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”

Použití metod umělé inteligence pro predikování odběrů trakčního výkonu

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21260%2F08%3A06149256" target="_blank" >RIV/68407700:21260/08:06149256 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Artificial intelligence methods used for predicting traction power consumption

  • Popis výsledku v původním jazyce

    In this paper some remarks on predictive modeling of traction power consumption and their use in intelligent control systems are stated. Special emphasis is put on discussing neural networks and genetic algorithms for such models described in the secondchapter. In the third chapter, significant applications of neural networks and genetic algorithms in area of power consumption and train diagram are stated. A methodology of model development and assessment is presented in the chapter 4. In the chapter 5there are up to now results of author's traction power consumption prediction coming out from artificial neural network predictive models developed in Mathematica(C) SW environment. Finally, summary and further work are stated in the last chapter.

  • Název v anglickém jazyce

    Artificial intelligence methods used for predicting traction power consumption

  • Popis výsledku anglicky

    In this paper some remarks on predictive modeling of traction power consumption and their use in intelligent control systems are stated. Special emphasis is put on discussing neural networks and genetic algorithms for such models described in the secondchapter. In the third chapter, significant applications of neural networks and genetic algorithms in area of power consumption and train diagram are stated. A methodology of model development and assessment is presented in the chapter 4. In the chapter 5there are up to now results of author's traction power consumption prediction coming out from artificial neural network predictive models developed in Mathematica(C) SW environment. Finally, summary and further work are stated in the last chapter.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GD102%2F05%2FH517" target="_blank" >GD102/05/H517: Výzkum dopravně telematických systémů</a><br>

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2008

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Neural Network World

  • ISSN

    1210-0552

  • e-ISSN

  • Svazek periodika

    2008

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    8

  • Strana od-do

  • Kód UT WoS článku

    000254356900003

  • EID výsledku v databázi Scopus