magistrsko delo
Uroš Žurman (Avtor), Aleš Hace (Mentor), Uroš Župerl (Mentor)

Povzetek

V magistrski nalogi so opisani modeli za napovedovanje rezalnih sil in principe delovanja nevronskih mrež. V osrednjem delu so predstavljeni trije umetni nevronski modeli za napovedovanje rezalne sile. Za primerjavo je bil narejen statistični model linearne regresije za napovedovanje rezalne sile. Nevronski modeli so bili narejeni s programom MATLAB, model linearne regresije pa z Microsoft Excel. Na koncu so predstavljeni rezultati treh modelov nevronske mreže in statističnega modela linearne regresije.

Ključne besede

frezanje;umetna nevronska mreža;regresijska analiza;rezalne sile;magistrske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: [U. Žurman]
UDK: 004.8.032.26:621.914(043.2)
COBISS: 143716611 Povezava se bo odprla v novem oknu
Št. ogledov: 107
Št. prenosov: 23
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Artificial neural network based cutting force model for milling process
Sekundarni povzetek: The master's thesis describes models for predicting cutting forces and the principles of neural networks. In the central part, three artificial neural models for predicting the cutting force are presented. For comparison, a statistical linear regression model was built to predict the cutting force. Neural models were made using MATLAB, and linear regression models were made using Microsoft Excel. Finally, the results of three neural network models and a statistical linear regression model are presented.
Sekundarne ključne besede: milling;artificial neural network;regression analysis;cutting forces;
Vrsta dela (COBISS): Magistrsko delo/naloga
Komentar na gradivo: Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Mehatronika
Strani: 1 spletni vir (1 datoteka PDF (X, 42 f.))
ID: 16500812