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”

Neuronová sít jako klasifikátor a predikátor zbytkové životnosti VN izolačních materiálů.

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26210%2F04%3APU48331" target="_blank" >RIV/00216305:26210/04:PU48331 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Neural Network with Radial Basis Functions as Residual Lifetime Predictor and Classifier of High Voltage Insulating Materials.

  • Popis výsledku v původním jazyce

    This contribution deals with the RBF neural network with radial basis transfer function improvement for residual lifetime prediction and classification of the Relanex insulating material which is used for electric rotary machine winding. This neural network is used for prediction of the residual lifetime of insulating material for the future on the basis of measured values which were measured on the electric machine in previous times. The output from neural network in this case is always a numeric valuee of magnitude characterizing the state of residual lifetime. The RBF neural network can be used as a classifier, too, where, on the basis of measured input data, the neural network verbally determines the residual lifetime for example and that means that the neural network classifies its state. The classification by neural network means to determine the residual lifetime and to classify those values into the predetermined number of categories which characterize the total state of the in

  • Název v anglickém jazyce

    Neural Network with Radial Basis Functions as Residual Lifetime Predictor and Classifier of High Voltage Insulating Materials.

  • Popis výsledku anglicky

    This contribution deals with the RBF neural network with radial basis transfer function improvement for residual lifetime prediction and classification of the Relanex insulating material which is used for electric rotary machine winding. This neural network is used for prediction of the residual lifetime of insulating material for the future on the basis of measured values which were measured on the electric machine in previous times. The output from neural network in this case is always a numeric valuee of magnitude characterizing the state of residual lifetime. The RBF neural network can be used as a classifier, too, where, on the basis of measured input data, the neural network verbally determines the residual lifetime for example and that means that the neural network classifies its state. The classification by neural network means to determine the residual lifetime and to classify those values into the predetermined number of categories which characterize the total state of the in

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

    2004

  • 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

    3rd International Conference, ICPE-CA 2004

  • ISBN

    973-718-026-7

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    140-144

  • Název nakladatele

    Petrosani (Romania)

  • Místo vydání

    Petrosani

  • Místo konání akce

    Bucharest

  • Datum konání akce

    1. 7. 2004

  • Typ akce podle státní příslušnosti

    CST - Celostátní akce

  • Kód UT WoS článku