Aproximace kompresních tlaků s využitím neuronových sítí.

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60162694%3AG43__%2F07%3A%230000718" target="_blank" >RIV/60162694:G43__/07:#0000718 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

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.

Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
JO - Pozemní dopravní systémy a zařízení
OECD FORD obor
—

Rok uplatnění
2007
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)