This HTML5 document contains 43 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
n17http://linked.opendata.cz/ontology/domain/vavai/riv/typAkce/
dctermshttp://purl.org/dc/terms/
n21http://localhost/temp/predkladatel/
n11http://purl.org/net/nknouf/ns/bibtex#
n14http://linked.opendata.cz/resource/domain/vavai/vysledek/RIV%2F68407700%3A21220%2F07%3A02133315%21RIV08-MSM-21220___/
n19http://linked.opendata.cz/resource/domain/vavai/projekt/
n10http://linked.opendata.cz/resource/domain/vavai/riv/tvurce/
n16http://linked.opendata.cz/ontology/domain/vavai/
n8https://schema.org/
shttp://schema.org/
skoshttp://www.w3.org/2004/02/skos/core#
n3http://linked.opendata.cz/ontology/domain/vavai/riv/
n2http://linked.opendata.cz/resource/domain/vavai/vysledek/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n12http://linked.opendata.cz/ontology/domain/vavai/riv/klicoveSlovo/
n18http://linked.opendata.cz/ontology/domain/vavai/riv/duvernostUdaju/
xsdhhttp://www.w3.org/2001/XMLSchema#
n15http://linked.opendata.cz/ontology/domain/vavai/riv/jazykVysledku/
n4http://linked.opendata.cz/ontology/domain/vavai/riv/aktivita/
n13http://linked.opendata.cz/ontology/domain/vavai/riv/obor/
n9http://linked.opendata.cz/ontology/domain/vavai/riv/druhVysledku/
n6http://reference.data.gov.uk/id/gregorian-year/

Statements

Subject Item
n2:RIV%2F68407700%3A21220%2F07%3A02133315%21RIV08-MSM-21220___
rdf:type
skos:Concept n16:Vysledek
dcterms:description
The aim of this study is to examine efficiency of the algorithm for fault detection and classification on diesel engine, using wavelet neural network. In this paper the architecture of the neural network for fault detection is first introduced. Then an optimization method of neural network and training algorithm is described. Finally, feedforward backpropagation neural network and wavelet neural network are compared for fault detection. The effectiveness of the WNN is demonstrated through the classification of the fault signals obtained from sensors placed on the tested motor. Cílem této studie je prověřit efektivitu algoritmu pro detekci a klasifikaci poruch naftového motoru za použití wavelet-neuronové sítě(WNS). V příspěvku je nejdříve uvedena struktura takovéto neuronové sítě. Dále je popsána metodika optimalizace neuronové sítě a jejího učení. Závěrem je provedeno srovnání výsledků při použití klasické BP neuronové sítě a wavelet neuronové sítě. Efektivita WNS je demonstrována při detekci a klasifikaci poruch ze signálů indukčních snímačů umístěných na testovaném spalovacím motoru. Cílem této studie je prověřit efektivitu algoritmu pro detekci a klasifikaci poruch naftového motoru za použití wavelet-neuronové sítě(WNS). V příspěvku je nejdříve uvedena struktura takovéto neuronové sítě. Dále je popsána metodika optimalizace neuronové sítě a jejího učení. Závěrem je provedeno srovnání výsledků při použití klasické BP neuronové sítě a wavelet neuronové sítě. Efektivita WNS je demonstrována při detekci a klasifikaci poruch ze signálů indukčních snímačů umístěných na testovaném spalovacím motoru.
dcterms:title
Vývoj Wavelaet neuronové sítě pro bezdemontážní diagnostiku spalovacích motoru Development of Wavelet-Neural Network for Non-Dismantling Diagnosis of IC Engine Vývoj Wavelaet neuronové sítě pro bezdemontážní diagnostiku spalovacích motoru
skos:prefLabel
Vývoj Wavelaet neuronové sítě pro bezdemontážní diagnostiku spalovacích motoru Vývoj Wavelaet neuronové sítě pro bezdemontážní diagnostiku spalovacích motoru Development of Wavelet-Neural Network for Non-Dismantling Diagnosis of IC Engine
skos:notation
RIV/68407700:21220/07:02133315!RIV08-MSM-21220___
n3:strany
146;151
n3:aktivita
n4:P
n3:aktivity
P(1M0568)
n3:dodaniDat
n6:2008
n3:domaciTvurceVysledku
n10:5521947
n3:druhVysledku
n9:D
n3:duvernostUdaju
n18:S
n3:entitaPredkladatele
n14:predkladatel
n3:idSjednocenehoVysledku
460572
n3:idVysledku
RIV/68407700:21220/07:02133315
n3:jazykVysledku
n15:cze
n3:klicovaSlova
Fault Detection; Neural Network; Wavelet transformation
n3:klicoveSlovo
n12:Fault%20Detection n12:Wavelet%20transformation n12:Neural%20Network
n3:kontrolniKodProRIV
[D3BB6F66618C]
n3:mistoKonaniAkce
Zámek Nové Hrady
n3:mistoVydani
Praha
n3:nazevZdroje
Nové metody a postupy v oblasti přístrojové techniky, automatického řízení a informatiky
n3:obor
n13:JB
n3:pocetDomacichTvurcuVysledku
1
n3:pocetTvurcuVysledku
1
n3:projekt
n19:1M0568
n3:rokUplatneniVysledku
n6:2007
n3:tvurceVysledku
Roztočil, Jan
n3:typAkce
n17:CST
n3:zahajeniAkce
2007-06-01+02:00
s:numberOfPages
6
n11:hasPublisher
České vysoké učení technické v Praze. Fakulta strojní. Ústav přístrojové a řídicí techniky
n8:isbn
978-80-01-03747-8
n21:organizacniJednotka
21220