Bc. Josef Kocháň

Master's thesis

Aplikace perceptonových neuronových sítí pro hodnocení jakosti povrchů získaných progresivní technologií

Application of Percepton Neural Networks for Evaluation of Surface Quality Obtained by Progressive Technology
Abstract:
Cílem této diplomové práce je sestavit a naučit neuronovou síť predikovat výsledky heterogenního povrchu, který vznikl za pomoci technologie obrábění vodním paprskem s příměsí abraziva a následný důkaz, že statistické vyhodnocení, za využití nástrojů regresní analýzy není zcela správné. Zkoumané vzorky se od sebe odlišují jakostí povrchu, díky změnám řezných podmínek, přesněji řečeno změnám řezné rychlosti …more
Abstract:
The goal of this diploma thesis is to compile and learn the neural network to predict the results of the heterogenous surface which was created by the water jet machining technology with abrasive admixture and following evidence that statistical evaluation, using the tools of regresion analysis is not completely correct. The investigated samples differs by the surface quality thanks to the changes …more
 

Keywords

neuronová síť regresní analýza statistické hodnocení povrchu
 
Language used: Czech
Date on which the thesis was submitted / produced: 13. 5. 2022

Thesis defence

  • Supervisor: prof. Dr. Ing. Vladimír Pata

Citation record

Cite this text
The right form of listing the thesis as a source quoted

Kocháň, Josef. Aplikace perceptonových neuronových sítí pro hodnocení jakosti povrchů získaných progresivní technologií. Zlín, 2022. diplomová práce (Ing.). Univerzita Tomáše Bati ve Zlíně. Fakulta technologická

Full text of thesis

Contents of on-line thesis archive
Published in Theses:
  • autentizovaným zaměstnancům ze stejné školy/fakulty
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Univerzita Tomáše Bati ve Zlíně, Fakulta technologická
Plny text prace je k dispozici v elektronicke podobe
https://portal2.utb.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=62043 Reference to the local database file of the institution