Predikce splývavosti tkanin z mechanických vlastností s využitím regresní analýzy a neuronových sítí
Identifikátory výsledku
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
—
Alternativní jazyky
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.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JJ - Ostatní materiály
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
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
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
—