Vše
Vše

Co hledáte?

Vše
Projekty
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”

Aproximace kompresních tlaků s využitím neuronových sítí.

Popis výsledku

V článku je prezentována schopnost neuronové sítě s radiální bází předpovědět na základě úhlové rychlosti klikového hřídele absolutní hodnoty tlaků v jednotlivých válcích spalovacího motoru. Kvalita předpovědi navržené umělé neuronové sítě s radiální bází závisí hlavně na hustotě použité znalostní báze (trénovací množině) a parametrech sítě s radiální bází, zejména na konstantě spread a počtu neuronů ve skryté vrstvě.

Klíčová slova

neural networkscompression pressureengine

Identifikátory výsledku

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Compression Pressures Approximations Using Feedforward Neural Networks.

  • Popis výsledku v původním jazyce

    The ability of RBF neural network to predict absolute compression pressures inside of combustion engine individual cylinders based on the crankshaft angular velocity is presented in the contribution. The prediction quality of the designed RBF artificialneural network depends predominantly on the density of the applied knowledge base (training set) and on RBF network parameters particularly on the spread constant and on the number of neurons in the hidden layer.

  • Název v anglickém jazyce

    Compression Pressures Approximations Using Feedforward Neural Networks.

  • Popis výsledku anglicky

    The ability of RBF neural network to predict absolute compression pressures inside of combustion engine individual cylinders based on the crankshaft angular velocity is presented in the contribution. The prediction quality of the designed RBF artificialneural network depends predominantly on the density of the applied knowledge base (training set) and on RBF network parameters particularly on the spread constant and on the number of neurons in the hidden layer.

Klasifikace

  • Druh

    Jx - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    JO - Pozemní dopravní systémy a zařízení

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2007

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    International Journal ?Machines, Technologies, Materials?

  • ISSN

    1313-0226

  • e-ISSN

  • Svazek periodika

    neuvedeno

  • Číslo periodika v rámci svazku

    2-3

  • Stát vydavatele periodika

    BG - Bulharská republika

  • Počet stran výsledku

    3

  • Strana od-do

    116-118

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus

Základní informace

Druh výsledku

Jx - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

Jx

CEP

JO - Pozemní dopravní systémy a zařízení

Rok uplatnění

2007