Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "neural image analysis" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-10 z 10
    Tytuł:
    Wpływ kompresji barw na działanie neuronowego modelu identyfikacyjnego
    Colour compression impact on operation of a neural identification model
    Autorzy:
    Nowakowski, K.
    Boniecki, P.
    Przybylak, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/288902.pdf
    Data publikacji:
    2010
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    analiza neuronowa obrazu
    ziemniak
    barwa
    neural image analysis
    potato
    colour
    Opis:
    Analiza wrażliwości wytworzonego modelu neuronowego wskazała na kluczową rolę w procesie identyfikacji, informacji o kolorze ziarniaka. postanowiono sprawdzić wpływ kompresji kolorów na jakość działania neuronowego modelu identyfikacyjnego. Zaproponowano dwa autorskie sposoby kompresji informacji o kolorze ziarniaków. Obydwie metody znacząco zmniejszyły rozmiar wektora uczącego. Wyniki działania neuronowego modelu indentyfikacyjnego, w oparciu o zmodyfikowane zbiory uczące, okazały się znacząco gorsze od modelu wytrenowanego na zbiorach uczących zawierających pełną informację o barwie.
    Sensitivity analysis of a developed neural model has indicated key role in the process of identifying information on seed colour. The researchers decided to check the impact of colour compression on quality of neural identification model operation. The authors proposed two own methods allowing to compress information concerning colour of seeds. Both methods significantly reduced the size of teaching vector. Results for the neural identification model operation on the basis of modified teaching sets have proven to be considerably worse than for the model trained using teaching sets containing complete information on colour.
    Źródło:
    Inżynieria Rolnicza; 2010, R. 14, nr 3, 3; 159-164
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Konwersja obrazów cyfrowych do postaci zbiorów uczących dla potrzeb modelowania neuronowego
    Conversion of digital images into the form of teaching sets for the purposes of neural modeling
    Autorzy:
    Przybylak, A.
    Boniecki, P.
    Nowakowski, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/287969.pdf
    Data publikacji:
    2009
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    przetwarzanie obrazu
    analiza obrazu
    piksel
    zbiór uczący
    sieć neuronowa
    image processing
    image analysis
    pixel
    teaching set
    neural network
    Opis:
    Wykorzystanie sztucznych sieci neuronowych na potrzeby analizy obrazu wymaga prawidłowego przygotowania zbiorów uczących. W przypadku pozyskiwania informacji z obrazów cyfrowych konieczna jest ich konwersja do postaci akceptowanej przez sztuczną sieć neuronową. Niezwykle istotne jest, aby do struktury zbioru uczącego trafiły cechy reprezentatywne, pozwalające na poprawne działanie modelu neuronowego. W przedstawionym w pracy systemie użytkownik ma możliwość wyboru danych, które umieści w zbiorze uczącym. W aktualnej wersji systemu mogą to być informacje o barwie, na które składają się: histogram, tekstura oraz składowe modelu RGB.
    Using artificial neural networks for image analysis purposes requires proper preparation of teaching sets. In case of information acquisition from digital images it is necessary to convert them into the form accepted by an artificial neural network. It is extremely important to incorporate representative features allowing correct operation of neural model into the teaching set structure. In the system presented in this work user is able to select data, which will be included in the teaching set. In current system version this may be information on colour, which includes: histogram, texture and the RGB model components.
    Źródło:
    Inżynieria Rolnicza; 2009, R. 13, nr 9, 9; 201-206
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Metodyka badawcza oraz przygotowanie zbiorów uczących dla sieci neuronowych identyfikujących jakość kompostu
    Research methodology and preparation of learning datasets for neural networks identifying compost quality
    Autorzy:
    Jakubek, A.
    Boniecki, P.
    Dach, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/286658.pdf
    Data publikacji:
    2011
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    kompost
    analiza obrazu
    sieć neuronowa
    sztuczna inteligencja
    compost
    image analysis
    neural network
    artificial intelligence
    Opis:
    Nie istnieje tania i szybka metoda określania stopnia dojrzałości kompostu, która mogłaby zostać przeprowadzona przez osobę nie posiadającą doświadczenia w tej dziedzinie. Podjęto zatem próbę jej estymacji wykorzystując jako narzędzie sztuczne sieci neuronowe. Opisana metodyka przestawia kolejne etapy prac badawczych przeprowadzonych w celu pozyskania reprezentatywnych danych do trenowania inteligentnych systemów klasyfikujących.
    There is no cheap and quick method for determining the degree of compost maturity, which could be carried out by a person having no experience in this field. Therefore, there has been an attempt made to estimate it using artificial neural networks as a tool. Described methodology presents subsequent stages of research works carried out in order to acquire representative data for training intelligent classifying systems.
    Źródło:
    Inżynieria Rolnicza; 2011, R. 15, nr 1, 1; 85-90
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neuronowa analiza zdjęć ultrasonograficznych w procesie identyfikacji poziomu zawartości tłuszczu - badania wstępne
    Neural analysis of the ultrasonographic images in the intramuscular fat level content identification process - preliminary research
    Autorzy:
    Przybylak, A.
    Boniecki, P.
    Kozłowski, R. J.
    Ślósarz, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/290911.pdf
    Data publikacji:
    2008
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    zawartość tłuszczu
    ultrasonografia
    analiza obrazu
    sieć neuronowa
    fat content
    ultrasonographic
    image analysis
    neural network
    Opis:
    Rozwiązanie problemu identyfikacji ilości tłuszczu w mięsie, na podstawie informacji zawartej w obrazie ultrasonograficznym wykonanym na żywym zwierzęciu, ma istotne znaczenie utylitarne. W pracy zaproponowano wykorzystanie nowoczesnych metod sztucznej inteligencji, a w szczególności aproksymacyjnych technik sztucznych sieci neuronowych.
    The solution of the problem in the identification process of the quantity of the intramuscular fat, on the basis of contained information in the ultrasonographic photo from living animal, has the essential utilitarian meaning. This paper investigates the utilization of methods of artificial intelligence, in particularly approximation algorithms of artificial neural network models.
    Źródło:
    Inżynieria Rolnicza; 2008, R. 12, nr 6(104), 6(104); 159-165
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The use of neural image analysis in the identification of information encoded in a graphical form
    Wykorzystanie neuronowej analizy obrazów w identyfikacji informacji zakodowanej w formie graficznej
    Autorzy:
    Koszela, K.
    Boniecki, P.
    Kuzimska, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/956540.pdf
    Data publikacji:
    2015
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    identification of class oocytes
    quality classification
    computer image analysis
    image analysis
    artificial neural networks
    identyfikacja klas oocytów
    klasyfikacja jakościowa
    analiza obrazu
    sztuczne sieci neuronowe
    Opis:
    Numerous scientific and research centres are searching for solutions concerning the problem of quality classification of animal oocytes. Conducting such studies is purposeful, particularly in the context of constant attempts to improve the quality of food products, which depends on the breeding value of livestock. Therefore, searching for methods of stimulation of proper development of a larger number of animal oocytes, particularly in extracorporeal conditions, gains special importance. An increasing interest in assisted reproduction techniques resulted in searching for new, increasingly effective methods of quality assessment of mammalian gametes and embryos. The expected progress in the production of animal embryos in vitro is largely dependent on proper classification of obtained oocytes. The aim of this work was to develop a non-invasive method for the quality assessment of oocytes, performed on the basis of graphic information encoded in the form of monochromatic digital images obtained via microscopy techniques. The classification process was conducted based on the information presented in the form of microphotography pictures of domestic pig oocytes, using advanced methods of neural image analysis.
    Rozwiązaniem problemu klasyfikacji jakościowej oocytów zwierzęcych zajmuje się wiele różnych ośrodków naukowo-badawczych. Celowość prowadzenia takich badań jest uzasadniona szczególnie w kontekście ciągłego dążenia do podnoszenia jakości produktów żywnościowych, która jest pochodną wartości hodowlanej zwierząt gospodarskich. W związku z tym, istotnego znaczenia nabierają poszukiwania metod prowadzących do stymulowania prawidłowego rozwoju większej liczby zapładnianych oocytów zwierzęcych, zwłaszcza realizowanego w warunkach pozaustrojowych. Rosnące zainteresowanie technikami wspomaganego rozrodu stało się przyczyną poszukiwania nowych, coraz bardziej efektywnych metod oceny jakościowej gamet oraz zarodków ssaków. Oczekiwany postęp w produkcji zarodków in vitro zwierząt uzależniony jest w istocie od poprawnej klasyfikacji pozyskiwanych oocytów. Celem pracy było opracowanie bezinwazyjnej metody oceny jakościowej oocytów dokonywanej w oparciu o informację graficzną zakodowana w postaci monochromatycznych obrazów cyfrowych pozyskanych metodą mikroskopową. Proces klasyfikacji zrealizowano w oparciu o informację prezentowaną w formie zdjęć mikrofotograficznych oocytów świni domowej, wykorzystując w tym celu nowoczesne metody neuronowej analizy obrazu.
    Źródło:
    Agricultural Engineering; 2015, 19, 3; 25-35
    2083-1587
    Pojawia się w:
    Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wybór reprezentatywnej struktury zbiorów uczących dla potrzeb neuronowych modeli identyfikacyjnych wykorzystywanych w inżynierii rolniczej
    Selection of representative structure of learning sets for purpose of neuron identification models used in agricultural engineering
    Autorzy:
    Nowakowski, K.
    Boniecki, P.
    Weres, J.
    Mueller, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/287545.pdf
    Data publikacji:
    2007
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    reprezentatywne dane uczące
    sieć neuronowa
    analiza obrazu
    inżynieria rolnicza
    agricultural engineering
    representative learning data
    neural network
    image analysis
    Opis:
    Wykorzystanie sztucznych sieci neuronowych do identyfikacji mechanicznych uszkodzeń ziarniaków na podstawie ich fotografii wymaga doboru odpowiednich cech charakterystycznych na podstawie, których zostanie przeprowadzony proces rozpoznawania. Ponieważ stosowanie sieci neuronowych do bezpośredniego mapowania zbiorów graficznych jest nieefektywne, wskazane jest użycie bloku przetwarzania wstępnego, tzw. preprocesora. Zaprojektowanie i wytworzenie właściwego systemu informatycznego dla tak sformułowanego celu pozwoliło na dokonanie transformacji danych pierwotnych (zdjęcia fotograficzne) do reprezentacji danych, która będzie odpowiednia dla wykorzystania w procesie uczenia sieci neuronowej.
    Use of artificial neural networks for identification of the mechanical damages to grains based on photographs requires a selection of appropriate characteristic features in order to conduct a recognition process. Since the application of neural networks for direct mapping of graphic sets is not really effective, it is recommended to use the initial processing block, so called preprocessor. Design and creation of a proper information system for this particular purpose allowed to transform raw data (photographic images) for data representation, appropriate to be used in the learning process of neural network.
    Źródło:
    Inżynieria Rolnicza; 2007, R. 11, nr 6 (94), 6 (94); 183-188
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Computer image analysis and artificial neuron networks in the qualitative assessment of agricultural products
    Komputerowa analiza obrazu i sztuczne sieci neuronowe w ocenie jakościowej produktów rolniczych
    Autorzy:
    Koszela, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/956515.pdf
    Data publikacji:
    2015
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    computer image analysis
    vegetable
    carrot
    quality
    artificial neural networks
    komputerowa analiza obrazu
    warzywa
    marchew
    jakość
    sztuczne sieci neuronowe
    Opis:
    The increasing use of modern information technology in agriculture involves an ever wider range of production, planning, monitoring and marketing processes. Information technologies are being applied in animal and plant production, and recent decades have witnessed a dynamic growth in research into artificial intelligence and thus into advisory (expert) systems such as artificial neuron networks. Obviously this is not the result of a coincidence or a temporary trend, this dynamic development has been made possible thanks to the rapid advancement of computer technology, allowing ever increasing speeds and volumes of data collection and processing. A large number of research-scientific work with the use of computer image analysis, computer-aided decision making and state of the art modelling tools, including artificial neuron networks, is carried out within the scope of agricultural engineering. The computer-aided decision making process in the area of the qualitative assessment of agri-food products is one of those areas using computer image analysis and neuron modelling. The objective of this research project was to develop and describe a computer image analysis method based on the example of carrots and lyophilisation dehydrates for the purpose of the qualitative assessment and classification of individual categories in the analysed sample in terms of quality.
    Zastosowanie coraz bardziej nowoczesnych technologii informatycznych w rolnictwie obejmuje coraz szerszy zakres procesów produkcji, planowania, monitorowania i marketingu. Stosowane techniki informatyczne wykorzystuje się w technologii produkcji zwierzęcej oraz roślinnej. W ciągu ostatnich dekad można zaobserwować dynamiczny rozwój badań nad sztuczną inteligencją, a tym samym nad badaniami w zakresie systemów doradczych (ekspertowych), jak również nad sztucznymi sieciami neuronowymi. Oczywiście nie jest to wynik zbiegu okoliczności czy rezultat chwilowej mody. Ten burzliwy rozwój jest możliwy dzięki szybkiemu postępowi techniki komputerowej, która umożliwia zapamiętywanie coraz większej liczby danych oraz coraz szybsze jej przetwarzanie. Duża liczba prac badawczo-naukowych z wykorzystaniem komputerowej analizy obrazów, komputerowego wspomagania decyzji i nowoczesnych narzędzi modelowania, jakimi są sztuczne sieci neuronowe, realizowana jest w ramach inżynierii rolniczej. Jednym z obszarów wykorzystywania komputerowej analizy obrazów i modelowania neuronowego jest wspomaganie podejmowania decyzji w zakresie oceny jakościowej produktów rolno-spożywczych. Celem projektu badawczego było opracowanie i charakterystyka metody komputerowej analizy obrazów na przykładzie korzeni marchwi oraz suszu liofilizacyjnego do oceny jakościowej i klasyfikacji poszczególnych klas w badanej próbie pod względem jakości.
    Źródło:
    Agricultural Engineering; 2015, 19, 3; 15-24
    2083-1587
    Pojawia się w:
    Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sieci neuronowych do zliczania owadobójczych nicieni
    Using neural networks to count insecticidal nematoda
    Autorzy:
    Chojnacki, J.
    Tomkiewicz, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/289950.pdf
    Data publikacji:
    2008
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    biologiczny środek ochrony roślin
    nicienie
    komputerowa analiza obrazu
    sieć neuronowa
    biological plant pesticide
    Nematoda
    computer image analysis
    neural network
    Opis:
    Przeprowadzono badania nad wykorzystaniem sieci neuronowych w komputerowej analizie obrazu do zliczania owadobójczych nicieni. Został opracowany klasyfikator składający się z sieci neuronowej, który na podstawie wektora cech otrzymanych z obrazu klasyfikował obiekty na zdjęciu określając z czy obiekty są nicieniami i z jakiej ilości nicieni się składają. W celu optymalnego wyboru wektora cech zastosowano metodę Optimal Brain Surgeon.
    The scope of the research involved studies on applying neural networks in computer image analysis for the purposes of counting insecticidal nematoda. The researchers developed a classifier consisting of a neural network, and classifying objects shown on a photo according to the vector of characteristics obtained from the image. Thus, the classifier was determining whether the objects were nematoda and how many nematoda they contained. The Optimal Brain Surgeon method was employed in order to ensure optimal selection of characteristics vector.
    Źródło:
    Inżynieria Rolnicza; 2008, R. 12, nr 11(109), 11(109); 39-45
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ liczby zmiennych na jakość działania neuronowego modelu do identyfikacji mechanicznych uszkodzeń ziarniaków kukurydzy
    The impact of the number of variables on the operation quality of neuron model for identifying mechanical damage of corn seeds
    Autorzy:
    Nowakowski, K.
    Boniecki, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/290908.pdf
    Data publikacji:
    2008
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    kukurydza
    uszkodzenie mechaniczne
    identyfikacja
    reprezentatywne dane uczące
    sieć neuronowa
    analiza obrazu
    maize
    mechanical damage
    identifying
    representative teaching data
    neural network
    image analysis
    Opis:
    Wykorzystanie sztucznych sieci neuronowych do identyfikacji mechanicznych uszkodzeń ziarniaków, prezentowanych w postaci fotografii, wymaga doboru odpowiednich cech charakterystycznych, na podstawie których zostanie przeprowadzony proces rozpoznawania. Wybór danych można zweryfikować wykorzystując narzędzie analizy wrażliwości sieci. Dzięki jego zastosowaniu można ocenić poziom istotności poszczególnych cech charakterystycznych i sprawdzić czy wszystkie wcześniej wybrane zmienne są niezbędne w procesie uczenia.
    Using of artificial neuron networks for identifying mechanical damage of seeds presented on photographs requires selection of proper characteristics, which can be the basis for identification process. Data choice can be verified by using the instrument of network sensitivity analysis. Thanks to its use the significance level of particular characteristics can be evaluated, and it may be verified if all selected variables are essential in the learning process.
    Źródło:
    Inżynieria Rolnicza; 2008, R. 12, nr 6(104), 6(104); 151-157
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Innowacyjna metoda rozpoznawania wybranych cech jakościowych nasion z wykorzystaniem analizy obrazu i sztucznych sieci neuronowych (SSN)
    Innovative method for identifying selected qualitative characteristics of seeds using image analysis and artificial neural networks (ANN)
    Autorzy:
    Szwedziak, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/288227.pdf
    Data publikacji:
    2009
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    analiza obrazu
    RGB
    Leaf
    sztuczna sieć neuronowa
    SSN
    cechy jakościowe
    nasiona
    ocena sensoryczna
    magazynowanie
    image analysis
    artificial neural network
    qualitative characteristics
    seeds
    sensory assessment
    storage
    Opis:
    Badanie cech jakościowych ma coraz większe znaczenie ze względu na ustalenie ceny skupu oraz ze względu na dalsze przeznaczenie nasion. Po wejściu Polski do Unii Europejskiej surowce i produkty końcowe muszą sprostać wymogom stawianym przez pozostałe kraje członkowskie. Ważnym problemem współczesnego rolnictwa zrównoważonego jest produkcja nasion oraz produktów o odpowiednich parametrach jakościowych. Dotychczasowe badania dowodzą, że zarówno technologia zbioru, warunki transportu i suszenia a także przechowywanie wywierają wpływ na jakość nasion, warunkując ich przydatność dla przemysłu. Zadaniem przemysłu zbożowego jest, oprócz przetwórstwa, także odpowiednie zabezpieczenie w czasie magazynowania, aby zachować odpowiednie właściwości i walory smakowe nasion. W związku z tym istnieje konieczność ciągłej kontroli produktów jak również surowców magazynowanych. Przemysł rolno - spożywczy dysponuje jedynie metodami opartymi na ocenie sensorycznej, wykorzystującej narządy zmysłu. Metoda ta jest bardzo czasochłonna i pracochłonna. Poszukiwanie innowacyjnych metod pozwala na wdrożenie do przemysłu rolno - spożywczego technik opartych na komputerowej analizie obrazu i sztucznych sieci neuronowych. Założono zatem, że korzystając z komputerowej analizy obrazu oraz przygotowanej w tym celu aplikacji do przetwarzania i analizowania pozyskanych obrazów cyfrowych, wykorzystując model rozpoznawania barw RGB, pozwoli na szybkie uzyskiwanie wyników. Ma to znaczenie w czasie skupu zbóż do magazynów, w celu określenia wstępnej jakości przyjmowanych nasion pod względem zanieczyszczeń, co w konsekwencji prowadzi do ustalenia ceny skupowanego materiału. Drugim aspektem wykorzystania tej metody jest kontrola jakości przechowywanego ziarna w magazynach. Opracowanie takiej metody pozwoli na szybkie uzyskanie wyników z pominięciem czasochłonnych prac laboratoryjnych. Dodatkowym elementem pracy jest porównanie metody tradycyjnej z metodą komputerowej analizy obrazu. Do porównania wykorzystano sztuczne sieci neuronowe.
    Examination of qualitative characteristics becomes more and more important for fixing purchase price and due to further use of seeds. Following Poland accession to the European Union, raw materials and final products must meet requirements set by other member states. An important issue in modern sustainable agriculture is the production of seeds and products possessing suitable qualitative parameters. Studies completed to date prove that harvesting technology, transport and drying conditions, and storage affect seeds quality, thus conditioning their usability for industry. Besides processing, grain industry is expected to provide adequate protection during storage so as to ensure suitable properties and taste quality of seeds. As a result of this, it is necessary to provide continuous control of products and stored materials. Agricultural and food industry has at its disposal methods based on sensory assessment only, using sense organs. This method is highly timeconsuming and labour absorbing. Search for innovative methods allows to introduce techniques based on computerised image analysis and artificial neural networks in agricultural and food industry. It has been assumed then that using computerised image analysis and specially prepared for this purpose application for processing and analysis of obtained digital images with help of the RGB colour identification model will allow to obtain results quickly. This is important when purchasing grain for stores in order to determine initial quality of accepted seeds as regards impurities, which consequently leads to determining purchased material price. Another aspect of using this method is quality control for grain kept in stores. Development of such method will allow to obtain results quickly, omitting time-consuming laboratory works. An additional element in this paper is comparing conventional method to computerised image analysis method. Artificial neural networks have been used for comparison.
    Źródło:
    Inżynieria Rolnicza; 2009, R. 13, nr 4, 4; 7-52
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-10 z 10

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies