Les Inscriptions à la Bibliothèque sont ouvertes en
ligne via le site: https://biblio.enp.edu.dz
Les Réinscriptions se font à :
• La Bibliothèque Annexe pour les étudiants en
2ème Année CPST
• La Bibliothèque Centrale pour les étudiants en Spécialités
A partir de cette page vous pouvez :
Retourner au premier écran avec les recherches... |
Détail de l'auteur
Auteur Marwala, Tshilidzi
Documents disponibles écrits par cet auteur
Affiner la rechercheFault Classification using Pseudomodal Energies and Probabilistic Neural Networks / Marwala, Tshilidzi in Journal of engineering mechanics, Vol. 130 N°11 (Novembre 2004)
[article]
in Journal of engineering mechanics > Vol. 130 N°11 (Novembre 2004) . - 1346-1355 p.
Titre : Fault Classification using Pseudomodal Energies and Probabilistic Neural Networks Titre original : Censuration de la Classification en Utilisant des Energies de Pseudo-modales et les Réseaux Neurologiques Probabilistes Type de document : texte imprimé Auteurs : Marwala, Tshilidzi, Auteur ; George Deodatis, Auteur Article en page(s) : 1346-1355 p. Note générale : Génie Mécanique Langues : Anglais (eng) Mots-clés : Classification Modal analysis Neural networks Probability Cylindrical shells Analyse modale Réseaux neurologiques Probabilité Coquilles cylindrique Index. décimale : 620.1 Essais des matériaux. Défauts des matériaux. Protection des matériaux Résumé : This paper introduces a new fault identification method that uses pseudomodal energies to train probabilistic neural networks (PNNs). The proposed procedure is tested on a population of 20 cylindrical shells and its performance is compared to the procedure which uses modal properties to train probabilistic neural networks. The PNNs trained using pseudomodal energies provide better classification of faults than the PNNs trained using the conventional modal properties.
Cet article présente une nouvelle méthode d'identification de défaut qui emploie des énergies pseudomodal pour former les réseaux neurologiques probabilistes (PNNs). Le procédé proposé est examiné sur une population de 20 coquilles cylindrique et son exécution est comparée au procédé qui emploie les propriétés modales pour former les réseaux neurologiques probabilistes. Le PNNs qualifié en utilisant des énergies pseudo-modales fournissent une meilleure classification des défauts que le PNNs qualifiée en utilisant les propriétés modales conventionnelles.
DEWEY : 620.1 ISSN : 0733-9399 En ligne : tmarwala@yahoo.com [article] Fault Classification using Pseudomodal Energies and Probabilistic Neural Networks = Censuration de la Classification en Utilisant des Energies de Pseudo-modales et les Réseaux Neurologiques Probabilistes [texte imprimé] / Marwala, Tshilidzi, Auteur ; George Deodatis, Auteur . - 1346-1355 p.
Génie Mécanique
Langues : Anglais (eng)
in Journal of engineering mechanics > Vol. 130 N°11 (Novembre 2004) . - 1346-1355 p.
Mots-clés : Classification Modal analysis Neural networks Probability Cylindrical shells Analyse modale Réseaux neurologiques Probabilité Coquilles cylindrique Index. décimale : 620.1 Essais des matériaux. Défauts des matériaux. Protection des matériaux Résumé : This paper introduces a new fault identification method that uses pseudomodal energies to train probabilistic neural networks (PNNs). The proposed procedure is tested on a population of 20 cylindrical shells and its performance is compared to the procedure which uses modal properties to train probabilistic neural networks. The PNNs trained using pseudomodal energies provide better classification of faults than the PNNs trained using the conventional modal properties.
Cet article présente une nouvelle méthode d'identification de défaut qui emploie des énergies pseudomodal pour former les réseaux neurologiques probabilistes (PNNs). Le procédé proposé est examiné sur une population de 20 coquilles cylindrique et son exécution est comparée au procédé qui emploie les propriétés modales pour former les réseaux neurologiques probabilistes. Le PNNs qualifié en utilisant des énergies pseudo-modales fournissent une meilleure classification des défauts que le PNNs qualifiée en utilisant les propriétés modales conventionnelles.
DEWEY : 620.1 ISSN : 0733-9399 En ligne : tmarwala@yahoo.com