Genetický algoritmus pro optimalizaci vah neuronové sítě.
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26210%2F02%3APU30577" target="_blank" >RIV/00216305:26210/02:PU30577 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
The genetic algorithm used for the optimization of weights and biases of neural networks
Popis výsledku v původním jazyce
The life of the insulating systems of electric rotary machines is strongly dependent upon electrical and thermal features of the insulating material used. The subject of the diagnostics is to specify the condition of insulation used. At present days, themost popular diagnostic tools are the methods of artificial intelligence, and one method is a neural network. However, this tool has many variable parameters, and the resulting effect is dependent upon its suitable setting. Weights and biases that conneect neurones in each layer of the neural network are ranked among these parameters. This paper is concentrated on the use of genetic algorithms for the optimization of weights and biases of the neural network that is used as a diagnostic tool for windinginsulation of electric rotary machines. In this case, the optimization of weights and biases means that the neural network exhibits the minimum absolute mean errors for the diagnostics of winding insulation. The paper describes the archite
Název v anglickém jazyce
The genetic algorithm used for the optimization of weights and biases of neural networks
Popis výsledku anglicky
The life of the insulating systems of electric rotary machines is strongly dependent upon electrical and thermal features of the insulating material used. The subject of the diagnostics is to specify the condition of insulation used. At present days, themost popular diagnostic tools are the methods of artificial intelligence, and one method is a neural network. However, this tool has many variable parameters, and the resulting effect is dependent upon its suitable setting. Weights and biases that conneect neurones in each layer of the neural network are ranked among these parameters. This paper is concentrated on the use of genetic algorithms for the optimization of weights and biases of the neural network that is used as a diagnostic tool for windinginsulation of electric rotary machines. In this case, the optimization of weights and biases means that the neural network exhibits the minimum absolute mean errors for the diagnostics of winding insulation. The paper describes the archite
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JA - Elektronika a optoelektronika, elektrotechnika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA102%2F03%2F0621" target="_blank" >GA102/03/0621: Ireverzibilní procesy v elektroizolačních materiálech pro vysoké teploty</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2002
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Study and control of corrosion in the perspective of sustainable development of urban distribution grids
ISBN
973-95041-3-2
ISSN
—
e-ISSN
—
Počet stran výsledku
5
Strana od-do
72-76
Název nakladatele
S.C.ICPE
Místo vydání
Constanta, Rumunsko
Místo konání akce
Constanta
Datum konání akce
6. 6. 2002
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—