Application of Artificial Neural Networks in Chosen Glass Laminates Properties Prediction
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F13%3A86089226" target="_blank" >RIV/61989100:27240/13:86089226 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/61989100:27360/13:86089226
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-1-4614-3558-7_95" target="_blank" >http://dx.doi.org/10.1007/978-1-4614-3558-7_95</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-1-4614-3558-7_95" target="_blank" >10.1007/978-1-4614-3558-7_95</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Application of Artificial Neural Networks in Chosen Glass Laminates Properties Prediction
Popis výsledku v původním jazyce
The article deals with applications of the artificial neural networks at the evaluation of chosen material's properties (sample thickness, sample shape) measured by electronic speckle pattern interferometry. We have investigated the dependence of the generated mode frequency as a function of sample thickness as well as the sample shape of glass laminate samples. Obtained experimental results for differently shaped glass laminate samples are compared with those of artificial neural networks and finite element method simulation. The coincidence of both experimental and simulated results is very good. Copyright 2013 Springer Science+Business Media.
Název v anglickém jazyce
Application of Artificial Neural Networks in Chosen Glass Laminates Properties Prediction
Popis výsledku anglicky
The article deals with applications of the artificial neural networks at the evaluation of chosen material's properties (sample thickness, sample shape) measured by electronic speckle pattern interferometry. We have investigated the dependence of the generated mode frequency as a function of sample thickness as well as the sample shape of glass laminate samples. Obtained experimental results for differently shaped glass laminate samples are compared with those of artificial neural networks and finite element method simulation. The coincidence of both experimental and simulated results is very good. Copyright 2013 Springer Science+Business Media.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
JI - Kompositní materiály
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
N - Vyzkumna aktivita podporovana z neverejnych zdroju
Ostatní
Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Lecture Notes in Electrical Engineering. Volume 151
ISSN
1876-1100
e-ISSN
—
Svazek periodika
151
Číslo periodika v rámci svazku
december
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
8
Strana od-do
1113-1120
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—