| Attributes | Values |
|---|
| rdf:type
| |
| rdfs:seeAlso
| |
| Description
| - Nonconventional dynamic neural network for measurement validation and real-time prediction of NOx emissions of pulverized firing boiler at the coal powder powerplant Mělník 1. As a preprocessing module of input data to the network, the program includes also signal preprocessing modules including a correlation analysis module, mutual information module, input variable reselection and grouping modules, and dimensionality reduction by principal component analysis module for input reconfigurations. The particular design of the programmed network and the signal preprocessing techniques avoids the need for computationally heavy optimization techniques (training), that would not be suitable for real time retraining otherwise. The implemented training algorithm is a modification of the back-propagation through time that is suitable for real time retraining to handle nonstationarity of the burning process as well as individual failures of measured variables. The designed neural network uses nonconventional higher-order neural units (options for linear, quadratic, or cubic neural units). The programmed neural network does not use measured O2 as an input parameter, which was required and it is a unique solution worldwide to our best knowledge. The program is implemented in Matlab, and the resulting codes are Matlab codes and converted executables. (en)
- Byla naprogramována nekonvenčí dynamická neuronová síť pro validaci a predikci emisí NOX práškového kotle vysokého výkonu pro elektrárnu Mělník 1. Jako vstupní modul je naprogramován korelační modul vstupních dat, modul výpočtu vzájemné informace, výběrový modul vstupů a seskupovací modul, a modul pro redukci počtu vstupů metodou %22principal component analysis%22 a pro jejich rekonfiguraci. Konkrétně vyvinutý a naprogramovaný návrh sítě včetně předzpracování dat umožňuje efektivní přetrénovávání v reálném čase bez potřeby časově náročných optimalizačních algoritmů které by nebyli pro reálně časovou aplikaci vhodné. Naprogramovaný algoritmus učení je varianta metody %22back-propagation through time%22 které je pro danou neuronovou síť efektivní pro přetrénovávání za účelem zvládnutí nestacionarity reálného systému a častým výpadkům údajů měřených veličin. Navržená síť využívá nekonvenční neuronové jednotky (QNU a CNU). Pro predikci NOx, síť nepotřebuje na svém vstupu kyslík ve spalinách což bylo požadavkem a jedná se o světově ojedinělé řešení podle všech našich poznatků. Síť byla naprogramována v prostředí Matlab a byly vygenerovány i binární kódy pro demo verzi. Program byl testován na reálných datech elektrárny Mělník 1 s dobrými výsledky predikce NOx a předpokládá se jeho využití jako součást komplexího balíku řešení dle požadavku zákazníka I. & C. Energo.
- Byla naprogramována nekonvenčí dynamická neuronová síť pro validaci a predikci emisí NOX práškového kotle vysokého výkonu pro elektrárnu Mělník 1. Jako vstupní modul je naprogramován korelační modul vstupních dat, modul výpočtu vzájemné informace, výběrový modul vstupů a seskupovací modul, a modul pro redukci počtu vstupů metodou %22principal component analysis%22 a pro jejich rekonfiguraci. Konkrétně vyvinutý a naprogramovaný návrh sítě včetně předzpracování dat umožňuje efektivní přetrénovávání v reálném čase bez potřeby časově náročných optimalizačních algoritmů které by nebyli pro reálně časovou aplikaci vhodné. Naprogramovaný algoritmus učení je varianta metody %22back-propagation through time%22 které je pro danou neuronovou síť efektivní pro přetrénovávání za účelem zvládnutí nestacionarity reálného systému a častým výpadkům údajů měřených veličin. Navržená síť využívá nekonvenční neuronové jednotky (QNU a CNU). Pro predikci NOx, síť nepotřebuje na svém vstupu kyslík ve spalinách což bylo požadavkem a jedná se o světově ojedinělé řešení podle všech našich poznatků. Síť byla naprogramována v prostředí Matlab a byly vygenerovány i binární kódy pro demo verzi. Program byl testován na reálných datech elektrárny Mělník 1 s dobrými výsledky predikce NOx a předpokládá se jeho využití jako součást komplexího balíku řešení dle požadavku zákazníka I. & C. Energo. (cs)
|
| Title
| - Recurrent neural network with data processing modul and quadratic and cubic neural unit (en)
- Rekurentní neuronová síť s modulem zpracování dat a s kvadratickým a kubickým neuronem
- Rekurentní neuronová síť s modulem zpracování dat a s kvadratickým a kubickým neuronem (cs)
|
| skos:prefLabel
| - Recurrent neural network with data processing modul and quadratic and cubic neural unit (en)
- Rekurentní neuronová síť s modulem zpracování dat a s kvadratickým a kubickým neuronem
- Rekurentní neuronová síť s modulem zpracování dat a s kvadratickým a kubickým neuronem (cs)
|
| skos:notation
| - RIV/68407700:21220/11:00192337!RIV13-MPO-21220___
|
| http://linked.open...avai/predkladatel
| |
| http://linked.open...avai/riv/aktivita
| |
| http://linked.open...avai/riv/aktivity
| |
| http://linked.open...vai/riv/dodaniDat
| |
| http://linked.open...aciTvurceVysledku
| |
| http://linked.open.../riv/druhVysledku
| |
| http://linked.open...iv/duvernostUdaju
| |
| http://linked.open...onomickeParametry
| - Program je uvažován jako součást komplexní dodávky řešení v celkové ceně překračující 1 000 000 Kč,- . Odhad dílčí ceny programu je 300 000,- Kč. Spoluvlastníkem SW je I. & C. Energo a.s., Třebíč;
|
| http://linked.open...titaPredkladatele
| |
| http://linked.open...dnocenehoVysledku
| |
| http://linked.open...ai/riv/idVysledku
| - RIV/68407700:21220/11:00192337
|
| http://linked.open...terniIdentifikace
| |
| http://linked.open...riv/jazykVysledku
| |
| http://linked.open.../riv/klicovaSlova
| - NOx prediction; data validation; neural network (en)
|
| http://linked.open.../riv/klicoveSlovo
| |
| http://linked.open...ontrolniKodProRIV
| |
| http://linked.open.../licencniPoplatek
| |
| http://linked.open...in/vavai/riv/obor
| |
| http://linked.open...ichTvurcuVysledku
| |
| http://linked.open...cetTvurcuVysledku
| |
| http://linked.open...vavai/riv/projekt
| |
| http://linked.open...UplatneniVysledku
| |
| http://linked.open...echnickeParametry
| - Ing. Jiří Pliska,I & C Energo a.s. ; Ředitel technického rozvoje ; Pražská 684/49, 674 01 Třebíč tel.: +420 568 893 111 fax: +420 568 893 999, tel.: +420 568 893 300, email: jpliska@ic-energo.eu
|
| http://linked.open...iv/tvurceVysledku
| - Kolovratník, Michal
- Bukovský, Ivo
- Křehlík, K.
|
| http://linked.open...avai/riv/vlastnik
| |
| http://linked.open...itiJinymSubjektem
| |
| http://localhost/t...ganizacniJednotka
| |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)