The Neural Network Analysis of Optical Glasses Transmittance

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27360%2F14%3A86092124" target="_blank" >RIV/61989100:27360/14:86092124 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

The Neural Network Analysis of Optical Glasses Transmittance

Popis výsledku v původním jazyce

The attention is devoted to the active and passive optical fibres of the suitable glasses. Because of high structural sensitivity of optical transmittance to glass composition we present sophisticated solution of experimental data evaluation to obtain way directly predict the proper glass composition-transmitance relation. In the paper we present application of artificial neural network (ANN) on relation between glass composition versus optical transmittance of the chosen glass systems of Sb2O3 - PbCl2and Sb2O3 ? PbO ? M2O, where M was Na, K and Li, respectively. The developed neural model predicts optical transmittance with sufficiently small error (7%). Neural networks are able to simulate dependences which can be hardly solved by classic methods ofstatistic data evaluation and they are able to express more complex relations than these methods.

Název v anglickém jazyce

The Neural Network Analysis of Optical Glasses Transmittance

Popis výsledku anglicky

The attention is devoted to the active and passive optical fibres of the suitable glasses. Because of high structural sensitivity of optical transmittance to glass composition we present sophisticated solution of experimental data evaluation to obtain way directly predict the proper glass composition-transmitance relation. In the paper we present application of artificial neural network (ANN) on relation between glass composition versus optical transmittance of the chosen glass systems of Sb2O3 - PbCl2and Sb2O3 ? PbO ? M2O, where M was Na, K and Li, respectively. The developed neural model predicts optical transmittance with sufficiently small error (7%). Neural networks are able to simulate dependences which can be hardly solved by classic methods ofstatistic data evaluation and they are able to express more complex relations than these methods.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

—

Návaznosti

N - Vyzkumna aktivita podporovana z neverejnych zdroju

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 2014 15th International Carpathian Control Conference, ICCC 2014

ISBN

978-1-4799-3528-4

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

196-200

Název nakladatele

IEEE Computer Society

Místo vydání

Los Alamitos

Místo konání akce

Velké Karlovice

Datum konání akce

28. 5. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—