ZASTOSOWANIE SZTUCZNEJ SIECI NEURONOWEJ DO WYZNACZANIA PARAMETRÓW OBRÓBKI CIEPLNEJ ODLEWÓW STALIWNYCH
|
|
- Patrycja Świątek
- 5 lat temu
- Przeglądów:
Transkrypt
1 MODELOWANIE INŻYNIERSKIE nr 52, ISSN X ZASTOSOWANIE SZTUCZNEJ SIECI NEURONOWEJ DO WYZNACZANIA PARAMETRÓW OBRÓBKI CIEPLNEJ ODLEWÓW STALIWNYCH Joanna Wróbel 1a, Adam Kulawik 1b Instytut Informatyki Teoretycznej i Stosowanej, Politechnika Częstochowska a joanna.wrobel@icis.pcz.pl, b adam.kulawik@icis.pcz.pl Streszczenie W pracy zastosowano sztuczne sieci neuronowe do określania wymaganej wartości współczynnika przejmowania ciepła od odlewu staliwnego. Wielowarstwowa sztuczna sieć neuronowa wyznacza wartości współczynnika przejmowania, tak aby uzyskać odpowiednie ułamki faz w wewnętrznych węzłach kontrolnych odlewu. Wartości tego współczynnika wyznaczane są dla kontrolnych węzłów brzegowych i są aproksymowane na pozostałe elementy brzegowe. Dane uczące oraz testowe uzyskano z rozwiązania równania przewodzenia ciepła z wykorzystaniem metody elementów skończonych (zadania 2D). Ułamki faz wyznaczono z zastosowaniem makroskopowego modelu przemian fazowych w stanie stałym (analiza wykresów CTP). Przedstawiono błędy opracowanej metody oraz jej skuteczność w automatyzacji projektowania procesu chłodzenia. Słowa kluczowe: proces chłodzenia, odlewy staliwne, sztuczne sieci neuronowe, model numeryczny THE USE OF ARTIFICIAL NEURAL NETWORKS TO DETERMINE THE PARAMETERS OF THE HEAT TREATMENT PROCESS OF THE STEEL CASTINGS Summary In the paper the artificial neural network to determine value of heat transfer coefficient (α ) for the steel casting has been used. On the basis of phase fraction in the control nodes which were located in the area of casting the required values of heat transfer coefficient have been determined by the multilayer artificial neural network. The values of α coefficient are set down for the boundary control nodes and approximated on the other elements. On the basis of numerical solution of the thermal conductivity equation with finite element method the learning and testing data have been obtained (2D tasks). The macroscopic model of phase transformations in the solid state (analysis of CCT diagrams) has been used to calculate the phase fractions. In this paper the errors of implemented method and the effectiveness of this method in automatization of the optimization for the cooling process are presented. Keywords: cooling process, steel castings, artificial neural network, numerical model 1. WSTĘP Staliwne odlewy w stanie surowym posiadają najczęściej właściwości silnie odbiegające od pożądanych. Do podstawowych wad odlewów można zaliczyć duże naprężenia odlewnicze, niekorzystną strukturę ziaren, duże zróżnicowanie fazowe, koncentracje wydzieleń sprzyjającą pękaniu, itd. W celu uniknięcia tych wad elementy staliwne poddaje się dalszej obróbce. Okazuje się, że odpowiednie właściwości mechaniczne odlewów staliwnych można uzyskać poprzez obróbkę cieplną [1]. Pierwszym etapem obróbki cieplnej jest uzyskanie przez 201
2 ZASTOSOWANIE SZTUCZNEJ SIECI NEURONOWEJ DO WYZNACZANIA... odlew odpowiedniej temperatury (temperatury austenityzacji), zapewnienie jednorodności strukturalnej oraz wymaganej wielkość ziaren. Kluczowy, wymagający odpowiedniej kontroli wielu parametrów jest proces chłodzenia. Decyduje on o poziomie naprężeń własnych w odlewie staliwnym oraz o strukturze fazowej materiału. W zależności od szybkości chłodzenia można otrzymać strukturę perlityczno-ferrytyczną lub struktury hartownicze - bainityczną i/lub martenzytyczną. Obszary występowania poszczególnych faz zapewniają odpowiednią twardość, kruchość i ciągliwość. Do określania parametrów chłodzenia wykorzystywane są często symulacje numeryczne. Otrzymane z symulacji wyniki pozwalają na odpowiednią kontrolę przeprowadzanego procesu chłodzenia oraz wspomagają projektowanie stanowiska roboczego procesu obróbki cieplnej. Ma to duże znaczenie zwłaszcza przy produkcji części staliwnych, których własności mechaniczne powinny być zróżnicowane. Sterowanie np. udziałami fazowymi pozwala na uzyskanie części staliwnych o takim samym kształcie, ale o zróżnicowanej własnościach mechanicznych. Zastosowanie systemu sterującego procesem chłodzenia pozwala zatem na zróżnicowany asortyment bez konieczności zmian linii produkcyjnej. Elementami pozwalającymi na takie podejście do jednostkowych wyrobów produkowanych na linii seryjnej mogą być sterowniki zbudowane na podstawie sztucznych sieci neuronowych [6, 7]. Odpowiednio nauczona sztuczna sieć neuronowa (SSN) znacznie upraszcza obsługę takiego systemu. Użytkownik będzie mógł tylko dostarczyć dane dotyczące wymaganych parametrów elementów staliwnych, a sieć podejmie decyzję co do parametrów procesu chłodzenia. Założenia dotyczące takiego systemu sterującego przedstawiono na rys. 1. Rys. 1. Etapy budowy systemu automatycznego sterowania procesem chłodzenia 2. PROJEKTOWANIE SYSTEMU STEROWANIA Prezentowany model sterowania dotyczy automatycznego wyznaczania parametrów procesu chłodzenia odlewów staliwnych. Parametrami wejściowymi do układu starowania są wartości udziałów martenzytu lub bainitu w wybranych punktach elementu staliwnego (rys. 2). Wybór punktów kontrolnych dokonywany jest na podstawie analizy procesu chłodzenia i jest zależny od geometrii obrabianych części. Rys. 2. Usytuowanie punktów kontrolnych 202
3 Joanna Wróbel, Adam Kulawik Zatem wartości udziału faz hartowniczych stanowią dane wejściowe sztucznej sieci neuronowej (53 wejścia). Przyjęto, że współczynnik przejmowania ciepła, który określa intensywność chłodzenia, jest na poszczególnych brzegach interpolowany funkcją kwadratową. Za względu na przyjętą interpolację współczynnika przejmowania ciepła oraz geometrię rozważanej części w układzie sterowania jest 8 wyjść. Przyjęto, że zastosowana sieć neuronowa jest zbudowana z 53 neuronów w warstwie wejściowej, dwóch warstw ukrytych (odpowiednio 40 i 20 neuronów) oraz 8 neuronów w warstwie wyjściowej (rys. 3). Rys. 4. Elementy uwzględnione w modelu procesu chłodzenia [4] Do modelowania zjawisk cieplnych wykorzystano równanie przewodzenia ciepła w postaci = (3) gdzie: [K] - temperatura, = [W/mK] - współczynnik przewodzenia ciepła, [J/m 3 K] pojemność cieplna, t [s] - czas, [W/m 3 ] - objętościowe źródło ciepła. Ciepło przemian fazowych uwzględniono w modelu z zastosowaniem źródła objętościowego [4, 5] = (4) Rys. 3. Zastosowana sztuczna sieć neuronowa W pracy wykorzystano perceptron wielowarstwowy o neuronach typu sigmoidalnego. Sygnały wyjściowe sieci są obliczane z zastosowaniem sigmoidalnej bipolarnej funkcji aktywacji [6, 7] gdzie: = = h + (1) - sygnały wejściowe, - współczynniki wagowe (wagi), - bias. Uczenie sieci przeprowadzono metoda wstecznej propagacji błędu z uwzględnieniem współczynnika momentum. W równaniu aktualizacji wag uwzględniono historię zmian wag z poprzednich etapów uczenia [6, 7] + 1 = (2) gdzie: współczynnik momentum z przedziału (0, 1], współczynnik uczenia z przedziału (0, 1], błąd i- tego neuronu k-tej warstwy, wyjście i-tego neuronu k-tej warstwy. Zbiór danych uczących oraz testowy został określony na podstawie opracowanego modelu numerycznego przewodzenia ciepła oraz przemian fazowych w stanie stałym. W modelu procesu chłodzenia odlewów staliwnych istotne uwzględniono powiązania pomiędzy zjawiskami cieplnymi oraz przemianami fazowymi (rys. 4.). gdzie: [J/kg] - ciepło i-tej przemiany fazowej w procesie chłodzenia, - objętościowy przyrost i-tej fazy, gęstość. Ciepła poszczególnych przemian fazowych dla stali średniowęglowej wyznaczane są równaniami [4,5] = = = = gdzie: jest ciepłem transformacji austenitu w ferryt, austenitu w perlit, austenitu w bainit, austenitu w martenzyt, jest temperaturą [ C]. Przyjmując niejawny schemat całkowania po czasie, układ równań MES zagadnienia nieustalonego przepływu ciepła jest postaci [4, 8, 9] + + = (6) + + (5) 203
4 ZASTOSOWANIE SZTUCZNEJ SIECI NEURONOWEJ DO WYZNACZANIA... gdzie elementowe macierze: przewodności, pojemności cieplnej, źródeł wewnętrznych oraz warunków brzegowych są następujące: = =,, = (7) = + = + gdzie temperaturę otoczenia przyjęto równą 293 K, natomiast współczynnik przejmowania ciepła był przyjmowany z zakresu [500, 4000] W/m 2 K. Wartości współczynnika dla 8 węzłów brzegowych (położenie węzłów w1-w8 przedstawiono na rys. 8-9) były losowane, a w pozostałych węzłach brzegowych interpolowane funkcjami kwadratowymi. Otrzymany rozkład współczynnika w zbiorze uczącym dla trzech węzłów kontrolnych, znajdujących się na pierwszym brzegu, przedstawiono na rys. 5. gdzie: funkcje interpolacyjne. W makroskopowym modelu przemian fazowych w stanie stałym wykorzystano zmodyfikowane równanie Johnsona-Mehla-Avrami [2, 4] = %, 1 (8) gdzie: % jest końcowym udziałem i-tej fazy oszacowanym na podstawie wykresu CTPc, jest udziałem powstałego austenitu, są udziałami faz powstałych w procesie chłodzenia. Współczynniki i określają zależności =,, =, (9) gdzie:, są odpowiednio czasem rozpoczęcia i zakończenia przemiany określonymi na podstawie analizy wykresu CTPc. Udział martenzytu wyznaczano z zależności Koistinena-Marburgera [3, 4], = 1 (10) gdzie: jest temperaturą początku przemiany martenzytycznej, współczynnik przyjęto równy 0, TESTOWANIE MODELU W celu przetestowania możliwości systemu przeprowadzono symulacje numeryczne procesu chłodzenia elementu staliwnego o przekroju kwadratowym (rys. 2). Zastosowana sztuczna sieć neuronowa została nauczona z wykorzystaniem zbiorów uczącego i testowego złożonego z 2000 różnych przypadków chłodzenia. W każdej z tych symulacji założono następujące warunki początkowe i brzegowe: - temperatura początkowa elementu 1300 [K] - własności materiałowe jak dla stali C45 - czas obliczeń t=10000 s, - dyskretyzacja po czasie: w przedziale 0-80 s 1000 kroków, s 10 kroków czasu. Dyskretyzacja została dobrana ze względu na wymagane małe zmiany temperatury konieczne do wyznaczania czasów rozpoczęcia i zakończenia przemian fazowych. - na każdym z brzegów założono warunek III rodzaju: Γ = Γ Γ (11) Rys. 5. Poziomy współczynnika przejmowania ciepła w zbiorze uczącym dla węzłów w1, w2, w3 Korzystając z uzyskanych wartości współczynnika przejmowania ciepła, przeprowadzono symulacje komputerowe, uzyskując rozkłady ułamków faz. Do danych uczących oraz testowych użyto udziałów martenzytu. Następnie na podstawie zbioru uczącego przeprowadzono proces uczenia sztucznej sieci neuronowej. Przy założeniu 1000 epok, współczynnika momentu =0,7 oraz współczynnika uczenia =0,03, średni błąd procentowy uczenia uzyskano na poziomie 6,5%. W celu zweryfikowania skuteczności systemu na wejście sieci podano dane ze zbioru testowego, które nie brały udziału w procesie uczenia. Wykonano obliczenia dla wszystkich elementów zbioru testowego, uzyskując średni błąd na poziomie 7,85%. Następnie przeprowadzono dwa testy numeryczne dla różnych rozkładów współczynnika przejmowania ciepła na brzegach rozważanego obszaru (rys. 6 i 7). 204
5 Joanna Wróbel, Adam Kulawik Rys. 6. Interpolacja współczynnika przejmowania ciepła na poszczególnych brzegach, test 1 Rys. 9. Rozkład martenzytu, test 2 Na podstawie rozkładu struktury hartowniczej sieć neuronowa dokonała szacowania współczynników przejmowania ciepła. Porównanie wartości testowych oraz wyznaczonych przez sieć zaprezentowano na rysunkach 10 i 11. Rys. 7. Interpolacja współczynnika przejmowania ciepła na poszczególnych brzegach, test 2 Korzystając z tak przyjętych współczynników przejmowania ciepła, określono rozkład martenzytu w rozważanym przekroju (rys. 8 i 9). Rys. 10. Założone i wyznaczone przez SSN wartości współczynnika przejmowania ciepła, test 1 Rys. 8. Rozkład martenzytu, test 1 Rys. 11. Założone i wyznaczone przez SSN wartości współczynnika przejmowania ciepła, test 2 205
6 ZASTOSOWANIE SZTUCZNEJ SIECI NEURONOWEJ DO WYZNACZANIA... Rys. 12. Różnice pomiędzy wartościami ułamka martenzytu (błąd metody), test 1 Dla wyznaczonych przez sieć neuronową wartości współczynników przejmowania ciepła wykonano symulację procesu chłodzenia, otrzymując rozkłady przemian fazowych. Różnice pomiędzy założonymi rozkładami martenzytu a otrzymanymi na podstawie danych z układu sterującego przedstawiono na rysunkach 12 i 13. Rys. 13. Różnice pomiędzy wartościami ułamka martenzytu (błąd metody), test 2 Prezentowane wyniki przeprowadzonych testów numerycznych wskazują na dużą dokładność proponowanych metod w określaniu parametrów procesu chłodzenia dla wymaganych rozkładów faz hartowniczych. Zastosowanie SSN pozwala na dużą szybkość reakcji systemu sterującego. Budowanie systemów sterowania z wiedzą zawartą w SSN umożliwia uwzględnienie silnie nieliniowych zależności zjawisk procesu chłodzenia. Literatura 1. Adrian H.: Numeryczne modelowanie procesów obróbki cieplnej. Kraków: Wyd. AGH, Avrami M.: Kinetics of chase change. Journal of Chemical Physics 1939, 7, p Koistinen D. P., Marburger R. E.: A general equation prescribing the extent of the austenite-martensite transformation in pure iron-carbon alloys and plain carbon steels. Acta Metallurgica 1959, 7, p Kulawik A.: Modelowanie zjawisk obróbki cieplnej stali średniowęglowych. Częstochowa: Pol. Częstochowska, Monografie nr Lee K. J.: Characteristics of heat generation during transformation in carbon steels. Scripta Materialia 1999, 40, p Rojas R.: Neural network: a systematic introduction. Berlin: Springer, Rutkowski L.: Computational intelligence: methods and techniques. Berlin: Springer, Wait R., Mitchell A. R.: Finite element analysis and applications. Chichester: John Wiley & Sons, Zienkiewicz O. C., Taylor R. L.: The finite element method. Oxword: Butterworth-Heinemann,
ANALIZA UKŁADU STERUJĄCEGO PARAMETRAMI SPAWANIA LASEROWEGO STALOWYCH ELEMENTÓW O ZMIENNEJ GRUBOŚCI
MODELOWANIE INŻYNIERSKIE nr 52, ISSN 1896-771X ANALIZA UKŁADU STERUJĄCEGO PARAMETRAMI SPAWANIA LASEROWEGO STALOWYCH ELEMENTÓW O ZMIENNEJ GRUBOŚCI Adam Kulawik 1a, Joanna Wróbel 1b, Michael Nikolaevich
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 szczegółowoWPŁYW SZYBKOŚCI STYGNIĘCIA NA WŁASNOŚCI TERMOFIZYCZNE STALIWA W STANIE STAŁYM
2/1 Archives of Foundry, Year 200, Volume, 1 Archiwum Odlewnictwa, Rok 200, Rocznik, Nr 1 PAN Katowice PL ISSN 1642-308 WPŁYW SZYBKOŚCI STYGNIĘCIA NA WŁASNOŚCI TERMOFIZYCZNE STALIWA W STANIE STAŁYM D.
Bardziej szczegółowoSztuczna Inteligencja Tematy projektów Sieci Neuronowe
PB, 2009 2010 Sztuczna Inteligencja Tematy projektów Sieci Neuronowe Projekt 1 Stwórz projekt implementujący jednokierunkową sztuczną neuronową złożoną z neuronów typu sigmoidalnego z algorytmem uczenia
Bardziej szczegółowoMODEL NUMERYCZNY PROCESU HARTOWANIA ELEMENTÓW STALOWYCH
4/4 Archives of Foundry, Year 22, Volume 2, 4 Archiwum Odlewnictwa, Rok 22, Rocznik 2, Nr 4 PAN Katowice PL ISSN 1642-538 MODEL NUMERYCZNY PROCESU HARTOWANIA ELEMENTÓW STALOWYCH A. BOKOTA 1, T. DOMAŃSKI
Bardziej szczegółowoSYMULACJA NUMERYCZNA KRZEPNIĘCIA KIEROWANEGO OCHŁADZALNIKAMI ZEWNĘTRZNYMI I WEWNĘTRZNYMI
31/4 Archives of Foundry, Year 2002, Volume 2, 4 Archiwum Odlewnictwa, Rok 2002, Rocznik 2, Nr 4 PAN Katowice PL ISSN 1642-5308 SYMULACJA NUMERYCZNA KRZEPNIĘCIA KIEROWANEGO OCHŁADZALNIKAMI ZEWNĘTRZNYMI
Bardziej szczegółowoKrzepnięcie Metali i Stopów, Nr 26, 1996 P Ai'l - Oddział Katowice PL ISSN POCICA-FILIPOWICZ Anna, NOWAK Andrzej
26/39 Soliditikation of Metais and Alloys, No 26, 1996 Krzepnięcie Metali i Stopów, Nr 26, 1996 P Ai'l - Oddział Katowice PL ISSN 02011-9386 WYKRESY CTPc ŻELIW A SZAREGO POCICA-FILIPOWICZ Anna, NOWAK Andrzej
Bardziej szczegółowoRecenzja rozprawy doktorskiej mgra inż. Roberta Szymczyka. Analiza numeryczna zjawisk hartowania stali narzędziowych do pracy na gorąco
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, 20.09.2016 Recenzja
Bardziej szczegółowoStochastic modelling of phase transformations using HPC infrastructure
Stochastic modelling of phase transformations using HPC infrastructure (Stochastyczne modelowanie przemian fazowych z wykorzystaniem komputerów wysokiej wydajności) Daniel Bachniak, Łukasz Rauch, Danuta
Bardziej szczegółowoMODELOWANIE ROZKŁADU TEMPERATUR W PRZEGRODACH ZEWNĘTRZNYCH WYKONANYCH Z UŻYCIEM LEKKICH KONSTRUKCJI SZKIELETOWYCH
Budownictwo o Zoptymalizowanym Potencjale Energetycznym 2(18) 2016, s. 55-60 DOI: 10.17512/bozpe.2016.2.08 Maciej MAJOR, Mariusz KOSIŃ Politechnika Częstochowska MODELOWANIE ROZKŁADU TEMPERATUR W PRZEGRODACH
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 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 szczegółowoWYKORZYSTANIE METODY ELEMENTÓW SKOŃCZONYCH W MODELOWANIU WYMIANY CIEPŁA W PRZEGRODZIE BUDOWLANEJ WYKONANEJ Z PUSTAKÓW STYROPIANOWYCH
Budownictwo o Zoptymalizowanym Potencjale Energetycznym 2(18) 2016, s. 35-40 DOI: 10.17512/bozpe.2016.2.05 Paweł HELBRYCH Politechnika Częstochowska WYKORZYSTANIE METODY ELEMENTÓW SKOŃCZONYCH W MODELOWANIU
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 szczegółowoMAKROSKOPOWY MODEL PRZEMIAN FAZOWYCH W STALI C45
41/22 rchives of Foundry, Year 2006, Volume 6, 22 rchiwum Odlewnictwa, Rok 2006, Rocznik 6, Nr 22 PN Katowice PL ISSN 1642-5308 MKROSKOPOWY MODEL PRZEMIN FZOWYCH W SLI C45. KULWIK 1,. BOKO 2 Instytut Mechaniki
Bardziej szczegółowoMODEL ZJAWISK MECHANICZNYCH PROCESU HARTOWANIA STALI NISKOWĘGLOWEJ
11/22 Archives of Foundry, Year 2006, Volume 6, 22 Archiwum Odlewnictwa, Rok 2006, Rocznik 6, Nr 22 PAN Katowice PL ISSN 1642-5308 ODEL ZJAWISK ECHANICZNYCH PROCESU HARTOWANIA STALI NISKOWĘGLOWEJ A. BOKOTA
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 szczegółowoPRZEMIANY FAZOWE I NAPRĘŻENIA PODCZAS HARTOWANIA STALI WĘGLOWYCH NARZĘDZIOWYCH
7/14 Archives of Foundry, Year 2004, Volume 4, 14 Archiwum Odlewnictwa, Rok 2004, Rocznik 4, Nr 14 PAN Katowice PL ISSN 1642-5308 PRZEMIANY FAZOWE I NAPRĘŻENIA PODCZAS HARTOWANIA STALI WĘGLOWYCH NARZĘDZIOWYCH
Bardziej szczegółowoz wykorzystaniem pakiet MARC/MENTAT.
KAEDRA WYRZYMAŁOŚCI MAERIAŁÓW I MEOD KOMPUEROWYCH MECHANIKI Wydział Mechaniczny echnologiczny POIECHNIKA ŚĄSKA W GIWICACH PRACA DYPOMOWA MAGISERSKA emat: Modelowanie procesu krzepnięcia żeliwa z wykorzystaniem
Bardziej szczegółowoNUMERYCZNY MODEL PRZEMIAN FAZOWYCH STALI 45
8/9 rchives of oundry, Year 003, Volume 3, 9 rchiwum O dlewnictwa, Rok 003, Rocznik 3, Nr 9 N Katowice L ISSN 164-308 NUMERYCZNY MODEL RZEMIN ZOWYCH STLI 4. BOKOT 1,. KULWIK Instytut Mechaniki i odstaw
Bardziej szczegółowoPROGNOZOWANIE OSIADAŃ POWIERZCHNI TERENU PRZY UŻYCIU SIECI NEURONOWYCH**
Górnictwo i Geoinżynieria Rok 31 Zeszyt 3 2007 Dorota Pawluś* PROGNOZOWANIE OSIADAŃ POWIERZCHNI TERENU PRZY UŻYCIU SIECI NEURONOWYCH** 1. Wstęp Eksploatacja górnicza złóż ma niekorzystny wpływ na powierzchnię
Bardziej szczegółowoMODEL NUMERYCZNY ZJAWISK HARTOWANIA STALI NARZĘDZIOWEJ DO PRACY NA GORĄCO
MODELOWANIE INŻYNIERSKIE 2017 nr 64, ISSN 1896-771X MODEL NUMERYCZNY ZJAWISK HARTOWANIA STALI NARZĘDZIOWEJ DO PRACY NA GORĄCO Adam Kulawik 1a, Joanna Wróbel 1b, Adam Bokota 1c 1 Instytut Informatyki Teoretycznej
Bardziej szczegółowoANALIZA NUMERYCZNA HARTOWANIA ELEMENTÓW MASZYN ZE STALI C80U
22/22 Archives of Foundry, Year 2006, Volume 6, 22 Archiwum Odlewnictwa, Rok 2006, Rocznik 6, Nr 22 PAN Katowice PL ISSN 1642-5308 ANALIZA NUMERYCZNA HARTOWANIA ELEMENTÓW MASZYN ZE STALI C80U T. DOMAŃSKI
Bardziej szczegółowoNAPRĘŻENIA W HARTOWANYM ELEMENCIE STALOWYM CHŁODZONYM Z RÓŻNĄ INTENSYWNOŚCIĄ. SYMULACJE NUMERYCZNE
7/9 Archives of Foundry, Year 23, Volume 3, 9 Archiwum Odlewnictwa, Rok 23, Rocznik 3, Nr 9 PAN Katowice PL ISSN 1642-538 NAPRĘŻENIA W HARTOWANYM ELEMENCIE STALOWYM CHŁODZONYM Z RÓŻNĄ INTENSYWNOŚCIĄ. SYMULACJE
Bardziej szczegółowoWYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN
Inżynieria Rolnicza 2(9)/7 WYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN Sławomir Francik Katedra Inżynierii Mechanicznej i Agrofizyki, Akademia
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: MODELOWANIE PROCESÓW ENERGETYCZNYCH Kierunek: ENERGETYKA Rodzaj przedmiotu: specjalności obieralny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE
Bardziej szczegółowoInteligentne systemy decyzyjne: Uczenie maszynowe sztuczne sieci neuronowe
Inteligentne systemy decyzyjne: Uczenie maszynowe sztuczne sieci neuronowe Trening jednokierunkowych sieci neuronowych wykład 2. dr inż. PawełŻwan Katedra Systemów Multimedialnych Politechnika Gdańska
Bardziej szczegółowoKOMPUTEROWA SYMULACJA POLA TWARDOŚCI W ODLEWACH HARTOWANYCH
3/38 Solidification of Metals and Alloys, No. 38, 1998 Krzepnięcie Metali i Stopów, nr 38, 1998 PAN Katowice PL ISSN 0208-9386 KOMPUTEROWA SYMULACJA POLA TWARDOŚCI W ODLEWACH HARTOWANYCH JURA Stanisław,
Bardziej szczegółowoModelowanie zagadnień cieplnych: analiza porównawcza wyników programów ZSoil i AnsysFluent
Piotr Olczak 1, Agata Jarosz Politechnika Krakowska 2 Modelowanie zagadnień cieplnych: analiza porównawcza wyników programów ZSoil i AnsysFluent Wprowadzenie Autorzy niniejszej pracy dokonali porównania
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 6 Wsteczna propagacja błędu - cz. 3
Wstęp do sieci neuronowych, wykład 6 Wsteczna propagacja błędu - cz. 3 Andrzej Rutkowski, Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2018-11-05 Projekt
Bardziej szczegółowoANALIZA BELKI DREWNIANEJ W POŻARZE
Proceedings of the 5 th International Conference on New Trends in Statics and Dynamics of Buildings October 19-20, 2006 Bratislava, Slovakia Faculty of Civil Engineering STU Bratislava Slovak Society of
Bardziej szczegółowoAlgorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta
Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta www.michalbereta.pl Sieci radialne zawsze posiadają jedną warstwę ukrytą, która składa się z neuronów radialnych. Warstwa wyjściowa składa
Bardziej szczegółowoStreszczenie. Słowa kluczowe: modele neuronowe, parametry ciągników rolniczych
InŜynieria Rolnicza 11/2006 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie METODA PROGNOZOWANIA WARTOŚCI PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH MASZYN ROLNICZYCH
Bardziej szczegółowoTEMPERATURY KRYSTALIZACJI ŻELIWA CHROMOWEGO W FUNKCJI SZYBKOŚCI STYGNIĘCIA ODLEWU
48/15 Archives of Foundry, Year 2005, Volume 5, 15 Archiwum Odlewnictwa, Rok 2005, Rocznik 5, Nr 15 PAN Katowice PL ISSN 1642-5308 TEMPERATURY KRYSTALIZACJI ŻELIWA CHROMOWEGO W FUNKCJI SZYBKOŚCI STYGNIĘCIA
Bardziej szczegółowoZastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym
Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym Jan Karwowski Wydział Matematyki i Nauk Informacyjnych PW 17 XII 2013 Jan Karwowski
Bardziej szczegółowoAnaliza wymiany ciepła w przekroju rury solarnej Heat Pipe w warunkach ustalonych
Stanisław Kandefer 1, Piotr Olczak Politechnika Krakowska 2 Analiza wymiany ciepła w przekroju rury solarnej Heat Pipe w warunkach ustalonych Wprowadzenie Wśród paneli słonecznych stosowane są często rurowe
Bardziej szczegółowo1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda
Sieci neuropodobne 1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN Agenda Trochę neurobiologii System nerwowy w organizmach żywych tworzą trzy
Bardziej szczegółowoAnaliza możliwości szacowania parametrów mieszanin rozkładów prawdopodobieństwa za pomocą sztucznych sieci neuronowych 4
Wojciech Sikora 1 AGH w Krakowie Grzegorz Wiązania 2 AGH w Krakowie Maksymilian Smolnik 3 AGH w Krakowie Analiza możliwości szacowania parametrów mieszanin rozkładów prawdopodobieństwa za pomocą sztucznych
Bardziej szczegółowoObróbka cieplna stali
Obróbka cieplna stali Obróbka cieplna stopów: zabiegi cieplne, które mają na celu nadanie im pożądanych cech mechanicznych, fizycznych lub chemicznych przez zmianę struktury stopu. Podstawowe etapy obróbki
Bardziej szczegółowoĆWICZENIE Nr 7. Laboratorium Inżynierii Materiałowej. Akceptował: Kierownik Katedry prof. dr hab. B. Surowska. Opracował: dr inż.
POLITECHNIKA LUBELSKA WYDZIAŁ MECHANICZNY KATEDRA INŻYNIERII MATERIAŁOWEJ Akceptował: Kierownik Katedry prof. dr hab. B. Surowska Laboratorium Inżynierii Materiałowej ĆWICZENIE Nr 7 Opracował: dr inż.
Bardziej szczegółowoOCENA KRYSTALIZACJI STALIWA METODĄ ATD
34/8 ARCHIWUM ODLEWNICTWA Rok 2003, Rocznik 3, Nr 8 Archives of Foundry Year 2003, Volume 3, Book 8 PAN - Katowice PL ISSN 1642-5308 OCENA KRYSTALIZACJI STALIWA METODĄ ATD S. PIETROWSKI 1, R. WŁADYSIAK
Bardziej szczegółowoCHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ. E. ZIÓŁKOWSKI 1 Wydział Odlewnictwa AGH, ul. Reymonta 23, Kraków
36/3 Archives of Foundry, Year 004, Volume 4, 3 Archiwum Odlewnictwa, Rok 004, Rocznik 4, Nr 3 PAN Katowice PL ISSN 64-5308 CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ E. ZIÓŁKOWSKI
Bardziej szczegółowoMATEMATYCZNY MODEL PĘTLI HISTEREZY MAGNETYCZNEJ
ELEKTRYKA 014 Zeszyt 1 (9) Rok LX Krzysztof SZTYMELSKI, Marian PASKO Politechnika Śląska w Gliwicach MATEMATYCZNY MODEL PĘTLI ISTEREZY MAGNETYCZNEJ Streszczenie. W artykule został zaprezentowany matematyczny
Bardziej szczegółowoWstęp do teorii sztucznej inteligencji Wykład III. Modele sieci neuronowych.
Wstęp do teorii sztucznej inteligencji Wykład III Modele sieci neuronowych. 1 Perceptron model najprostzszy przypomnienie Schemat neuronu opracowany przez McCullocha i Pittsa w 1943 roku. Przykład funkcji
Bardziej szczegółowoANALIZA ODKSZTAŁCEŃ I NAPRĘŻEŃ GRZEJNIKA ALUMINIOWEGO DLA SKOKOWO ZMIENIAJĄCYCH SIĘ PARAMETRÓW WYMIANY CIEPŁA
MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 41, s. 99-106, Gliwice 2011 ANALIZA ODKSZTAŁCEŃ I NAPRĘŻEŃ GRZEJNIKA ALUMINIOWEGO DLA SKOKOWO ZMIENIAJĄCYCH SIĘ PARAMETRÓW WYMIANY CIEPŁA ANDRZEJ GOŁAŚ, JERZY WOŁOSZYN
Bardziej szczegółowoMODELOWANIE ZA POMOCĄ MES Analiza statyczna ustrojów powierzchniowych
MODELOWANIE ZA POMOCĄ MES Analiza statyczna ustrojów powierzchniowych PODSTAWY KOMPUTEROWEGO MODELOWANIA USTROJÓW POWIERZCHNIOWYCH Budownictwo, studia I stopnia, semestr VI przedmiot fakultatywny rok akademicki
Bardziej szczegółowoSPEKTRALNE CIEPŁO KRYSTALIZACJI ŻELIWA SZAREGO
19/44 Solidification of Metals and Alloys, Year 2000, Volume 2, Book No. 44 Krzepnięcie Metali i Stopów, Rok 2000, Rocznik 2, Nr 44 PAN Katowice PL ISSN 0208-9386 SPEKTRALNE CIEPŁO KRYSTALIZACJI ŻELIWA
Bardziej szczegółowoZastosowanie MES do rozwiązania problemu ustalonego przepływu ciepła w obszarze 2D
Równanie konstytutywne opisujące sposób w jaki ciepło przepływa w materiale o danych właściwościach, prawo Fouriera Macierz konstytutywna (właściwości) materiału Wektor gradientu temperatury Wektor strumienia
Bardziej szczegółowoZASTOSOWANIE METODY ELEMENTÓW SKOŃCZONYCH W PROCESIE TOPNIENIA MEDIUM
POZNAN UNIVERSITY OF TECHNOLOGY ACADEMIC JOURNALS No 96 Electrical Engineering 2018 DOI 10.21008/j.1897-0737.2018.96.0023 Mateusz FLIS * ZASTOSOWANIE METODY ELEMENTÓW SKOŃCZONYCH W PROCESIE TOPNIENIA MEDIUM
Bardziej szczegółowoWYKORZYSTANIE SYSTEMU Mathematica DO ROZWIĄZYWANIA ZAGADNIEŃ PRZEWODZENIA CIEPŁA
39/19 ARCHIWUM ODLEWNICTWA Rok 006, Rocznik 6, Nr 19 Archives of Foundry Year 006, Volume 6, Book 19 PAN - Katowice PL ISSN 164-5308 WYKORZYSTANIE SYSTEMU Mathematica DO ROZWIĄZYWANIA ZAGADNIEŃ PRZEWODZENIA
Bardziej szczegółowoWIELOMIANOWE MODELE WŁAŚCIWOŚCI MECHANICZNYCH STOPÓW ALUMINIUM
21/38 Solidification of Metals and Alloys, No. 38, 1998 Krzepnięcie Metali i Stopów, nr 38, 1998 PAN Katowice PL ISSN 0208-9386 WIELOMIANOWE MODELE WŁAŚCIWOŚCI MECHANICZNYCH STOPÓW ALUMINIUM PEZDA Jacek,
Bardziej szczegółowoĆWICZENIE 5: Sztuczne sieci neuronowe
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE ĆWICZENIE 5: Sztuczne sieci neuronowe opracował: dr inż. Witold
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 szczegółowoWPŁYW DOGRZEWANIA I EKRANÓW CIEPLNYCH NA ZMIANĘ TEMPERATURY PASMA WALCOWANEGO W LINII LPS
Prace IMŻ 1 (2012) 83 Beata HADAŁA, Zbigniew MALINOWSKI, Agnieszka CEBO-RUDNICKA, Andrzej GOŁDASZ AGH Akademia Górniczo-Hutnicza, Wydział Inżynierii Metali i Informatyki Przemysłowej WPŁYW DOGRZEWANIA
Bardziej szczegółowoMODELOWANIE NUMERYCZNE POWSTAWANIA NAPRĘŻEŃ W KRZEPNĄCYCH ODLEWACH
9/38 Solidification of Metals and Alloys, No. 38, 1998 Krzepnięcie Metali i Stopów, nr 38, 1998 PAN Katowice PL ISSN 0208-9386 MODELOWANIE NUMERYCZNE POWSTAWANIA NAPRĘŻEŃ W KRZEPNĄCYCH ODLEWACH SCZYGIOL
Bardziej szczegółowoPodstawy Sztucznej Inteligencji
Politechnika Łódzka Katedra Informatyki Stosowanej Podstawy Sztucznej Inteligencji Laboratorium Ćwiczenie 2 Wykorzystanie środowiska Matlab do modelowania sztucznych sieci neuronowych Opracowali: Dr hab
Bardziej szczegółowoKRZEPNIĘCIE KOMPOZYTÓW HYBRYDOWYCH AlMg10/SiC+C gr
51/18 ARCHIWUM ODLEWNICTWA Rok 26, Rocznik 6, Nr 18 (1/2) ARCHIVES OF FOUNDRY Year 26, Volume 6, N o 18 (1/2) PAN Katowice PL ISSN 1642-538 KRZEPNIĘCIE KOMPOZYTÓW HYBRYDOWYCH AlMg1/SiC+C gr M. ŁĄGIEWKA
Bardziej szczegółowoKatarzyna Jesionek Zastosowanie symulacji dynamiki cieczy oraz ośrodków sprężystych w symulatorach operacji chirurgicznych.
Katarzyna Jesionek Zastosowanie symulacji dynamiki cieczy oraz ośrodków sprężystych w symulatorach operacji chirurgicznych. Jedną z metod symulacji dynamiki cieczy jest zastosowanie metody siatkowej Boltzmanna.
Bardziej szczegółowoANALIZA WPŁYWU SZYBKOŚCI CHŁODZENIA NA STRUKTURĘ I WŁASNOŚCI STALIWA L21HMF PO REGENERUJĄCEJ OBRÓBCE CIEPLNEJ
73/21 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 21(2/2) ARCHIVES OF FOUNDARY Year 2006, Volume 6, Nº 21 (2/2) PAN Katowice PL ISSN 1642-5308 ANALIZA WPŁYWU SZYBKOŚCI CHŁODZENIA NA STRUKTURĘ I WŁASNOŚCI
Bardziej szczegółowoInteligentne systemy przeciw atakom sieciowym
Inteligentne systemy przeciw atakom sieciowym wykład Sztuczne sieci neuronowe (SSN) Joanna Kołodziejczyk 2016 Joanna Kołodziejczyk Inteligentne systemy przeciw atakom sieciowym 2016 1 / 36 Biologiczne
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 szczegółowoLABORATORIUM METODA ELEMENTÓW SKOŃCZONYCH
LABORATORIUM METODA ELEMENTÓW SKOŃCZONYCH Projekt z wykorzystaniem programu COMSOL Multiphysics Prowadzący: dr hab. Tomasz Stręk, prof. PP Wykonali: Aleksandra Oźminkowska, Marta Woźniak Wydział: Elektryczny
Bardziej szczegółowoOBRÓBKA CIEPLNA SILUMINU AK132
52/22 Archives of Foundry, Year 2006, Volume 6, 22 Archiwum Odlewnictwa, Rok 2006, Rocznik 6, Nr 22 PAN Katowice PL ISSN 1642-5308 OBRÓBKA CIEPLNA SILUMINU AK132 J. PEZDA 1 Akademia Techniczno-Humanistyczna
Bardziej szczegółowoWpracy przedstawiono wyniki
Oleje hartownicze analiza zdolności chłodzącej prof. dr hab. inż. Henryk Adrian KIEROWNIK PRACOWNI METALOGRAFII ILOŚCIOWEJ I MODELOWANIA OBRÓBKI CIEPLNEJ NA WYDZIALE INŻYNIERII METALI I INFORMATYKI PRZEMYSŁOWEJ
Bardziej szczegółowoBADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH
BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH Dr inż. Artur JAWORSKI, Dr inż. Hubert KUSZEWSKI, Dr inż. Adam USTRZYCKI W artykule przedstawiono wyniki analizy symulacyjnej
Bardziej szczegółowoSTRATEGIA DOBORU PARAMETRÓW SIECI NEURONOWEJ W ROZPOZNAWANIU PISMA
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2016 Seria: ORGANIZACJA I ZARZĄDZANIE z. 96 Nr kol. 1963 Wiktor WALENTYNOWICZ wiktorwalentynowicz@hotmail.com Ireneusz J. JÓŹWIAK Politechnika Wrocławska Wydział Informatyki
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 szczegółowoZastosowania sieci neuronowych - automatyka identyfikacja sterowanie
Zastosowania sieci neuronowych - automatyka identyfikacja sterowanie LABORKA Piotr Ciskowski ZASTOSOWANIA SIECI NEURONOWYCH IDENTYFIKACJA zastosowania przegląd zastosowania sieci neuronowych: o identyfikacja
Bardziej szczegółowoBADANIA SKURCZU LINIOWEGO W OKRESIE KRZEPNIĘCIA I STYGNIĘCIA STOPU AlSi 5.4
9/18 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 18 (1/2) ARCHIVES OF FOUNDRY Year 2006, Volume 6, N o 18 (1/2) PAN Katowice PL ISSN 1642-5308 BADANIA SKURCZU LINIOWEGO W OKRESIE KRZEPNIĘCIA I STYGNIĘCIA
Bardziej szczegółowoPROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH
InŜynieria Rolnicza 14/2005 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH Streszczenie W
Bardziej szczegółowoANALIZA NUMERYCZNA TEMPERATURY I DAWKI TERMICZNEJ W CZASIE ZABIEGU HIPERTERMII
MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 41, s. 37-4, Gliwice 011 ANALIZA NUMERYCZNA TEMPERATURY I DAWKI TERMICZNEJ W CZASIE ZABIEGU HIPERTERMII EWA MAJCHRZAK, ŁUKASZ TURCHAN Katedra Wytrzymałości Materiałów
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: PODSTAWY MODELOWANIA PROCESÓW WYTWARZANIA Fundamentals of manufacturing processes modeling Kierunek: Mechanika i Budowa Maszyn Rodzaj przedmiotu: obowiązkowy na specjalności APWiR Rodzaj
Bardziej szczegółowoZASTOSOWANIE METOD OPTYMALIZACJI W DOBORZE CECH GEOMETRYCZNYCH KARBU ODCIĄŻAJĄCEGO
MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 40, s. 43-48, Gliwice 2010 ZASTOSOWANIE METOD OPTYMALIZACJI W DOBORZE CECH GEOMETRYCZNYCH KARBU ODCIĄŻAJĄCEGO TOMASZ CZAPLA, MARIUSZ PAWLAK Katedra Mechaniki Stosowanej,
Bardziej szczegółowoMateriałowe i technologiczne uwarunkowania stanu naprężeń własnych i anizotropii wtórnej powłok cylindrycznych wytłaczanych z polietylenu
POLITECHNIKA ŚLĄSKA ZESZYTY NAUKOWE NR 1676 SUB Gottingen 7 217 872 077 Andrzej PUSZ 2005 A 12174 Materiałowe i technologiczne uwarunkowania stanu naprężeń własnych i anizotropii wtórnej powłok cylindrycznych
Bardziej szczegółowoMONITOROWANIE PRODUKCJI I KONTROLA JAKOŚCI STALIWA ZA POMOCĄ PROGRAMU KOMPUTEROWEGO
50/17 ARCHIWUM ODLEWNICTWA Rok 2005, Rocznik 5, Nr 17 Archives of Foundry Year 2005, Volume 5, Book 17 PAN - Katowice PL ISSN 1642-5308 MONITOROWANIE PRODUKCJI I KONTROLA JAKOŚCI STALIWA ZA POMOCĄ PROGRAMU
Bardziej szczegółowoPOLITECHNIKA ŚLĄSKA W GLIWICACH Wydział Mechaniczny Technologiczny PRACA DYPLOMOWA MAGISTERSKA
POLITECHNIKA ŚLĄSKA W GLIWICACH Wydział Mechaniczny Technologiczny PRACA DYPLOMOWA MAGISTERSKA Wykorzystanie pakietu MARC/MENTAT do modelowania naprężeń cieplnych Spis treści Pole temperatury Przykład
Bardziej szczegółowoANALIZA WYMIANY CIEPŁA OŻEBROWANEJ PŁYTY GRZEWCZEJ Z OTOCZENIEM
Wymiana ciepła, żebro, ogrzewanie podłogowe, komfort cieplny Henryk G. SABINIAK, Karolina WIŚNIK* ANALIZA WYMIANY CIEPŁA OŻEBROWANEJ PŁYTY GRZEWCZEJ Z OTOCZENIEM W artykule przedstawiono sposób wymiany
Bardziej szczegółowoŻELIWNE ŁOŻYSKA ŚLIZGOWE ODPORNE NA ZUŻYCIE ŚCIERNE
19/39 Solidification of Metals and Alloys, Year 1999, Volume 1, Book No. 39 Krzepnięcie Metali i Stopów, Rok 1999, Rocznik 1, Nr 39 PAN Katowice PL ISSN 0208-9386 ŻELIWNE ŁOŻYSKA ŚLIZGOWE ODPORNE NA ZUŻYCIE
Bardziej szczegółowoProjektowanie elementów z tworzyw sztucznych
Projektowanie elementów z tworzyw sztucznych Wykorzystanie technik komputerowych w projektowaniu elementów z tworzyw sztucznych Tematyka wykładu Techniki komputerowe, Problemy występujące przy konstruowaniu
Bardziej szczegółowoMODELOWANIE POLA TEMPERATURY MOSTKÓW CIEPLNYCH PRZY WYKORZYSTANIU METODY ELEMENTÓW BRZEGOWYCH. Piotr RYNKOWSKI, Tomasz Janusz TELESZEWSKI
ODEOWANIE POA TEPERATURY OSTKÓW CIEPNYCH PRZY WYKORZYSTANIU ETODY EEENTÓW BRZEGOWYCH Piotr RYNKOWSKI, Tomasz Janusz TEESZEWSKI Wydział Budownictwa i Inżynierii Środowiska, Politechnika Białostocka, ul.
Bardziej szczegółowoWYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH DO ANALIZY WPŁYWU WYBRANYCH PARAMETRÓW NA ŚREDNICE KOLUMN INIEKCYJNYCH
Maciej OCHMAŃSKI * Politechnika Śląska WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH DO ANALIZY WPŁYWU WYBRANYCH PARAMETRÓW NA ŚREDNICE KOLUMN INIEKCYJNYCH 1. Wprowadzenie Kolumny iniekcyjne jet grouting
Bardziej szczegółowoPARAMETRY EUTEKTYCZNOŚCI ŻELIWA CHROMOWEGO Z DODATKAMI STOPOWYMI Ni, Mo, V i B
45/44 Solidification of Metals and Alloys, Year 2000, Volume 2, Book No. 44 Krzepnięcie Metali i Stopów, Rok 2000, Rocznik 2, Nr 44 PAN Katowice PL ISSN 0208-9386 PARAMETRY EUTEKTYCZNOŚCI ŻELIWA CHROMOWEGO
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 szczegółowoSieci neuronowe i algorytmy uczenia Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s.
Sieci neuronowe i algorytmy uczenia Czyli co i jak 2016 andrzej.rusiecki@pwr.edu.pl andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3 O co chodzi? Celem przedmiotu jest ogólne zapoznanie się z podstawowymi
Bardziej szczegółowoDrgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż.
Drgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż. Joanna Szulczyk Politechnika Warszawska Instytut Techniki Lotniczej i Mechaniki
Bardziej szczegółowoLABORATORIUM NAUKI O MATERIAŁACH
Politechnika Łódzka Wydział Mechaniczny Instytut Inżynierii Materiałowej LABORATORIUM NAUKI O MATERIAŁACH Blok nr 3 Kształtowanie właściwości mechanicznych materiałów Ćwiczenie nr KWMM 1 Temat: Obróbka
Bardziej szczegółowoMETODA ELEMENTÓW SKOŃCZONYCH
METODA ELEMENTÓW SKOŃCZONYCH PROJEKT Prowadzący: Dr hab. Tomasz Stręk Wykonali: Radosław Kozłowski Jarosław Kóska Grupa: Rok akademicki: 2011/2012 Semestr: VII Spis treści: 1.Analiza ugięcia krzesła...3
Bardziej szczegółowoPRÓBA ZASTOSOWANIA SIECI NEURONOWYCH DO PROGNOZOWANIA OSIADAŃ POWIERZCHNI TERENU POWSTAŁYCH NA SKUTEK EKSPLOATACJI GÓRNICZEJ**
Górnictwo i Geoinżynieria Rok 30 Zeszyt 4 2006 Dorota Pawluś* PRÓBA ZASTOSOWANIA SIECI NEURONOWYCH DO PROGNOZOWANIA OSIADAŃ POWIERZCHNI TERENU POWSTAŁYCH NA SKUTEK EKSPLOATACJI GÓRNICZEJ** 1. Wstęp Na
Bardziej szczegółowoOptymalizacja konstrukcji wymiennika ciepła
BIULETYN WAT VOL. LVI, NUMER SPECJALNY, 2007 Optymalizacja konstrukcji wymiennika ciepła AGNIESZKA CHUDZIK Politechnika Łódzka, Katedra Dynamiki Maszyn, 90-524 Łódź, ul. Stefanowskiego 1/15 Streszczenie.
Bardziej szczegółowoSztuczne sieci neuronowe
www.math.uni.lodz.pl/ radmat Cel wykładu Celem wykładu jest prezentacja różnych rodzajów sztucznych sieci neuronowych. Biologiczny model neuronu Mózg człowieka składa się z około 10 11 komórek nerwowych,
Bardziej szczegółowoMETODA ELEMENTÓW SKOŃCZONYCH
METODA ELEMENTÓW SKOŃCZONYCH PROJEKT Prowadzący: Dr hab. Tomasz Stręk Wykonali: Anna Markowska Michał Marczyk Grupa: IM Rok akademicki: 2011/2012 Semestr: VII Spis treści: 1.Analiza ugięcia sedesu...3
Bardziej szczegółowoNEURAL NETWORK ) FANN jest biblioteką implementującą SSN, którą moŝna wykorzystać. w C, C++, PHP, Pythonie, Delphi a nawet w środowisku. Mathematica.
Wykorzystanie sztucznych sieci neuronowych do rozpoznawania języków: polskiego, angielskiego i francuskiego Tworzenie i nauczanie sieci przy pomocy języka C++ i biblioteki FANN (Fast Artificial Neural
Bardziej szczegółowoOBRÓBKA CIEPLNA STOPÓW ŻELAZA. Cz. I. Wyżarzanie
OBRÓBKA CIEPLNA STOPÓW ŻELAZA Cz. I. Wyżarzanie Przemiany przy nagrzewaniu i powolnym chłodzeniu stali A 3 A cm A 1 Przykład nagrzewania stali eutektoidalnej (~0,8 % C) Po przekroczeniu temperatury A 1
Bardziej szczegółowoMETODA ELEMENTÓW SKOŃCZONYCH
METODA ELEMENTÓW SKOŃCZONYCH PROJEKT Prowadzący: Dr hab. Tomasz Stręk Wykonali: Hubert Bilski Piotr Hoffman Grupa: Rok akademicki: 2011/2012 Semestr: VII Spis treści: 1.Analiza ugięcia sanek...3 2.Analiza
Bardziej szczegółowo9/37 ZJAWISKA PRZEPŁYWU CIEPŁA I MASY W PROCESIE WYPEŁNIANIA FORMY CIEKŁYM METALEM
9/37 Solidification of Metals and Alloys, No. 37, 1998 Krzepnięcie Metali i Stopów, nr 37, 1998 PAN Katowice PL ISSN 0208-9386 ZJAWISKA PRZEPŁYWU CIEPŁA I MASY W PROCESIE WYPEŁNIANIA FORMY CIEKŁYM METALEM
Bardziej szczegółowoPODSTAWY OBRÓBKI CIEPLNEJ STOPÓW ŻELAZA WYŻARZANIE 1. POJĘCIA PODSTAWOWE 2. PRZEMIANY PRZY NAGRZEWANIU I POWOLNYM CHŁODZENIU STALI 3.
PODSTAWY OBRÓBKI CIEPLNEJ STOPÓW ŻELAZA WYŻARZANIE 1. POJĘCIA PODSTAWOWE 2. PRZEMIANY PRZY NAGRZEWANIU I POWOLNYM CHŁODZENIU STALI 3. WYŻARZANIE 1. POJĘCIA PODSTAWOWE Definicja obróbki cieplnej Dziedzina
Bardziej szczegółowoDEKOMPOZYCJA HIERARCHICZNEJ STRUKTURY SZTUCZNEJ SIECI NEURONOWEJ I ALGORYTM KOORDYNACJI
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 80 Electrical Engineering 2014 Stanisław PŁACZEK* DEKOMPOZYCJA HIERARCHICZNEJ STRUKTURY SZTUCZNEJ SIECI NEURONOWEJ I ALGORYTM KOORDYNACJI W artykule
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 szczegółowoDYFUZJA I PRZEMIANY FAZOWE Diffusion and phase transformations. forma studiów: studia stacjonarne. Liczba godzin/tydzień: 2W e, 1L, 1Ćw.
Nazwa przedmiotu Kierunek: Inżynieria materiałowa Rodzaj przedmiotu: Kierunkowy obowiązkowy DYFUZJA I PRZEMIANY FAZOWE Diffusion and phase transformations Poziom studiów: studia II stopnia forma studiów:
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 szczegółowo