKOTEMPERATUROWE (NWT) W roku 1986 Alex Muller i Georg Bednorz odkryli. miedziowo-lantanowym, w którym niektóre atomy lantanu były

NADPRZEWODNIKI WYSOKOTEMPERATUROWE (NWT) W roku 1986 Alex Muller i Georg Bednorz odkryli. miedziowo-lantanowym, w którym niektóre atomy lantanu były FIZYKA I TECHNIKA NISKICH TEMPERATUR NADPRZEWODNICTWO NADPRZEWODNIKI WYSOKOTEMPERATUROWE (NWT) W roku 1986 Alex Muller i Georg Bednorz odkryli nadprzewodnictwo w złożonym tlenku La 2 CuO 4 (tlenku miedziowo-lantanowym,

Bardziej szczegółowo

STABILIZATORY NAPIĘCIA STAŁEGO. 1. Wiadomości wstępne

STABILIZATORY NAPIĘCIA STAŁEGO. 1. Wiadomości wstępne STABILIZATORY NAPIĘCIA STAŁEGO 1. Wiadomości wstępne Stabilizatory napięcia stałego są to układy elektryczne dostarczające do odbiornika napięcie o stałej wartości niezależnie od zmian w określonych granicach:

Bardziej szczegółowo

ĆWICZENIE Nr 1. Laboratorium CAD/MES. Przedmiot: Modelowanie właściwości materiałów. Opracował: dr inż. Hubert Dębski

ĆWICZENIE Nr 1. Laboratorium CAD/MES. Przedmiot: Modelowanie właściwości materiałów. Opracował: dr inż. Hubert Dębski POLITECHNIKA LUBELSKA WYDZIAŁ MECHANICZNY KATEDRA PODSTAW KON- STRUKCJI MASZYN Przedmiot: Modelowanie właściwości materiałów Laboratorium CAD/MES ĆWICZENIE Nr 1 Opracował: dr inż. Hubert Dębski I. Temat

Bardziej szczegółowo

Spektroskopia modulacyjna

Spektroskopia modulacyjna Spektroskopia modulacyjna pozwala na otrzymanie energii przejść optycznych w strukturze z bardzo dużą dokładnością. Charakteryzuje się również wysoką czułością, co pozwala na obserwację słabych przejść,

Bardziej szczegółowo

SYLABUS/KARTA PRZEDMIOTU

SYLABUS/KARTA PRZEDMIOTU . NAZWA PRZEDMIOTU SYLABUS/KARTA PRZEDMIOTU Systemy wizyjne w automatyce przemysłowej. NAZWA JEDNOSTKI PROWADZĄCEJ PRZEDMIOT Instytut Politechniczny. STUDIA kierunek stopień tryb język status przedmiotu

Bardziej szczegółowo

Rola stacji gazowych w ograniczaniu strat gazu w sieciach dystrybucyjnych

Rola 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 szczegółowo

ZESPÓŁ SZKÓŁ ELEKTRYCZNYCH NR

ZESPÓŁ SZKÓŁ ELEKTRYCZNYCH NR TECHNIK MECHATRONIK ZESPÓŁ SZKÓŁ ELEKTRYCZNYCH NR 2 os. SZKOLNE 26 31-977 KRAKÓW www.elektryk2.i365.pl Spis treści: 1. Charakterystyka zawodu 3 2. Dlaczego technik mechatronik? 5 3. Jakie warunki musisz

Bardziej szczegółowo

Dobór funkcji aktywacji sieci neuronowej realizującej odtwarzanie wielkości wejściowej przetwornika pomiarowego

Dobór funkcji aktywacji sieci neuronowej realizującej odtwarzanie wielkości wejściowej przetwornika pomiarowego Dobór funkcji sieci neuronowej realizującej odtwarzanie wielkości wejściowej przetwornika pomiarowego Piotr Makowski Jerzy Roj* W artykule przedstawiono wyniki badań wybranych struktur sieci neuronowych

Bardziej szczegółowo

Q t lub precyzyjniej w postaci różniczkowej. dq dt Jednostką natężenia prądu jest amper oznaczany przez A.

Q t lub precyzyjniej w postaci różniczkowej. dq dt Jednostką natężenia prądu jest amper oznaczany przez A. Prąd elektryczny Dotychczas zajmowaliśmy się zjawiskami związanymi z ładunkami spoczywającymi. Obecnie zajmiemy się zjawiskami zachodzącymi podczas uporządkowanego ruchu ładunków, który często nazywamy

Bardziej szczegółowo

Wymagania programowe na poszczególne oceny z chemii w kl.1. I. Substancje i ich przemiany

Wymagania programowe na poszczególne oceny z chemii w kl.1. I. Substancje i ich przemiany Wymagania programowe na poszczególne oceny z chemii w kl.1 I. Substancje i ich przemiany Ocena dopuszczająca [1] Ocena dostateczna [1 + 2] zalicza chemię do nauk przyrodniczych wyjaśnia, dlaczego chemia

Bardziej szczegółowo

PRACA DYPLOMOWA W BUDOWIE WKŁADEK FORMUJĄCYCH. Tomasz Kamiński. Temat: ŻYWICE EPOKSYDOWE. dr inż. Leszek Nakonieczny

PRACA DYPLOMOWA W BUDOWIE WKŁADEK FORMUJĄCYCH. Tomasz Kamiński. Temat: ŻYWICE EPOKSYDOWE. dr inż. Leszek Nakonieczny Politechnika Wrocławska - Wydział Mechaniczny Instytut Technologii Maszyn i Automatyzacji PRACA DYPLOMOWA Tomasz Kamiński Temat: ŻYWICE EPOKSYDOWE W BUDOWIE WKŁADEK FORMUJĄCYCH Promotor: dr inż. Leszek

Bardziej szczegółowo

Sztuczne Sieci Neuronowe. Wiktor Tracz Katedra Urządzania Lasu, Geomatyki i Ekonomiki Leśnictwa, Wydział Leśny SGGW

Sztuczne Sieci Neuronowe. Wiktor Tracz Katedra Urządzania Lasu, Geomatyki i Ekonomiki Leśnictwa, Wydział Leśny SGGW Sztuczne Sieci Neuronowe Wiktor Tracz Katedra Urządzania Lasu, Geomatyki i Ekonomiki Leśnictwa, Wydział Leśny SGGW SN są częścią dziedziny Sztucznej Inteligencji Sztuczna Inteligencja (SI) zajmuje się

Bardziej szczegółowo