dc.contributor.author | Παπαδόπουλος, Ιωάννης![]() |
el |
dc.contributor.author | Papadopoulos, Ioannis![]() |
en |
dc.date.accessioned | 2016-06-28T13:30:41Z | |
dc.date.available | 2016-06-28T13:30:41Z | |
dc.date.issued | 2016-06-28 | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/42875 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.11317 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Νευρωνικά δίκτυα | el |
dc.subject | Νευρωνικά δίκτυα πρόσθιας τροφοδότησης | el |
dc.subject | Νευρωνικά δίκτυα ακτινικής βάσης | el |
dc.subject | Απόδοση μοντέλων νευρωνικών δικτύων | el |
dc.subject | Πρόβλεψη επιφανειακής τραχύτητας | el |
dc.subject | Neural networks | en |
dc.subject | Feed forward neural networks | el |
dc.subject | Radial basis neural networks | el |
dc.subject | Performance of artificial neural network models | el |
dc.subject | Prediction of surface roughness | el |
dc.title | Investigation of the performance of artificial neural network models for the prediction of surface roughness during grinding | en |
dc.title | Διερεύνηση της απόδοσης μοντέλων νευρωνικών δικτύων κατα την πρόβλεψη της επιφανειακής τραχύτητας στην κατεργασία της λείανσης | el |
heal.type | bachelorThesis | |
heal.classification | Κατεργασίες υλικών | el |
heal.classificationURI | http://data.seab.gr/concepts/12ca5151411399c77d21d70b67b67a46b688b242 | |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2016-03-16 | |
heal.abstract | Στην παρούσα εργασία έγινε απόπειρα μαθηματικής μοντελοποίησης της κατεργασίας λείανσης μετάλλων με χρήση νευρωνικών δικτύων πρόσθιας τροφοδότησης, καθώς επίσης και νευρωνικών δικτύων ακτινικής βάσης. Τα πειραματικά δεδομένα ελήφθησαν από την βιβλιογραφία και αφορούν την λείανση τριών ειδών χάλυβα με έξι διαφορετικούς τύπους λειαντικών τροχών. Για την προσέγγιση του προβλήματος, δοκιμάστηκε ένας μεγάλος αριθμός διαφορετικών αρχιτεκτονικών νευρωνικών δικτύων πρόσθιας τροφοδότησης, όπως επίσης και τεσσάρων διαφορετικών αλγορίθμων εκπαίδευσης. Επίσης δοκιμάστηκε ένας μεγάλος αριθμός αρχιτεκτονικών νευρωνικών δικτύων ακτινικής βάσης. Από τις δοκιμές που έγιναν, βρέθηκε ότι για την στατιστική μοντελοποίηση της συγκεκριμένης κατεργασίας, είναι προτιμότερη η χρήση των νευρωνικών δικτύων ακτινικής βάσης, καθώς το σφάλμα πρόβλεψης βρέθηκε να είναι μικρότερο. Εκτός αυτού, τα νευρωνικά δίκτυα ακτινικής βάσης έχουν χαμηλότερο υπολογιστικό κόστος, και απλούστερη αρχιτεκτονική, καθιστώντας τα πιο εύχρηστα στην προσέγγιση του συγκεκριμένου προβλήματος. | el |
heal.abstract | In the current thesis, mathematical modeling for the prediction of surface roughness during metal grinding was attempted, using feed forward and radial basis neural networks. Experimental data were obtained from relevant literature, which correspond to grinding of three types of steels, using six different types of grinding wheels. A large number of different feed forward and radial basis neural networks architectures were tested, and for the case of the feed forward neural networks, four different training algorithms were compared. Computational results have shown that mathematical models based on radial basis neural networks, were able to predict the experimental data with smaller errors, compared to feed forward neural networks predictions. Moreover, due to their simpler architecture and smaller computational cost, they proved advantageous during the approach of the specific problem. | en |
heal.advisorName | Μαρκόπουλος, Άγγελος | el |
heal.committeeMemberName | Μαρκόπουλος, Άγγελος | el |
heal.committeeMemberName | Μανωλάκος, Δημήτριος | el |
heal.committeeMemberName | Βοσνιάκος, Γεώργιος-Χριστόφορος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Τεχνολογίας των Κατεργασιών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 89 σ. | |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: