Přejít k hlavnímu obsahu

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Návrh a realizace diagnostického systému s využitím neuronových sítí
Autoři: Musil Michal
Rok: 2004
Druh publikace: ostatní - přednáška nebo poster
Název zdroje: Perner´s Contact 2004
Název nakladatele: Univerzita Pardubice
Místo vydání:
Strana od-do:
Tituly:
Jazyk Název Abstrakt Klíčová slova
cze Návrh a realizace diagnostického systému s využitím neuronových sítí Příspěvek se zabývá návrhem a realizací diagnostického systému s využitím neuronových sítí. Diagnostiku poruchy systému lze obecně rozdělit na tři základní fáze - detekce, lokalizace a klasifikace. Detekce a lokalizace poruchy je provedena na základě testování signálu neuronovou sítí, která je naučená na správný (bezchybný) průběh signálu. Pokud na vstup takovéto neuronové sítě přivedeme signál obsahující chyby, projeví se to v rozdílu vstupního signálu a signálu predikovaného neuronovou sítí. Rozdílem těchto dvou signálů získáme místa výskytu poruchy. dynamická měření;analýza signálů;digitální filtrace;frekvenční analýza;statistické charakteristiky;analýza signálů neuronovou sítí;
eng PROJECT AND REALISATION OF A DIAGNOSTIC SYSTEM WITH USE OF NEURAL NETWORKS This contribution deals with a project and realisation for working of error- classifier of a diagnostic system. The neural networks are the main means for realisation of the classifier. Diagnostics of an error is divided into the three phases - detection, localisation and classification of the error. First of all, the described system realised by means of the neural networks, performs a detection and localisation of the error ? the neural networks are learnt to non-defective course of diagnostic signals and, each defect in the system is displayed as a symptom in the diagnostic signal, the symptom is detected and localised by means of the neural networks. Further more, the part of classification of the error follows, the symptom is detected and localised by means of the neural networks. dynamic measurement;analysis of signal;digital filtration;frequency analysis;statistical characteristics;neural networks analysis signal;