006 Spezielle Computerverfahren
Refine
Document Type
Year of publication
- 2000 (2)
Language
- German (2)
Has Fulltext
- yes (2)
Is part of the Bibliography
- yes (2)
Ein künstliches neuronales Netz (KNN) ist dem biologischen neuronalen Netz, wie es z. B. im menschlichen Gehirn vorliegt, nachempfunden. Dieses besteht aus 10^10 bis 10^11 Nervenzellen (Neuronen), wobei jeweils eine mit 10^3 bis 10^4 anderen Zellen verbunden ist. Eine Zelle besteht u. a. aus dem Zellkörper mit Zellkern, Dendriten und Synapsen. Über die Dendriten erhält die Zelle elektrische Impulse, die im Zellkern aufsummiert werden. Wird ein Schwellwert (engl. bias) überschritten, so wird ein Signal über die Synapsen an andere Neuronen gesendet. Analog enthält ein KNN „künstliche“, formal-mathematische Neuronen, die in Schichten (engl. layer) angeordnet und über Synapsen nach bestimmten Regeln miteinander verknüpft sind. Durch die Vielzahl von Verknüpfungsmöglichkeiten ergeben sich eine Vielzahl von KNN-Typen und -Anwendungen. In dieser Arbeit werden das Funktionsprinzip des formalen Neurons, wichtige Netztypen und KNN-Anwendungen in der Wärmeübertragung besprochen.
An artificial neural network (ANN) type multilayerperceptron with sigmoid activation function and errorbackpropagation learning algorithm was applied to predict heat transfer performances in a wide range of pressure and wall superheat at bubble boiling in free convection of two single component systems. For both systems the ANN prediction results were compared with the commonly used conventional correlation and gave in one case a comparable in the other a better accuracy. To improve the accuracy of ANN prediction it is possible to use interpolated experimental data for training and to optimise the network configuration.