Hodnocení jakosti heterogenních povrchů
Zobrazit minimální záznam
| dc.contributor.advisor |
Pata, Vladimír
|
|
| dc.contributor.author |
Skucius, Marian
|
|
| dc.date.accessioned |
2021-07-26T07:17:56Z |
|
| dc.date.available |
2021-07-26T07:17:56Z |
|
| dc.date.issued |
2021-01-05 |
|
| dc.identifier |
Elektronický archiv Knihovny UTB |
|
| dc.identifier.uri |
http://hdl.handle.net/10563/47224
|
|
| dc.description.abstract |
Diplomová práce se zabývá návrhem a sestavením neuronové sítě pro predikování výsledků parametrů drsnosti u heterogenních povrchů. Současně dokazuje, že jiné statistické metody, především regresní analýzy, v tomto směru selhávají a jejich výsledky nelze spolehlivě použít. K získání potřebných dat pro sestavení neuronové sítě posloužily vzorky vyrobené za použití řezání vodním paprskem. Tento povrch je charakteristický pro svou heterogenitu. Práce popisuje tyto vzorky, parametry jejich vzniku, laboratorní měření, kompletní sestavení neuronové sítě a následné srovnání výsledků s regresními funkcemi. |
|
| dc.format |
81 s |
|
| dc.language.iso |
cs |
|
| dc.publisher |
Univerzita Tomáše Bati ve Zlíně |
|
| dc.rights |
Bez omezení |
|
| dc.subject |
heterogenní povrch
|
cs |
| dc.subject |
drsnost povrchu
|
cs |
| dc.subject |
abrazivní vodní paprsek
|
cs |
| dc.subject |
regresní analýzy
|
cs |
| dc.subject |
neuronové sítě
|
cs |
| dc.subject |
heterogeneous surface
|
en |
| dc.subject |
surface roughness
|
en |
| dc.subject |
abrasive water jet
|
en |
| dc.subject |
regression analysis
|
en |
| dc.subject |
neural networks
|
en |
| dc.title |
Hodnocení jakosti heterogenních povrchů |
|
| dc.title.alternative |
Quality Assessment of Heterogeneous Surfaces |
|
| dc.type |
diplomová práce |
cs |
| dc.contributor.referee |
Kubišová, Milena |
|
| dc.date.accepted |
2021-06-01 |
|
| dc.description.abstract-translated |
This diploma thesis deals with the design and assembly of a neural network for predicting the results of roughness parameters in heterogeneous surfaces. At the same time, it proves that other statistical methods, especially regression analyzes, fail in this direction and their results cannot be used reliably. Samples made using water jet cutting were used to obtain the data needed to assemble the neural network. This surface is characterized by its heterogeneity. The work describes these samples, parameters of their origin, laboratory measurements, complete construction of the neural network and comparison of results with regression functions. |
|
| dc.description.department |
Ústav výrobního inženýrství |
|
| dc.thesis.degree-discipline |
Řízení jakosti |
cs |
| dc.thesis.degree-discipline |
Quality Control |
en |
| dc.thesis.degree-grantor |
Univerzita Tomáše Bati ve Zlíně. Fakulta technologická |
cs |
| dc.thesis.degree-grantor |
Tomas Bata University in Zlín. Faculty of Technology |
en |
| dc.thesis.degree-name |
Ing. |
|
| dc.thesis.degree-program |
Procesní inženýrství |
cs |
| dc.thesis.degree-program |
Process Engineering |
en |
| dc.identifier.stag |
59465
|
|
| utb.result.grade |
A |
|
| dc.date.submitted |
2021-05-11 |
|
Soubory tohoto záznamu
Tento záznam se objevuje v následujících kolekcích
Zobrazit minimální záznam
