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”

Prediction of functional properties of nano TiO2 coated cotton composites by artificial neural network

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24210%2F21%3A00008876" target="_blank" >RIV/46747885:24210/21:00008876 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/46747885:24620/21:00008876

  • Výsledek na webu

    <a href="https://www.nature.com/articles/s41598-021-91733-y" target="_blank" >https://www.nature.com/articles/s41598-021-91733-y</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1038/s41598-021-91733-y" target="_blank" >10.1038/s41598-021-91733-y</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Prediction of functional properties of nano TiO2 coated cotton composites by artificial neural network

  • Popis výsledku v původním jazyce

    This paper represents the efficiency of machine learning tool, i.e., artificial neural network (ANN), for the prediction of functional properties of nano titanium dioxide coated cotton composites. A comparative analysis was performed between the predicted results of ANN, multiple linear regression (MLR) and experimental results. ANN was applied to map out the complex input-output conditions to predict the optimal results. A backpropagation ANN model called a multilayer perceptron (MLP), trained with Bayesian regularization were used in this study. The amount of chemicals and reaction time were selected as input variables and the amount of titanium dioxide coated on cotton, self-cleaning efficiency, antimicrobial efficiency and ultraviolet protection factor were analysed as output results. The accuracy of the proposed algorithm was evaluated and compared with MLR results. The obtained results reveal that MLP provides efficient results that are statistically significant in the prediction of functional properties (p95%) indicates that there is a strong correlation between the measured and predicted functional properties with a trivial mean absolute error and root mean square errors values. MLP model is suitable for the functional properties and can be used for the investigation of other properties of nano coated fabrics.

  • Název v anglickém jazyce

    Prediction of functional properties of nano TiO2 coated cotton composites by artificial neural network

  • Popis výsledku anglicky

    This paper represents the efficiency of machine learning tool, i.e., artificial neural network (ANN), for the prediction of functional properties of nano titanium dioxide coated cotton composites. A comparative analysis was performed between the predicted results of ANN, multiple linear regression (MLR) and experimental results. ANN was applied to map out the complex input-output conditions to predict the optimal results. A backpropagation ANN model called a multilayer perceptron (MLP), trained with Bayesian regularization were used in this study. The amount of chemicals and reaction time were selected as input variables and the amount of titanium dioxide coated on cotton, self-cleaning efficiency, antimicrobial efficiency and ultraviolet protection factor were analysed as output results. The accuracy of the proposed algorithm was evaluated and compared with MLR results. The obtained results reveal that MLP provides efficient results that are statistically significant in the prediction of functional properties (p95%) indicates that there is a strong correlation between the measured and predicted functional properties with a trivial mean absolute error and root mean square errors values. MLP model is suitable for the functional properties and can be used for the investigation of other properties of nano coated fabrics.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10700 - Other natural sciences

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/EF16_025%2F0007293" target="_blank" >EF16_025/0007293: Modulární platforma pro autonomní podvozky specializovaných elektrovozidel pro dopravu nákladu a zařízení</a><br>

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Scientific Reports

  • ISSN

    2045-2322

  • e-ISSN

  • Svazek periodika

    11

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    DE - Spolková republika Německo

  • Počet stran výsledku

    11

  • Strana od-do

  • Kód UT WoS článku

    000663784500005

  • EID výsledku v databázi Scopus

    2-s2.0-85109314725