Použití metod umělé inteligence pro predikování odběrů trakčního výkonu

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

—

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.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

IN - Informatika

OECD FORD obor

—

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)

Rok uplatnění

2008

Kód důvěrnosti údajů

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

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

—