Deep Neural Network

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F23%3APR37766" target="_blank" >RIV/00216305:26220/23:PR37766 - isvavai.cz</a>

Result on the web

<a href="https://www.ueen.fekt.vut.cz/deep-neural-network-0" target="_blank" >https://www.ueen.fekt.vut.cz/deep-neural-network-0</a>

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

Deep Neural Network

Original language description

Hluboká neuronová síť je určena k aproximaci silně nelineárních závislostí, jako závislostí stavu zařízení na vybraných měřených parametrech zařízení. Pro odhad parametrů hluboké neuronové sítě (trénování) byl užit algoritmus zpětného šíření chyby. Trénování probíhá ve dvou fázích, tj. nejprve předučení sítě dopředným směrem pomocí autokodérů (učení bez učitele) a poté doučení sítě zpětným směrem (učení s učitelem), eliminuje se tak tlumení zpětného šíření chyby. Autokodér je vícevrstvý perceptron se shodným počtem vstupních a výstupních neuronů o lichém počtu vrstev, kde střední vrstva je označována jako dělící. Autokodér se na sadě vstupních vzorů učí autoasociativní funkci, tj. vzor předložený na vstup reprodukovat na výstupu.

Czech name

Deep Neural Network

Czech description

Hluboká neuronová síť je určena k aproximaci silně nelineárních závislostí, jako závislostí stavu zařízení na vybraných měřených parametrech zařízení. Pro odhad parametrů hluboké neuronové sítě (trénování) byl užit algoritmus zpětného šíření chyby. Trénování probíhá ve dvou fázích, tj. nejprve předučení sítě dopředným směrem pomocí autokodérů (učení bez učitele) a poté doučení sítě zpětným směrem (učení s učitelem), eliminuje se tak tlumení zpětného šíření chyby. Autokodér je vícevrstvý perceptron se shodným počtem vstupních a výstupních neuronů o lichém počtu vrstev, kde střední vrstva je označována jako dělící. Autokodér se na sadě vstupních vzorů učí autoasociativní funkci, tj. vzor předložený na vstup reprodukovat na výstupu.

Type

R - Software

CEP classification

—

OECD FORD branch

20201 - Electrical and electronic engineering

Project

<a href="/en/project/TK04020003" target="_blank" >TK04020003: The use of artificial intelligence in the modernization of system elements diagnostics and optimization of system activities of the energy sector in order to increase the quality of its management</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2023

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Internal product ID

MODIAS4

Technical parameters

Aplikace spouštějící aktivní resp. adaptivní dynamiku hluboké neuronové sítě ve formě dynamicky linkované knihovny nad vstupními daty včetně možnosti zadání uživatelem volených spouštěcích parametrů adaptace sítě (rychlost, setrvačnost a zrychlení) resp. architektury sítě (počty vrstev a počty neuronů ve vrstvách). Výstupem aplikace je obecně odhad výstupních proměnných závislých na nezávislých vstupních proměnných dle závislosti naučené na trénovacích datech, tj. konkrétně např. odhad zbytkové životnosti zařízení na základě naměřených parametrů zařízení. Jako programovací jazyk algoritmizace výpočtů byl užit Intel Fortran s QuickWin uživatelským rozhraním.

Economical parameters

Úspory docílené včasnou diagnostikou stavu zařízení vzniklé předejitím následných ztrát.

Owner IČO

00216305

Owner name

Vysoké učení technické v Brně