Materialfluss-Systeme für den Stückgut-Transport auf der Basis von Stetigförderern sind meist modular aufgebaut. Das Verhalten gleichartiger Materialfluss-Elemente unterscheidet sich durch technische Parameter (z.B. geometrische Größen) und durch unterschiedliche logistische Belastungen der Elemente im System. Durch die in der Arbeit getroffenen Modellannahmen werden für die Elemente nur lokale Steuerungsregeln zugelassen und für das System Blockierfreiheit vorausgesetzt. Das Verhalten eines Materialfluss-Elements hängt dann nicht mehr von Zuständen anderer Elemente des Systems ab sondern nur noch von den stochastischen Prozessen des Eintreffens von Transporteinheiten. Die Auslastung eines Elements, die Quantile der Warteschlangenlängen an seinen Eingängen und die Variationskoeffizienten seiner Abgangsströme sind statistische Kenngrößen. Sie hängen im Wesentlichen nur von der Klasse des Elements, seinen technischen Parametern, den Parametern der Eingangsströme und der lokalen Transportmatrix ab. Diese funktionellen Abhängigkeiten sind im Allgemeinen nicht analytisch handhabbar. Da diese Funktionen stetig differenzierbar und beschränkt sind und von relativ viele Eingansgrößen anhängen, sind neuronale Netze gut geeignet für numerische Näherungen. Mit Hilfe von einfachen neuronalen Netzen können die statistischen Kenngrößen numerisch approximiert werden. Aus einzelnen Teilmodellen kann ein hybrides Modell des gesamten Systems zusammengesetzt werden. Anhand von einigen Beispielen wird die Güte der Modellierung bewertet. / Material flow systems are normally built with a modular structure. The behavoir of similar elements only differs by technical parameters (e.g. geometriy), and by different logistic loads of the elements in the system. In this paper, a new model is being developed for a non-blocking system with non-global control rules. The behavior of a flow of a material flow element is assumed not to depend on the conditions of other elements of the system, but only on stochastic processes of the arrival of transportation units. The rate of utilization of an element, the quantiles of the queue lengths at its inputs, and the dispersion of its output stream are statistic characteristics. They depend only on the type of the element, its technical parameters, the parameters of the input streams, and the local transportation matrix. These functional dependencies are not analytically manageable. But due to their properties, neural nets are well suited for numeric approximations of these statistic functions. The single models can be used to compose a hybrid model of the whole system. A few examples show the quality of the new modeling technique.

隨著金融自由化、國際化的趨勢，加上國民所得提高、電子化的普及，使得信用卡市場蓬勃發展，國內各大銀行紛紛積極投入信用卡發卡行列。台灣的信用卡市場競爭的程度，從各發卡銀行所提供消費者的各項附加服務，如辦卡送禮、持卡免年費、失卡零風險、購物優惠…等，幾乎都已是每一張信用卡的基本配備。 隨著卡債、卡奴的事件爆發，銀行業者舊有的信用卡行銷策略已經宣告失敗，但信用卡市場背後帶來的經濟效益，仍然是不容忽視，如今，要如何增加信用卡市場的佔有率已不是銀行業者的行銷重點，高佔有率並不一定就能帶來高經濟效益。銀行業者的行銷策略應該是做好信用卡市場區隔，找出不同特性的消費族群，依消費族者選擇信用卡的考量因素擬定行銷策略，進而提升市場競爭地位。 本研究選用四種模型建置方式，分別為羅吉斯迴歸、C5.0、CHAID以及類神經網路，經由分類矩陣評估比較四種模型，其中C5.0不論是在整體預測正確率、反查率或準確度，皆是高於其它三個模型，故最後選擇C5.0此一模型。 透過C5.0共獲得七項影響「是否有使用信用卡」之相關變數，其中「是否有出國旅行」、「經濟來源是否為自己」、「性別」、「是否畢業後找工作」、「是否有使用網路消費」、「認同環保意識」、「是否有投資或買保險」，此七項變數對使用信用卡消費具較大影響力，最後本研究會針對這些變數再給與發卡銀行建議。 【關鍵字】信用卡、資料採礦、C5.0、CHAID、類神經網路 / As the trend of financial liberalization and globalization and also the popularization of electronic business and the increase of domestic income, the credit card market has bloomed vigorously then ever, banks are urging on developing credit card markets. All those additional service of every bank could be seen as a clue to know the competitiveness in Taiwan, such as free gift, free annual fee, zero risk of losing cards, shopping discount…etc., and those service almost become a basic equipment of every credit card. With credit debt and credit card slaves increasing, bank’s former marketing strategies have failed. The economic benefits of credit card market still are not ignored. Today, how to increase market share of credit card is not the key point of bank’s marketing strategy. There is not necessary that high market share can bring high economic benefits. In order to follow this trend, the study aims to discover the corn factors of possessing credit cards through the application of Clementine 12.0 software. Since Decision Tree-C5.0 is excellent in the forecast accuracy and validity as compared to Logistic Regression, Decision Tree-CHAID and Neural Net were adopted in this research. Through using Decision Tree-C5.0, this study identified seven factors that have greater impact on using credit cards and they are”Whether respondent travel abroad”,“Is the source of income making by yourself”,“Gender”,“Do respondent look for jobs after graduating from school”,“Do respondent buy something on the internet”,“Approve the environmental awareness”.This research will chiefly use these seven factors to provide the marketing portfolio strategy recommendations for banks. Keywords：Credit Card, Data Mining, C5.0, CHAID, Neural Net

Made available in DSpace on 2016-08-17T14:52:46Z (GMT). No. of bitstreams: 1 Lucilene Ferreira Mouzinho.pdf: 571993 bytes, checksum: 2e8dd4d10b95625fa753d51326490aa5 (MD5) Previous issue date: 2003-03-12 / This work presents an artificial neural network model to estimate or indirectly measure the speed of three-phase induction machines for control purpose. A comparative analysis of the neural estimator is performed with the following types of speed estimators: rotor flux, electromotive force and model reference adaptive. The algorithms of the estimators are assembled and connected to the dq0 model of the induction machine. Computational simulation results, obtained from machine-estimators model, are used to carry out a comparative analysis of the speed estimators performance. This work also presents a survey on neural network applications in induction machines, covering the following issues: control, failure, supervision, diagnosis, identification and estimation. / Nesta dissertação apresenta-se um modelo de uma rede neural artificial para estimar ou medir indiretamente a velocidade em máquinas de indução trifásicas para fins de controle. Realiza-se uma análise comparativa do estimador neural com os seguintes tipos de estimadores de velocidade fundamentados: fluxo do rotor, força eletromotriz e modelo adaptativo de referência. Os algoritmos dos estimadores são construídos e acoplados ao modelo dq0 da máquina de indução. A partir de resultados de simulações computacionais, obtidos dos modelos máquina-estimadores, realiza-se a análise de desempenho dos estimadores que tem como objetivo verificar quais dos estimadores atingiu em menor tempo uma velocidade de referência. Este trabalho também apresenta um estudo sobre a aplicação de redes neurais em máquinas de indução, abordando os seguintes tópicos: controle, falhas, supervisão, diagnóstico, identificação e estimação.

Generellt spelande är ett forskningsområde fokuserat på att skapa AI som kan spela spel utan någon domänspecifik information. Detta arbete har undersökt elman-nätverks potential för generellt Atari-spelande genom att testa ett elman-nätverk och ett feedforward-nätverk via the Arcade Learning Environment. Nätverken använder en pixelrepresentation för att representera spelmiljön och baserar sina handlingar endast på den informationen. Agenterna testades på fyra spel varav två anses kräva en mer avancerad struktur än feedforward. Agenterna evalueras via deras toppoäng i spelen som testas och tränas via en genetisk algoritm. Resultaten visade att elman-strukturen inte presterar bättre än feedforward, dessutom erhölls ingen poäng i de avancerade spelen vilket tyder på att ett korttidsminne inte är tillräckligt för att spela dessa spel. Jämfört med tidigare forskning sågs en liten förbättring över liknande struktur vilket tyder på en förbättrad representation. För att förbättra resultaten i detta arbete borde ett större antal spel testas.

Materialfluss-Systeme für den Stückgut-Transport auf der Basis von Stetigförderern sind meist modular aufgebaut. Das Verhalten gleichartiger Materialfluss-Elemente unterscheidet sich durch technische Parameter (z.B. geometrische Größen) und durch unterschiedliche logistische Belastungen der Elemente im System. Durch die in der Arbeit getroffenen Modellannahmen werden für die Elemente nur lokale Steuerungsregeln zugelassen und für das System Blockierfreiheit vorausgesetzt. Das Verhalten eines Materialfluss-Elements hängt dann nicht mehr von Zuständen anderer Elemente des Systems ab sondern nur noch von den stochastischen Prozessen des Eintreffens von Transporteinheiten. Die Auslastung eines Elements, die Quantile der Warteschlangenlängen an seinen Eingängen und die Variationskoeffizienten seiner Abgangsströme sind statistische Kenngrößen. Sie hängen im Wesentlichen nur von der Klasse des Elements, seinen technischen Parametern, den Parametern der Eingangsströme und der lokalen Transportmatrix ab. Diese funktionellen Abhängigkeiten sind im Allgemeinen nicht analytisch handhabbar. Da diese Funktionen stetig differenzierbar und beschränkt sind und von relativ viele Eingansgrößen anhängen, sind neuronale Netze gut geeignet für numerische Näherungen. Mit Hilfe von einfachen neuronalen Netzen können die statistischen Kenngrößen numerisch approximiert werden. Aus einzelnen Teilmodellen kann ein hybrides Modell des gesamten Systems zusammengesetzt werden. Anhand von einigen Beispielen wird die Güte der Modellierung bewertet. / Material flow systems are normally built with a modular structure. The behavoir of similar elements only differs by technical parameters (e.g. geometriy), and by different logistic loads of the elements in the system. In this paper, a new model is being developed for a non-blocking system with non-global control rules. The behavior of a flow of a material flow element is assumed not to depend on the conditions of other elements of the system, but only on stochastic processes of the arrival of transportation units. The rate of utilization of an element, the quantiles of the queue lengths at its inputs, and the dispersion of its output stream are statistic characteristics. They depend only on the type of the element, its technical parameters, the parameters of the input streams, and the local transportation matrix. These functional dependencies are not analytically manageable. But due to their properties, neural nets are well suited for numeric approximations of these statistic functions. The single models can be used to compose a hybrid model of the whole system. A few examples show the quality of the new modeling technique.

No description available.

This work is about suggestion of the software for neural network based image segmentation. It defines basic terms for this topics. It is focusing mainly at preperation imaging information for image segmentation using neural network. It describes and compares different aproaches for image segmentation.

Artificiella neurala nätverk (ANN) har ett brett tillämpningsområde och blir allt relevantare på flera håll, inte minst för självkörande fordon. För att träna nätverken användsmeta-algoritmer. Nätverken kan styra fordonen med hjälp av olika typer av indata. I detta projekt har vi undersökt två meta-algoritmer: genetisk algoritm (GA) och gradient descent tillsammans med bakåtpropagering (GD & BP). Vi har även undersökt två typer av indata: avståndssensorer och linjedetektering. Vi redogör för teorin bakom de metoder vi har försökt implementera. Vi lyckades inte använda GD & BP för att träna nätverk att köra fordon, men vi redogör för hur vi försökte. I resultatdelen redovisar vi hur det med GA gick att träna ANN som använder avståndssensorer och linjedetektering som indata. Sammanfattningsvis lyckades vi implementera självkörande fordon med två olika typer av indata. / Artificial Neural Networks (ANN) have a broad area of application and are growing increasingly relevant, not least in the field of autonomous vehicles. Meta algorithms are used to train networks, which can control a vehicle using several kinds of input data. In this project we have looked at two meta algorithms: genetic algorithm (GA), and gradient descent with backpropagation (GD & BP). We have looked at two types of input to the ANN: distance sensors and line detection. We explain the theory behind the methods we have tried to implement. We did not succeed in using GD & BP to train ANNs to control vehicles, but we describe our attemps. We did however succeeded in using GA to train ANNs using a combination of distance sensors and line detection as input. In summary we managed to train ANNs to control vehicles using two methods of input, and we encountered interesting problems along the way.