| dc.contributor.author | Jančíková, Zora | |
| dc.contributor.author | Heger, Milan | |
| dc.date.accessioned | 2007-01-30T06:50:26Z | |
| dc.date.available | 2007-01-30T06:50:26Z | |
| dc.date.issued | 2006 | |
| dc.identifier.citation | Sborník vědeckých prací Vysoké školy báňské - Technické univerzity Ostrava. Řada strojní. 2006, roč. 52, č. 2, s. 65-69 : il. | en |
| dc.identifier.issn | 1210-0471 | en |
| dc.identifier.uri | http://hdl.handle.net/10084/59674 | |
| dc.description.abstract | Teoretické poznatky fyzikální metalurgie nepostihují dosud komplexně všechny fyzikální proměnné, které ovlivňují výsledné mechanické vlastnosti výrobku. Proto jsou základní pomůckou pro tepelné zpracování IRA a ARA diagramy oceli o daném chemickém složení. Údaje obsažené v IRA a ARA diagramech je možno statisticky zpracovat a takto dojít k empirickým vztahům, které slouží pro predikci průběhu dílčích procesů probíhajících při tepelném zpracování. Doposud byly tyto vztahy získávány na základě regresní analýzy naměřených dat. V současné době se naskýtá reálná možnost predikce různých parametrů oceli při tepelném zpracování s využitím prvků umělé inteligence. Byl vytvořen neuronový model pro predikci mechanických vlastností ocelí po tepelném zpracování. Daná problematika byla řešena v rámci grantového projektu GAČR 106/05/2596. | en |
| dc.format.extent | 186220 bytes | cs |
| dc.format.mimetype | application/pdf | cs |
| dc.language.iso | en | en |
| dc.publisher | Vysoká škola báňská - Technická univerzita Ostrava | en |
| dc.relation.ispartofseries | Sborník vědeckých prací Vysoké školy báňské - Technické univerzity Ostrava. Řada strojní | en |
| dc.relation.uri | http://transactions.fs.vsb.cz/2006-2/1535_JANCIKOVA_Zora_HEGER_Milan.pdf | |
| dc.rights | © Vysoká škola báňská - Technická univerzita Ostrava | |
| dc.title | Exploitation of neural networks in material research | en |
| dc.title.alternative | Využití neuronových sítí v materiálovém výzkumu | en |
| dc.type | article | en |
| dc.description.abstract-en | Theoretical knowledge of physical metallurgy doesn’t express comprehensively all physical variables, which influence resultant product manufacture quality. Therefore data files contained in IRA and ARA steel diagrams of different chemical composition are the basic tool for heat treatment. It is possible to treat these data statistically and thus acquire empiric relations, which serve for partial processes course prediction proceeding at heat treatment. These relations were obtained so far on the basis of regression analysis of measured data. Real possibility of prediction of different steel parameter with exploitation of artificial intelligence elements offers at present. Model of prediction steel mechanical properties after heat treatment using neural networks methods were created. The problem is solved in the framework of the grant project GAČR 106/05/2596. | en |
| dc.rights.access | openAccess | |
| dc.type.version | publishedVersion | |
| dc.type.status | Peer-reviewed | |