Widok standardowy Widok MARC Widok ISBD

Classifying the wear of turning tools with neural networks / Anna Zawada-Tomkiewicz, Borys Storch.

Autor:

ZAWADA-TOMKIEWICZ, Anna. Politechnika Koszalińska - Wydział Mechaniczny, Zakład Zarządzania i Marketingu w Budowie i Eksploatacji Maszyn, 1996 -

Współtwórca(-y):

STORCH, Borys. Politechnika Koszalińska - Wydział Mechaniczny, Zakład Zarządzania i Marketingu w Budowie i Eksploatacji Maszyn, 1996 -

Rodzaj materiału:

ArtykułJęzyk: angielski Praca zawiera:

International Conference on Advances in Production Engineering APE'98 (1 ; 1998 ; Warszawa, Polska). APE'98

Tematy:

Sieci neuronowe

Rodzaj/forma:

Materiały konferencyjne.

W: Proceedings of International Conference on Advances in Production Engineering. Part I2 / pod. red. L. Dąbrowski. - s. 51-56Streszczenie: The on-line supervision of a tool's wear is the most difficult task in the context of tool monitoring. The influence of the wear's tool on the created surface is presented. Based on in-process acquisition of digital image of the surface it is possible to estimate or classify wear parameters by means of neural networks.

Egzemplarze ( 1 )
Uwagi ( 2 )

Egzemplarze
Typ dokumentu	Obecna biblioteka	Sygnatura	Status	Termin zwrotu	Kod kreskowy
Rozdział	Bibliografia Prac Pracowników - BPK		Nie można wypożyczyć

Zakończ przeglądanie półki (Zakończ przeglądanie półki)

Wstecz								Dalej
Wstecz	Zastosowanie sztucznej inteligencji w sprawdzaniu i ocenie poziomu wiedzy /	The analysis of the state of a turned surface with the use of its image /	Teoretyczny model refleksyjności powierzchni rzeczywistej /	Classifying the wear of turning tools with neural networks /	Classifying the wear of turning tools with neural networks /	Classifying the wear of turning tools with neural networks /	Estimation of perception of visional press advertisement and schema in frames of practices with ergonomics /	Dalej

Dane z autopsji.

The on-line supervision of a tool's wear is the most difficult task in the context of tool monitoring. The influence of the wear's tool on the created surface is presented. Based on in-process acquisition of digital image of the surface it is possible to estimate or classify wear parameters by means of neural networks.