Predikce splývavosti tkanin z mechanických vlastností s využitím regresní analýzy a neuronových sítí

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24410%2F04%3A00000123" target="_blank" >RIV/46747885:24410/04:00000123 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Drape prediction from mechanical properties of woven fabrics by means regression analysis and neural networks

Popis výsledku v původním jazyce

Fabric drape is very important characteristic connected with aesthetical product appearance. This paper deals with possibilities of drape prediction (DC) of woven fabrics from their mechanical properties, which are measured by means of KES.Multiple linear regression and neural networks in connection with PCA - analysis principal components was used as prediction tools. From 16 basic properties were chosen five mechanical parameters (2HB, 2HG5, MIU, T0, W) and on their base were created tworegression models. These variables were used as input to the neural networks utilizing rational basis functions (RBF networks) Correlation between predicate DC and real DC is very good, nevertheless prediction with help RBF is better, about 0,97.

Název v anglickém jazyce

Drape prediction from mechanical properties of woven fabrics by means regression analysis and neural networks

Popis výsledku anglicky

Fabric drape is very important characteristic connected with aesthetical product appearance. This paper deals with possibilities of drape prediction (DC) of woven fabrics from their mechanical properties, which are measured by means of KES.Multiple linear regression and neural networks in connection with PCA - analysis principal components was used as prediction tools. From 16 basic properties were chosen five mechanical parameters (2HB, 2HG5, MIU, T0, W) and on their base were created tworegression models. These variables were used as input to the neural networks utilizing rational basis functions (RBF networks) Correlation between predicate DC and real DC is very good, nevertheless prediction with help RBF is better, about 0,97.

Druh

D - Stať ve sborníku

CEP obor

JJ - Ostatní materiály

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2004

Kód důvěrnosti údajů

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

Název statě ve sborníku

STRUTEX 2004

ISBN

80-7083-891-4

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

321-326

Název nakladatele

Technická univerzita v Liberci

Místo vydání

Liberec

Místo konání akce

Liberec

Datum konání akce

1. 1. 2004

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—