Pregled bibliografske jedinice broj: 140017
Izbor optimalnog backpropagation neural network modela za procjenu uklanjanja metalnih iona elektropećnom troskom
Izbor optimalnog backpropagation neural network modela za procjenu uklanjanja metalnih iona elektropećnom troskom // TMT 2003 / Joan Vivancos, Calvet ; Ferran, Puerta Sales ; Sabahudin, Ekinovic ; Safet, Brdarevic (ur.).
Zenica, 2003. str. 1121-1124 (predavanje, međunarodna recenzija, cjeloviti rad (in extenso), znanstveni)
CROSBI ID: 140017 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Izbor optimalnog backpropagation neural network modela za procjenu uklanjanja metalnih iona elektropećnom troskom
Autori
Lisjak, Dragutin ; Ćurković, Lidija ; Rastovčan-Mioč, Alenka
Vrsta, podvrsta i kategorija rada
Radovi u zbornicima skupova, cjeloviti rad (in extenso), znanstveni
Izvornik
TMT 2003
/ Joan Vivancos, Calvet ; Ferran, Puerta Sales ; Sabahudin, Ekinovic ; Safet, Brdarevic - Zenica, 2003, 1121-1124
Skup
7th International research/expert conference "Trends in the development of machinery and associated technology"
Mjesto i datum
Barcelona, Španjolska; Lloret de Mar, Španjolska, 15.09.2003. - 17.09.2003
Vrsta sudjelovanja
Predavanje
Vrsta recenzije
Međunarodna recenzija
Ključne riječi
bacpropagation neuronske mreže; elektropećna troska; sorpcija
(backpropagation neural network; electric furnace slag; sorption)
Sažetak
Na temelju eksperimentalnih podataka vezanja iona Co2+ i Ni2+ iz vodene otopine pomoću elektropećne troske dobivene u procesu proizvodnje vatrootpornog čeličnog lijeva (DIN oznake G-X 40 CrNiSi 25 20) i niskolegiranog čeličnog lijeva (prema kemijskoj analizi legiranog sa Cr, Mo i Ni), a zbog relativno malog broja podataka medelirano je pet različitih backpropagation modela neuronskih mreža za procjenu količine vezanja navedenih metalnih iona iz vodene otopine. Rezultati procjena vezanja metalnih iona pojedinih Neural Network modela uspoređivani su s obzirom na Normalized Root Mean Square Error (NRMSE) te je izabran model koji ima najniži NRMSE. Izabrani Neural Network model uspoređen je preko Mean Square Error (MSE) sa multivarijabilnom linearnom regresijom i to za eksperimentalne podatke na kojima mreža nije učila, a multivarijabilna linearna regresija nije bila provedena.
Izvorni jezik
Engleski
Znanstvena područja
Strojarstvo
