@ARTICLE{Kowalski_Włodzimierz_P._Zastosowanie_2002,
 author={Kowalski, Włodzimierz P. and Kołodziejczyk, Krzysztof and Zacharz, Tomasz},
 volume={vol. 28},
 number={No 2},
 pages={59-70},
 journal={Archives of Environmental Protection},
 howpublished={online},
 year={2002},
 publisher={Polish Academy of Sciences},
 abstract={Urządzenia sedymentacyjne są powszechnie stosowane w oczyszczaniu zawiesin przemysłowych i w gospodarce komunalnej. Efektywność procesu sedymentacji ma ważne znaczenie w ochronie środowiska. Celem badań było rozpoznanie możliwości zastosowania sieci neuronowych do obliczania efektywności procesu sedymentacji. Jako dane wejściowe do przetwarzania wzięto wyniki obliczeń otrzymanych z symulacji komputerowych prowadzonych według modelu matematycznego uwzględniającego obciążenie powierzchniowe w urządzeniu sedymentacyjnym oraz parametry fizyczne zawiesiny, w tym gęstość rozkładu prawdopodobieństwa wielkości cząstek fazy stałej. Rozważano i porównywano dwa typy funkcji gęstości rozkładu wielkości cząstek fazy stałej zawiesiny: rozkład logarytmiczne-normalny i uogólniony rozkład gamma. Badania zostały przeprowadzone za pomocą sieci typu feed-forward (bez sprzężenia zwrotnego o jednym kierunku przepływu informacji). Wybrano sposób uczenia z nauczycielem metodą wstecznej propagacji błędu (backpropagation) według algorytmu Levenberg-Marquardta. W przypadku, gdy sieci były uczone za pomocą zbiorów zawierających poniżej 400 zestawów danych wówczas popełniane błędy przekraczały wartość I%. Sieci uczone za pomocą zbiorów zawierających około 500 zestawów danych dawały możliwe do zaakceptowania wyniki. Popełniany przez nie błąd był mniejszy niż I%. Na tej podstawie można wnioskować, że najmniejszym uczącym zbiorem danych, jest zbiór zawierający około 500 zestawów. Najlepsze wyniki obliczeń uzyskano, gdy liczba zestawów wynosiła 5 tysięcy - różnice obliczeń efektywności sedymentacji wynosiły poniżej 0.5 %. Dalsze zwiększanie liczby zestawów danych powyżej 5 tysięcy obniżało dokładność obliczeń.},
 type={Article},
 title={Zastosowanie sieci neuronowych w modelowaniu matematycznym procesu sedymentacji},
 URL={http://journals.pan.pl/Content/123856/PDF/8_AE_VOL_28_2_2002_Kowalski_Application_of_Neural.pdf},
 keywords={environmental science and technology, water purification, neural networks},
}