Logforum. 2020. 16(1), artykuł 1, 7-13; DOI: https://doi.org/10.17270/J.LOG.2020.382
SZTUCZNA PSEUDOSIEĆ NEURONOWA W STEROWANIU PRODUKCJĄ
Marek Fertsch
Poznań University of Technology, Poznań, Poland
Wstęp: Doświadczenia z wdrażania koncepcji Industrie 4.0 wskazują, że kluczowym czynniku sukcesu jest stosowanie metod i technik z zakresu sztucznej inteligencji. Jedną z tych technik są sztuczne sieci neuronowe. Rozwój sztucznych sieci neuronowych trwa od długiego czasu i doprowadził do wielu istotnych zastosowań tej techniki w praktyce przemysłowej. Równolegle z rozwojem zastosowań praktycznych stworzona została baza teoretyczna koncepcji, narzędzi i zasad stosowania tej techniki.
Metody: Artykuł ten zawiera próbę wykorzystania teoretycznej bazy sztucznych sieci neuronowych do stworzenia specjalnego narzędzia. Nosi ono nazwę sztucznej pseudo - sieci neuronowej. Opiera się ona nie na całości dorobku teorii sztucznych sieci neuronowych ale na celowo wybranych jego elementach. Kryterium doboru było zastosowanie sztucznej pseudo-sieci neuronowej do sterowania produkcji.
Wyniki: Artykuł przedstawia założenia do opracowania sztucznej pseudo-sieci neuronowej, architekturę opracowanego rozwiązania i wstępne doświadczenia z prób jego zastosowania.
Wnioski: Wstępne wyniki potwierdziły założenia przyjęte przez autora artykułu. Opracowana została architektura sztucznej pseudo - sieci neuronowej. Zapoczątkowane zostały pracy nad budową demonstratora sztucznej pseudo-sieci neuronowej. Prace trwają nadal.
Słowa kluczowe: sztuczna inteligencja, sieci neuronowe, kontrola produkcji, Industry 4.0
Adobe Acrobat
Abstract in English.
MLA | Fertsch, Marek. "Artificial neural pseudo-network for production control purposes ." Logforum 16.1 (2020): 1. DOI: https://doi.org/10.17270/J.LOG.2020.382 |
APA | Marek Fertsch (2020). Artificial neural pseudo-network for production control purposes . Logforum 16 (1), 1. DOI: https://doi.org/10.17270/J.LOG.2020.382 |
ISO 690 | FERTSCH, Marek. Artificial neural pseudo-network for production control purposes . Logforum, 2020, 16.1: 1. DOI: https://doi.org/10.17270/J.LOG.2020.382 |