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
—