Baza Publikacji Pracowników Politechniki Lubelskiej

Status:
Warianty tytułu:	Zastosowanie konwolucyjnych sieci neuronowych w identyfikacji zawilgoceń ścian budynków metodą EIT
Autorzy:	Kłosowski Grzegorz, Rymarczyk Tomasz
Dyscypliny:
	Aby zobaczyć szczegóły należy się zalogować.
Rok wydania:	2022
Wersja dokumentu:	Drukowana \| Elektroniczna
Język:	angielski
Numer czasopisma:	1
Wolumen/Tom:	12
Strony:	20 - 23
Efekt badań statutowych	NIE
Materiał konferencyjny:	NIE
Publikacja OA:	TAK
Licencja:
Sposób udostępnienia:	Witryna wydawcy
Wersja tekstu:	Ostateczna wersja opublikowana
Czas opublikowania:	W momencie opublikowania
Data opublikowania w OA:	31 marca 2022
Abstrakty:	angielski \| polski
	The article presents the results of research in the area of using deep neural networks to identify moisture inside the walls of buildings using electrical impedance tomography. Two deep neural networks were used to transform the input measurements into images of damp p laces - convolutional neural networks (CNN) and recurrent long short - term memory networks LSTM. After training both models, a comp arative assessment of the results obtained thanks to them was made. The conclusions show that both models are highly utilitarian in the analyzed problem . However, slightly better results were obtained with the LSTM method.
	W artykule przedstawiono rezultaty badań w obszarze wykorzystani a głębokich sieci neuronowych do identyfikacji zawilgoceń wewnątrz ścian budynków przy użyciu elektrycznej tomografii impedancyjnej. Do przekształcenia pomiarów wejściowych na obrazy przedstawiające zawilgocone miejsca użyto dwóch rodzajów głębokich sieci neuronowych – konwolucyjne sieci neuronowe (CNN) i rekurencyjne sieci typu LSTM. Po wytrenowaniu obu modeli dokonano oceny porównawczej uzyskanych dzięki nim rezultatów. Wnioski wskazują na dużą utylitarność obu modeli w badanej problematyce , jednak nieco lepsze rezultaty uzyskano dzięki metodzie LSTM.

Informacja o cookies

Application of Convolutional Neural Networks in Wall Moisture Identification by Eit Method

Artykuł w czasopiśmie