Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Umělé neuronové sítě jako prostředek pro modelování zkratovaného štěrbinového vedení

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F08%3A00007217" target="_blank" >RIV/00216275:25530/08:00007217 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Umělé neuronové sítě jako prostředek pro modelování zkratovaného štěrbinového vedení

  • Popis výsledku v původním jazyce

    Cílem uvedeného příspěvku je demonstrovat použití umělých neuronových sítí k řešení praktických úloh identifikace složitých nelineárních soustav. Bylo zkoumáno zkratované štěrbinové vedení za účelem vytvoření jeho modelu ve tvaru umělé neuronové sítě (UNS). Model představuje soustavu se dvěma vstupy, šířkou štěrbiny a frekvencí a jedním výstupem, reálnou nebo imaginarní složkou zakončovaní impedance vedení. K řešení úlohy byl použit Neural Network Toolbox výpočetního systému MATLAB/SIMULNK. Navržená neuronová síť byla trénována algoritmem Backpropagation a jeho modifikací, metodou Levenberg-Marquardta. Získané výsledky prokázaly úspěšnost použití UNS jako prostředku pro modelování zkoumaného systému.

  • Název v anglickém jazyce

    Artificial Neural Networks used for Short-circuited Slotted Line modelling

  • Popis výsledku anglicky

    This paper is concerned with huge nonlinear systems modelling by artificial neural networks techniques. There is studied short-circuited slotted line in order to neural model design. The neural model has two inputs (slot width and frequency) and one output (real or imaginary part of terminal line impedance). Artificial neural networks are trained here by Backpropagation Algorithm and its derivation, Levenberg-Marquardt Algorithm. All the simulations are computed in Neural Network Toolbox included in Matlab. Simulation results prove artificial neural networks to be successful in defined system modelling.

Klasifikace

  • Druh

    C - Kapitola v odborné knize

  • CEP obor

    BC - Teorie a systémy řízení

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2008

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název knihy nebo sborníku

    Teorie dopravních systémů (soubor odborných statí)

  • ISBN

    978-80-7399-347-4

  • Počet stran výsledku

    10

  • Strana od-do

  • Počet stran knihy

    220

  • Název nakladatele

    Tribun EU

  • Místo vydání

    Brno

  • Kód UT WoS kapitoly