Heavy facilities tension prediction using flexible neural trees

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F11%3A86085108" target="_blank" >RIV/61989100:27240/11:86085108 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/SoCPaR.2011.6089276" target="_blank" >http://dx.doi.org/10.1109/SoCPaR.2011.6089276</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/SoCPaR.2011.6089276" target="_blank" >10.1109/SoCPaR.2011.6089276</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Heavy facilities tension prediction using flexible neural trees

Popis výsledku v původním jazyce

In this article we show the usage of soft-computing methods to solve the real problem of computation of tension in facilities working under very hard conditions in industrial environment. Because the classical mathematical approaches such as Finite Element Method (FEM) are very time consuming, the more progressive soft-computing methods are on the place. We have proposed two step algorithm based on Flexible Neural Tree (FNT) and Particle Swarm Optimization (PSO) which is more efficient then typical approach (FEM). Flexible neural tree is hierarchical neural network like structure, which is automatically created and optimized using evolutionary like algorithms to solve the given problem. This is very important, because it is not necessary to set the structure and the weights of neural networks prior the problem is solved. The accuracy of proposed technique is good enough to be used in real environments.

Název v anglickém jazyce

Heavy facilities tension prediction using flexible neural trees

Popis výsledku anglicky

In this article we show the usage of soft-computing methods to solve the real problem of computation of tension in facilities working under very hard conditions in industrial environment. Because the classical mathematical approaches such as Finite Element Method (FEM) are very time consuming, the more progressive soft-computing methods are on the place. We have proposed two step algorithm based on Flexible Neural Tree (FNT) and Particle Swarm Optimization (PSO) which is more efficient then typical approach (FEM). Flexible neural tree is hierarchical neural network like structure, which is automatically created and optimized using evolutionary like algorithms to solve the given problem. This is very important, because it is not necessary to set the structure and the weights of neural networks prior the problem is solved. The accuracy of proposed technique is good enough to be used in real environments.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/FR-TI1%2F086" target="_blank" >FR-TI1/086: Nové přístupy navrhování energetických zařízení a ocelových konstrukcí s vysokými užitnými parametry</a><br>

Návaznosti

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

Rok uplatnění

2011

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 2011 International Conference of Soft Computing and Pattern Recognition, SoCPaR 2011

ISBN

978-1-4577-1194-7

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

396-401

Název nakladatele

IEEE

Místo vydání

New York

Místo konání akce

Dalian

Datum konání akce

14. 10. 2011

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—