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 "criterion" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Growth curve functions in modeling the thin-layer drying of corn
    Krzywe wzrostu w modelowaniu procesu suszenia kukurydzy w cienkiej warstwie
    Autorzy:
    Siatkowski, M.
    Weres, J.
    Kujawa, S.
    Szabelska, A.
    Zyprych, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/287022.pdf
    Data publikacji:
    2010
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    Informacyjne Kryterium Akaike
    bayesowskie kryterium informacyjne Schwarza
    krzywe wzrostu
    kukurydza
    modelowanie
    Akaike Information Criterion
    Bayesian Information Criterion
    growth curve models
    corn
    modeling
    R package
    Opis:
    Modeling the thin-layer drying process for corn is described using 37 growth curve functions. The most effective functions were qualified by the application of Akaike Information Criterion and Bayesian Information Criterion. Both criteria showed that the thin-layer drying process for corn was best described by the baroreflex five-parameter function.
    Modelowanie procesu suszenia kukurydzy w cienkiej warstwie zostało opisane przy użyciu 37 krzywych wzrostu. Najlepiej dopasowane krzywe zostały wyłonione w oparciu o Informacyjne Kryterium Akaike oraz Bayesowkie Kryterium Informacyjne Schwarza. Oba współczynniki pokazały, iż proces suszenia kukurydzy w cienkiej warstwie najlepiej odwzorowuje pięcioparametrowa krzywa baroreflex.
    Źródło:
    Inżynieria Rolnicza; 2010, R. 14, nr 6, 6; 89-95
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predictive Modelling for Characterisation of Organics in Pit Latrine Sludge from Unplanned Settlements in Cities of Malawi
    Autorzy:
    Kalulu, K.
    Thole, B.
    Mkandawire, T.
    Kululanga, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/124540.pdf
    Data publikacji:
    2018
    Wydawca:
    Polskie Towarzystwo Inżynierii Ekologicznej
    Tematy:
    Akaike Information Criterion
    biochemical oxygen demand
    chemical oxygen demand
    faecal sludge characteristics
    multiple linear regression model
    Opis:
    The limited availability of data on faecal sludge characteristics remains one of the major challenges faced by developing countries in proper management of faecal sludge. In view of the limited financial resources and expertise in these developing countries, there is a need to come up with less-resource-intensive approaches for faecal sludge characterisation. Despite being used substantially in wastewater, there is limited evidence on the use of predictive modelling as a tool for cost-effective characterisation of faecal sludge. In this study, first order multiple linear regression modelling is investigated as a less-resource-intensive approach for accurate prediction of organics (biochemical oxygen demand and chemical oxygen demand) in pit latrine sludge. The predictor variables explored in the modelling include pH, electrical conductivity, total solids, total volatile solids, fixed solids and moisture content. The modelling uses data collected from 80 latrines in unplanned settlements of four cities in Malawi. The study shows that it is possible to reliably predict chemical oxygen demand and biochemical oxygen demand in pit latrine sludge using electrical conductivity and total solids, which require low levels of resources and expertise to determine.
    Źródło:
    Journal of Ecological Engineering; 2018, 19, 3; 141-145
    2299-8993
    Pojawia się w:
    Journal of Ecological Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A method of precise pulse onset determination using the Akaike Information Criterion for Ultrasound Transmission Tomography
    Autorzy:
    Pruchnicki, Piotr
    Opieliński, Krzysztof J.
    Powiązania:
    https://bibliotekanauki.pl/articles/2146650.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Poznańska. Instytut Mechaniki Stosowanej
    Tematy:
    Akaike Information Criterion
    AIC
    pulse wave
    transmission method
    ultrasound tomography
    kryterium informacyjne Akaike
    fala tętna
    metoda transmisyjna
    tomografia ultradźwiękowa
    Opis:
    Information criteria used in statistics for model selection can be used to accurately determine pulse transition times in transmission methods. The most popular information criteria are the Akaike Information Criterion (AIC) and the Bayesian Schwartz Criterion (BIC). These criteria are considered the most reliable tests of model type and structure and are computationally simple. In this paper, an algorithm developed according to the AIC criterion is used to determine the transition time from transmission tomography measurements acquired with a multi-element ultrasonic ring array, which is the scanning element of the novel prototype of ultrasound tomography device for detecting and estimating the malignancy of female breast cancer in vivo. As a result, a new algorithm was developed to precise search for the onset of the recorded receiving pulse. The algorithm was tested in an aqueous environment using elementary pairs of transmitting and receiving ultrasonic transducers of a tomographic ring array.
    Źródło:
    Vibrations in Physical Systems; 2021, 32, 1; art. no. 2021115
    0860-6897
    Pojawia się w:
    Vibrations in Physical Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ocena czasu poprawnej pracy do uszkodzenia za pomocą Kryterium Informacyjnego Akaike
    The estimation of smooth operation time until failure with the application of the Akaike Information Criterion (AIC)
    Autorzy:
    Kornacki, A.
    Sokołowska, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/301016.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    kryterium informacyjne Akaike
    testowanie hipotez statystycznych
    ciągniki C355-360
    Akaike Information Criterion
    AIC
    statistical hypothesis testing
    C355-360 tractors
    Opis:
    Artykuł przedstawia zastosowanie kryterium informacyjnego Akaike do testowania hipotez dotyczących średnich. Zaprezentowana metoda stanowi alternatywę wobec tradycyjnych metod testowania hipotez o średniej, wymagających ustalenia poziomu istotności. W pracy wykorzystano dane eksperymentalne z rozprawy habilitacyjnej W. Piekarskiego [12], dotyczące czasu pracy ciągników C355-360 do pierwszego uszkodzenia. Przedstawione rezultaty stanowią skuteczne narzędzie umożliwiające wybór odpowiedniego modelu statystycznego wśród modeli dotyczących eksploatacji i niezawodności maszyn.
    The article presents the application of the Akaike Information Criterion (AIC) to test hypothesis concerning mean values. The presented method offers an alternative to traditional hypothesis testing methods requiring the establishment of the significance level. In the article, we used the experimental data from a postdoctoral thesis by W. Piekarski [12] concerning the operation time of C355-360 tractors until the first failure. The obtained results provide a useful tool enabling the choice of a more suitable statistical model from the models relating to the operation and reliability of machines.
    Źródło:
    Eksploatacja i Niezawodność; 2010, 1; 69-76
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Noise Source Identification Method for a Warp Machine Based on MEEMD_AIC
    Metoda identyfikacji źródła hałasu maszyny dziewiarskiej oparta na MEEMD_AIC
    Autorzy:
    Xu, Yang
    Zhang, Ziyu
    Li, Angang
    Sheng, Xiaowei
    Powiązania:
    https://bibliotekanauki.pl/articles/231620.pdf
    Data publikacji:
    2020
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    warp knitting machine
    noise source identification
    modified ensemble empirical mode decomposition
    MEEMD
    Akaike Information Criterion
    maszyna dziewiarska
    źródło hałasu
    zmodyfikowany zespół dekompozycji trybu empirycznego
    kryterium informacyjne Akaike
    Opis:
    In order to recognise the noise source of a warp knitting machine, a method based on Modified Ensemble Empirical Mode Decomposition (MEEMD) and Akaike Information Criterion (AIC) is proposed. The MEEMD_AIC method is applied to measure the noise signal of a warp knitting machine and analyse every single effective component selected. Noise source identification is realised by combining the vibration signal characteristics of the main parts of the warp knitting machine. Firstly, MEEMD is used to decompose the measured noise signal of the warp knitting machine into a finite number of intrinsic mode function (IMF) components. Then, singular value decomposition (SVD) is performed on the covariance matrix of the component matrix to get the eigen value of the matrix. Next, the number of effective components is estimated based on the AIC criterion, and the effective components are selected by combining the energy characteristic index and the Pearson correlation coefficient method. The results show that the noise signal of the warp knitting machine is a mixture of multiple noise source signals. The main noise sources of the warp knitting machine, including the vibration of the pulling roller, the main shaft of the loop forming mechanism and the push rod of the guide bar traverse the mechanism, provide theoretical support for recognition of the active noise reduction of the warp knitting machine using the MEEMD_AIC method.
    W celu rozpoznania źródła szumu maszyny dziewiarskiej zaproponowano metodę rozpoznawania źródła hałasu opartą na zmodyfikowanym zespole dekompozycji trybu empirycznego (MEEMD) i Akaike Information Criterion (AIC). Metodę MEEMD_AIC zastosowano do pomiaru sygnału szumu maszyny dziewiarskiej i do analizy każdego elementu maszyny dziewiarskiej. Identyfikacja źródła hałasu odbywała się poprzez połączenie charakterystyki sygnału wibracji głównych części maszyny dziewiarskiej. Po pierwsze, MEEMD zastosowano do dekompozycji zmierzonego sygnału szumowego maszyny dziewiarskiej na skończoną liczbę elementów składowych funkcji trybu wewnętrznego (IMF). Następnie przeprowadzono rozkład wartości pojedynczej (SVD) na macierz kowariancji macierzy składowej uzyskując wartość własną macierzy. Następnie oszacowano liczbę składników efektywnych na podstawie kryterium AIC, a składniki efektywne wybrano poprzez połączenie wskaźnika charakterystyki energetycznej i metody współczynnika korelacji Pearsona. Wyniki pokazały, że sygnał szumu maszyny dziewiarskiej jest mieszaniną wielu sygnałów źródeł hałasu. Na główne źródło hałasu maszyny dziewiarskiej składają się wibracje wałka ciągnącego oraz hałas głównego wału mechanizmu formowania pętli i popychacza mechanizmu poprzecznego prowadnicy. Przeprowadzona za pomocą metody MEEMD_AIC identyfikacja zapewnia teoretyczne wsparcie dla aktywnej redukcji hałasu dziania.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2020, 3 (141); 55-61
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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