International audienceIn order to prevent bone fractures due to disease and ageing of the population, and to detect problems while still in their early stages, 3D bone micro architecture needs to be investigated and characterized. Here, we have developed various image processing and simulation techniques to investigate bone micro architecture and its mechanical stiffness. We have evaluated morphological, topological and mechanical bone features using artificial intelligence methods. A clinical study is carried out on two populations of arthritic and osteoporotic bone samples. The performances of Adaptive Neuro Fuzzy Inference System (ANFIS), Support Vector Machines (SVM) and Genetic Algorithm (GA) in classifying the different samples have been compared. Results show that the best separation success (100 %) is achieved with Genetic Algorithm
Pneumonia is one of the most common and fatal diseases in the world. Early diagnosis and treatment are important factors in reducing mortality caused by the aforementioned disease. One of the most important and common techniques to diagnose pneumonia disease is the X‐ray images. By evaluating these images, various machine‐learning methods are used for accuracy in diagnosis. The presented study in this article utilizes machine‐learning techniques to evaluate these X‐ray images. The diagnosis of pediatric pneumonia is classified with a proposed machine learning method by using the chest X‐ray images. The proposed system firstly utilizes a two‐dimensional discrete wavelet transform to extract features from images. The features obtained from the wavelet method are labeled as normal and pneumonia and applied to the classifier for classification. Besides, Random Forest algorithm is used for the classification technique of 5856 X‐ray images. A 10‐fold cross‐validation method is used to evaluate the success of the proposed method and to ensure that the system avoided overfitting. By using various machine learning algorithms, simulation results reveal that the Random Forest method is proposed and it gives successful results. Results also show that, at the end of the training and validation process, the proposed method achieves higher success with an accuracy of 97.11%.
Railway electrification systems are designed with regard to the operating data and design parameters. The minimum voltage rating required by traction during the operation should be provided. The maximum voltage drop on a line determines the minimum traction voltage. This voltage should be maintened within certain limits for the continuity of operation. In this study, the maximum voltage drop generated via traction was determined using artificial neural network (ANN) and adaptive neuro-fuzzy inference system (ANFIS) for a 25-kV AC-supplied railway. The voltage drop on line was calculated with regard to the operating data using ANN and ANFIS. ANN and ANFIS were explained, and the results were compared. The Levenberg-Marquardt (LM) algorithm was used for the ANN model. The LM algorithm is preferred because of the speed and stability it provides for the training of ANNs. The data created for one-way supply status were examined for simulation.
Adaptive Neuro-Fuzzy Inference System (ANFIS) is one of the useful and powerful neural network approaches for the solution of function approximation and pattern recognition problems in the last decades. In this paper, the diagnosis of renal failure disease is investigated using ANFIS approach. Totally the raw data of 112 patients is obtained from Istanbul and Cerrahpasa Medical Faculties of Istanbul University, Turkey. Sixty-four of them are related to renal failures and the rest data belong to healthy persons. In ANFIS model, three rules and Gaussian membership functions are chosen, where rules are determined by the subtractive clustering method. Seven parameters of the patients are considered for the input of the system. These are: Blood Urea Nitrogen (BUN), Creatinine, Uric Acid, Potassium (K), Calcium (Ca), Phosphorus (P) and age. We try to decide whether the patient is ill or not. We have reached 100% success in ANFIS and have better results compared to Support Vector Machine (SVM) and Artificial Neural Networks (ANN).
Bu çalışmada, 1500 V DC beslemeli bir raylı sistemde cer gücünün meydana getirdiği gerilim düşümünün maksimum değeri Yapay Sinir Ağları (YSA) ve Destek Vektör Makineleri (DVM) yardımıyla belirlenmiştir. YSA ve DVM yöntemleriyle hatta oluşan gerilim düşümü işletmesel parametrelere bağlı olarak hesaplanmıştır. YSA ve DVM teknikleri açıklanarak elde edilen sonuçlar karşılaştırılmıştır. YSA modeli için levenberg marquardt (LM) algoritması kullanılmıştır. Levenberg-Marquardt algoritması yapay sinir ağlarının eğitiminde sağladığı hız ve kararlılık nedeni ile tercih edilmektedir. Raylı sistemlerde elektrifikasyon sistemi işletmesel verilere ve hat parametrelerine bağlı olarak tasarlanmaktadır. Elektrifikasyon sistemi oluşturulurken işletme esnasında cer gücünün gereksinimi olan minimum besleme gerilim değerinin sağlanması gerekmektedir. Cer gücü geriliminin en düşük değerini hatta oluşan gerilim düşümünün en yüksek değeri belirlemektedir. Bu değerin işletme sürekliliği için belirli limitler içinde tutulması gerekmektedir. Benzetim için tek yönlü ve çift yönlü beslenme durumlarına ait oluşturulan veriler incelenmiştir. Bu çalışma ile demiryolu elektrifikasyon sistemine ait cer gücü simülasyonuna ait sonuçlar yapay zeka yoluyla tahmin edilmektedir. Bu sayede sisteme ait değişkenler farklı olsa dahi tekrar tekrar benzetim yapılmasının önüne geçilmektedir. Tasarlanan sistem ile %95 üzeri başarı oranı elde edilmiştir.
ÖzBu çalışmada elektrikli araçlarda kullanılmak üzere yüksek verimli, güç yoğunluğu yüksek, çevresel etkilerden mümkün olduğunca az etkilenen bir fırçasız doğru akım motorunun tasarımı gerçekleştirilmiş ve bu alanda uluslararası düzeyde rekabet edebilecek, öncelikli olarak elektrikli araç yarışlarında yeni bir bakış açısı ile elektrikli motorların en büyük sıkıntısı olan negatif yönde indüklenen gerilimi azaltmaya yönelik çalışmalara yer verilmiştir. Stator ve rotor arasındaki mesafeyi değiştirerek motorun nominal değerlerini değiştirmek hedeflenmiştir. Elde edilen sonuçlar, çalışmada anlatılan yöntemin dünyada yaygın olarak kullanılan fırçasız doğru akım motorlarının yüksek hız uygulamalarında da kullanılmasını sağlayabileceğini göstermiştir. Anahtar Kelimeler"Fırçasız Doğru Akım Motoru, Zıt Elektromotor Kuvvet, Kalıcı Mıknatıs, Elektromanyetik Tasarım, Ters İndüklenme" AbstractThis study was included in the design of the brushless direct current motor that for the using in electric vehicles which has high efficiency and high power density, little affected by environmental factors and priority was given to a new perspective with the largest shortage of electric motors, and it is devoted to efforts to reduce the voltage induced in the negative direction to compete at the international level in this area. Changing the distance between stator and rotor is targeted to change the motor nominal value.The obtained results have shown that the method used in the study also provides the use in high speed applications commonly used brushless direct current motors. Key WordsBrushless Direct Current Motor, Back Electromotive Force, Permanent Magnet, Elektromangnetic Design , Back Induction 1.GİRİŞDoğru akım motorları endüstriyel uygulamalarda yaygın olarak kullanılmaktadır. Fırçalı modellerin bazı alanlarda kullanımının kısıtlı olması Fırçasız Doğru Akım Motorlarının öne çıkmasını sağlamıştır. Fırçalı tipteki motorların sürekli olarak bakıma ihtiyaç duyması, değişken koşullarda ve sürekli kullanılan alanlarda dezavantaj sağlamaktadır. Bu sebeple fırçasız doğru akım motorlarının geniş kullanım alanları vardır. Fırçasız doğru akım motorları yüksek performans değerleri ile ön plana çıkmaktadır. Yüksek moment ve eylemsizlik gerektiren uygulamalarda, dış rotorlu tipi olan fırçasız doğru akım motorları kullanılmaktadır. Araç silecek motoru, otomatik camlar, robotik, jeneratör, elektrikli araçlar, insansız hava araçları, beyaz eşya sektörü gibi birçok alanda bu tipteki motorlar kullanılmaktadır (Yedemale, 2003). Dış rotorlu uygulamalarda motor koruması ve sarsıntılara karşı görülen direnç gibi çeşitli dezavantajlar olmasına rağmen momentin doğrudan aktarımını (direct drive) sağlamaları nedeniyle
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.