Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
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”

The Usage of Regression Analysis and Artificial Intelligence Tools in The Field of Metallurgy

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27360%2F17%3A10238477" target="_blank" >RIV/61989100:27360/17:10238477 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    The Usage of Regression Analysis and Artificial Intelligence Tools in The Field of Metallurgy

  • Popis výsledku v původním jazyce

    The presented article deals with the possibility of using artificial intelligence tools, specifically genetic algorithms, in the metallurgical industry. The genetic algorithms are used here to estimate coefficients of regression functions. In some cases, the standard regression analysis tools lead to incorrect results. And then the genetic algorithms can serve as an optimization tool searching for a certain state space to find functions or functionalities optimum. To verify the correctness of this premise we have used the genetic algorithms to find coefficients of two regression functions types, namely linear regression function and nonlinear regression function. By comparing the results, we have confirmed in the discussion the suitability of using genetic algorithms in the field of regression analysis as well. Another result of this work is the determination of the general cost equation of the foundry furnaces. The data of selected foundries have been used both in classical regression analysis and in genetic algorithms applications.

  • Název v anglickém jazyce

    The Usage of Regression Analysis and Artificial Intelligence Tools in The Field of Metallurgy

  • Popis výsledku anglicky

    The presented article deals with the possibility of using artificial intelligence tools, specifically genetic algorithms, in the metallurgical industry. The genetic algorithms are used here to estimate coefficients of regression functions. In some cases, the standard regression analysis tools lead to incorrect results. And then the genetic algorithms can serve as an optimization tool searching for a certain state space to find functions or functionalities optimum. To verify the correctness of this premise we have used the genetic algorithms to find coefficients of two regression functions types, namely linear regression function and nonlinear regression function. By comparing the results, we have confirmed in the discussion the suitability of using genetic algorithms in the field of regression analysis as well. Another result of this work is the determination of the general cost equation of the foundry furnaces. The data of selected foundries have been used both in classical regression analysis and in genetic algorithms applications.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20501 - Materials engineering

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    METAL 2017: conference proceedings : 26th International Conference on Metallurgy and Materials : (reviewed version) : May 24th-26th 2017, Hotel Voroněž I, Brno, Czech Republic, EU

  • ISBN

    978-80-87294-79-6

  • ISSN

  • e-ISSN

    neuvedeno

  • Počet stran výsledku

    6

  • Strana od-do

    2063-2068

  • Název nakladatele

    Tanger

  • Místo vydání

    Ostrava

  • Místo konání akce

    Brno

  • Datum konání akce

    24. 5. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku