Metrological Evaluation of Heterogeneous Surfaces Obtained by Water Jet Cutting Technology Using Artificial Intelligence Elements
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28110%2F21%3A63538398" target="_blank" >RIV/70883521:28110/21:63538398 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
Metrologické hodnocení heterogenních povrchů získané technologií řezání vodním paprskem pomocí prvků umělé inteligence
Original language description
Tento článek se zabývá návrhem a sestavením neuronové sítě pro predikování výsledků parametrů drsnosti u heterogenních povrchů. Současně dokazuje, že jiné statistické metody, především regresní analýzy, v tomto směru selhávají a jejich výsledky nelze spolehlivě použít. K získání potřebných dat pro sestavení neuronové sítě posloužily vzorky vyrobené za použití řezání vodním paprskem. Tento povrch je charakteristický pro svou heterogenitu. Práce popisuje tyto vzorky, parametry jejich vzniku, laboratorní měření, kompletní sestavení neuronové sítě a následné srovnání výsledků s regresními funkcemi. Cílem tohoto článku je navrhnout funkční neuronovou síť, která bude co nejlépe popisovat průběh drsnosti zkoumaného povrchu. Tato neuronová síť bude schopna tento průběh predikovat na základě vstupních proměnných a dokázat, že tato pokročilá statistická metoda zcela přesahuje možnosti a vypovídající hodnotu běžných regresních analýz.
Czech name
Metrologické hodnocení heterogenních povrchů získané technologií řezání vodním paprskem pomocí prvků umělé inteligence
Czech description
Tento článek se zabývá návrhem a sestavením neuronové sítě pro predikování výsledků parametrů drsnosti u heterogenních povrchů. Současně dokazuje, že jiné statistické metody, především regresní analýzy, v tomto směru selhávají a jejich výsledky nelze spolehlivě použít. K získání potřebných dat pro sestavení neuronové sítě posloužily vzorky vyrobené za použití řezání vodním paprskem. Tento povrch je charakteristický pro svou heterogenitu. Práce popisuje tyto vzorky, parametry jejich vzniku, laboratorní měření, kompletní sestavení neuronové sítě a následné srovnání výsledků s regresními funkcemi. Cílem tohoto článku je navrhnout funkční neuronovou síť, která bude co nejlépe popisovat průběh drsnosti zkoumaného povrchu. Tato neuronová síť bude schopna tento průběh predikovat na základě vstupních proměnných a dokázat, že tato pokročilá statistická metoda zcela přesahuje možnosti a vypovídající hodnotu běžných regresních analýz.
Classification
Type
O - Miscellaneous
CEP classification
—
OECD FORD branch
20501 - Materials engineering
Result continuities
Project
—
Continuities
S - Specificky vyzkum na vysokych skolach
Others
Publication year
2021
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů