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 "Marciniak, A" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Probabilistyczne modele zjawisk przestrzennych w rolnictwie
    Probabilistic models of spatial phenomena in agriculture
    Autorzy:
    Marciniak, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/291394.pdf
    Data publikacji:
    2009
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    system informacji przestrzennej
    GIS
    probabilistyczna predykcja
    probabilistyczna interpolacja
    obiekt przestrzenny
    sieci bayesowskie
    probabilistic prediction
    approximation prediction
    spatial objects
    Bayesian networks
    Opis:
    Niepewność, zarówno stochastyczna jak i epistemiczna, obecna w modelach zjawisk czaso-przestrzennych w rolnictwie uzasadnia zastosowanie metod probabilistycznych predykcji, wyjaśnianiu i aproksymacji obiektów przestrzennych. Z metodologicznego, obliczeniowego i inferencyjnego punktu widzenia odpowiednią technologią modelowania są tu sieci bayesowskie traktowane jako systemy reprezentacji wiedzy. W takim ujęciu modelowanie sprowadza się do translacji wiedzy z języka naturalnego na formalny i wykonywalny język sieci bayerowskich. Logiczną spójność i efektywność takiego rozumienia procesu modelowania pokazano na przykładzie budowy modelu aproksymacji i predykcji plonu pszenicy.
    Uncertainty, both stochastic and epistemic, occurring in models of space-time phenomena in agriculture justifies application of probabilistic methods in predication, clarifying and approximation of spatial objects. From methodological, computational and inferential point of view, in this case proper modelling technologies include Bayesian networks treated as knowledge representation systems. From this perspective modelling comes down to translation of knowledge from natural language to formal and executable language of Bayesian networks. Logical coherence and effectiveness of this definition of modelling process is shown on the example of building a model of wheat crop approximation and prediction.
    Źródło:
    Inżynieria Rolnicza; 2009, R. 13, nr 5, 5; 193-199
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Eksploracyjna analiza i modelowanie procesu ekstruzji błyskawicznych makaronów pełnoziarnistych
    Exploratory analysis and modeling of extrusion-cooking process of precooked whole wheat pasta products
    Autorzy:
    Wójtowicz, A.
    Marciniak, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/290522.pdf
    Data publikacji:
    2010
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    makaron pełnoziarnisty
    ekstruzja
    modelowanie
    sieci bayesowskie
    whole wheat pasta
    extrusion-cooking
    modeling
    Bayesian networks
    Opis:
    W pracy przedstawiono możliwości zastosowania sieci bayerowskich do analizy eksploracyjnej i modelowania procesu ekstruzji makaronów błyskawicznych. Wykrywanie i modelowanie zależności pomiędzy parametrami procesu i produktu przeprowadzono za pomocą trzech algorytmów uczenia maszynowego na danych empirycznych uzyskanych podczas procesu wytwarzania makaronów błyskawicznych: MST, Taboo oraz SopLEQ. Otrzymana topologia sieci była zgodna z przewidywaną strukturą zależności wewnątrzprocesowych pomiędzy parametrami procesu a cechami produktu, a oszacowane warunkowe rozkłady prawdopodobieństwa umożliwiły poprawne wnioskowanie predykcyjne i diagnostyczne.
    The paper presents application of Bayesian Network to exploratory analysis and modeling of extrusion-cooking process of precooked wholewheat pasta products. For knowledge discovery in extrusion process data and modeling interdependencies of process and product parameters there were used machine learning methods available in BayesiaLab BN modeling system: MST, Taboo and SopLEQ. Resulted BN topology and conditional probability distributions assured satisfied accuracy of both predictive and diagnostic reasoning.
    Źródło:
    Inżynieria Rolnicza; 2010, R. 14, nr 7, 7; 237-244
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Implementation of computation process in a bayesian network on the example of unit operating costs determination
    Implementacja procedury obliczeniowej w sieci bayesowskiej na przykładzie wyznaczania jednostkowych kosztów eksploatacji
    Autorzy:
    Kusz, A.
    Marciniak, A.
    Skwarcz, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/1365961.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    agricultural machinery operation
    computing processes
    unit operating costs
    Bayesian networks
    eksploatacja maszyn rolniczych
    procesy obliczeniowe
    jednostkowe koszty eksploatacji
    sieci bayesowskie
    Opis:
    In technical systems understood in terms of Agile Systems, the important elements are information flows between all phases of an object existence. Among these information streams computation processes play an important role and can be done automatically and also in a natural way should include consideration of uncertainty. This article presents a model of such a process implemented in a Bayesian network technology. The model allows the prediction of the unit costs of operation of a combine harvester based on the monitoring of dependent variables. The values of the decision variables representing the parameters of the machine’s operation and the intensity and the conditions for its operation, are known to an accuracy, which is defined by a probability distribution. The study shows, using inference mechanisms built into the network, how cost simulation studies of various situational options can be carried out.
    W systemach technicznych rozumianych w kategoriach Agile Systems istotnym elementem są przepływy informacyjne pomiędzy wszystkimi fazami istnienia obiektu. Pośród tych strumieni informacyjnych istotną rolę odgrywają procesy obliczeniowe, które mogą być realizowane automatycznie a ponadto w naturalny sposób powinny umożliwiać uwzględnienie niepewności. W artykule przedstawiono przykład takiego procesu realizowanego w technologii sieci bayesowskiej. Model umożliwia predykcję jednostkowych kosztów eksploatacji kombajnu zbożowego na podstawie monitorowania wielkości zmiennych od których one zależą. Wartości zmiennych decyzyjnych reprezentujących parametry pracy maszyny oraz intensywność i warunki jej eksploatacji są znane z dokładnością do rozkładu prawdopodobieństwa. W pracy pokazano w jaki sposób wykorzystując mechanizmy wnioskowania wbudowane w sieci można prowadzić symulacyjne badania kosztów w różnych wariantach sytuacyjnych.
    Źródło:
    Eksploatacja i Niezawodność; 2015, 17, 2; 266-272
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie syntezy działań ochronnych w rolniczym procesie produkcyjnym
    Modelling a protective action synthesis for the agricultural producution process
    Autorzy:
    Maksym, P.
    Marciniak, A. W.
    Kusz, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/292152.pdf
    Data publikacji:
    2011
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    rolniczy proces produkcyjny
    działanie prewencyjno-interwencyjne
    wspomaganie komputerowe
    proces decyzyjny
    sieci bayesowskie
    agricultural production process
    prevention activities
    intervention activities
    computer aiding
    decision-making processes
    Bayesian networks
    Opis:
    W artykule przedstawiono metodę modelowania problemów decyzyjnych, polegającą na syntezie działań prewencyjno-interwencyjnych w rolniczym procesie produkcyjnym. W zależności od spektrum zagrożenia, zbiór działań musi spełniać szereg ograniczeń wynikających z ich stosowania, pilności i wykonalności. Ostatecznym kryterium wyboru działania jest wynik predykcji straty plonu. Przedstawioną koncepcję budowy modelu oparto na technologii sieci bayesowskich.
    The article presents a method of modelling decision problems which is based on a synthesis of prevention and intervention activities in the agricultural production process. Depending on the threat spectrum, the set of actions must comply with a number of limitations arising from their use, urgency and feasibility. The final criterion for the choice of action is the result of the yield loss prediction. The concept of building a model presented in the article is based on Bayesian network technology.
    Źródło:
    Inżynieria Rolnicza; 2011, R. 15, nr 4, 4; 213-220
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sieci bayesowskich do modelowania rolniczego procesu produkcyjnego
    Application of Bayesian networks in modeling of agricultural production process
    Autorzy:
    Maksym, P.
    Marciniak, A. W.
    Kostecki, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/287765.pdf
    Data publikacji:
    2006
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    systemy reprezentacji wiedzy rolniczej
    modelowanie
    proces produkcyjny
    sieci bayesowskie
    reguły modularyzacji i kompozycji
    agricultural knowledge representation systems
    production process
    modeling
    Bayesian networks
    modularization and composition rules
    Opis:
    Zastosowanie sieci bayesowskich do modelowania rolniczego procesu produkcyjnego oraz wspomagania decyzji odnośnie wyboru działań produkcyjnych przedstawiono z perspektywy budowania komputerowych systemów reprezentacji wiedzy. Metodykę budowania modeli sprowadzono do projektowania odpowiednich modułów rozpoznawania i predykcji i łączenia ich według określonych reguł. Zaproponowaną metodę omówiono na przykładzie modelowania produkcji pszenicy ozimej.
    Problem of agricultural production modeling with Bayesian Networks is discussed from the perspective of building knowledge representation systems in agricultural domain. Universal conceptualization schema of acting in changing and uncertain environments as cognitive cycles, implies the need of two elementary modules of BN, namely the recognition (diagnostic) and prediction module. Building BN model of agricultural production process can be decomposed into the design of elementary modules repository and then appropriate composing entire models with modules. Conceptualization and design of diagnostic and predictive modules, and then their linkage rules was shown on the examples concerned winter wheat production.
    Źródło:
    Inżynieria Rolnicza; 2006, R. 10, nr 12(87), 12(87); 321-330
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie problemów decyzyjnych w integrowanym systemie produkcji rolniczej
    Decision process modelling in the integrated agricultural production system
    Autorzy:
    Hołaj, H.
    Kusz, A.
    Maksym, P.
    Marciniak, A. W.
    Powiązania:
    https://bibliotekanauki.pl/articles/286833.pdf
    Data publikacji:
    2011
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    produkcja rolnicza
    modelowanie zagrożeń
    integrowanie źródeł informacji
    wspomaganie procesów decyzyjnych
    sieci bayesowskie
    agricultural production
    modeling threats
    integration of information sources
    supporting decision-making processes
    Bayesian networks
    Opis:
    W artykule przedstawiono metodę modelowania problemu oceny zagrożenia w rolniczym procesie produkcyjnym i doboru konkretnego środka ochrony oraz wielkości adekwatnej dawki w integrowanym rolniczym procesie produkcyjnym. Podstawą decyzji jest diagnoza generatywna oparta o rozkład prawdopodobieństwa określony nad zbiorem możliwych decyzji. Pokazano w jaki sposób poprzez integrację niejednorodnych i niepewnych źródeł informacji można zmniejszyć niepewność w procesie podejmowania decyzji. Przedstawioną koncepcję budowy modelu oparto na technologii sieci bayesowskich.
    The study presents the modelling method of a risk assessment problem in the agricultural production process and selection of an adequate protection measure and the size of the measure in the integrated technology of the plant production. The decision results from a generative diagnosis based on the distribution of decision probability under the set of possible decisions. The study presented how an integration of non-uniform and uncertain sources of information decreases uncertainty in the process of decision taking. The concept of a model structure was presented based on the technology of the Bayesian networks. Bayesian diagnosis model shows how integration of heterogeneous uncertain information sources decrease uncertainty in process of decision-making.
    Źródło:
    Inżynieria Rolnicza; 2011, R. 15, nr 6, 6; 53-60
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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