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 "principal component analysis PCA" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Identification of changes of machine technical state on the basis of results of principle component analysis of a sequence of thermographic images
    Identyfikacja zmian stanu obiektów technicznych na podstawie wyników analizy głównych składowych sekwencji zdjęć termograficznych
    Autorzy:
    Fidali, M.
    Bzymek, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/327752.pdf
    Data publikacji:
    2009
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka
    maszyna
    termowizja
    termografia
    analiza głównych składowych
    machine
    diagnostics
    thermovision
    thermography
    principal component analysis
    PCA
    Opis:
    During continuous object observation with the use of a thermographic device, a sequence of thermographic images can be recorded in time function. On the basis of an acquired series of thermograms, determination of diagnostic signals and identification of changes of a machine technical state is possible. An approach presented in the paper concerns application of a Principal Component Analysis (PCA) method. In order to verify the method, an active diagnostic experiment, during which sequences of thermographic images were recorded and analyzed according to their components, was carried out. The obtained results showed that diagnostic signals provided by PCA could be used for identification of changes of a technical state as well as classification of the state with considerably high efficiency.
    Podczas ciągłej obserwacji termowizyjnej obiektu technicznego rejestrowana jest sekwencja obrazów w czasie. Na podstawie zarejestrowanej sekwencji obrazów możliwe jest wyznaczenie sygnałów diagnostycznych pozwalających na identyfikację stanu technicznego obserwowanego obiektu. W artykule zaproponowano metodę diagnozowania maszyn na podstawie wyników analizy składowych głównych (PCA) sekwencji obrazów termowizyjnych. W celu weryfikacji metody przeprowadzono czynny eksperyment diagnostyczny, podczas którego rejestrowano sekwencje obrazów, które poddano analizie składowych. Uzyskane wyniki wykazały, że metoda składowych głównych pozwala na identyfikację zmian stanu technicznego oraz efektywną klasyfikację stanu technicznego maszyny.
    Źródło:
    Diagnostyka; 2009, 3(51); 45-48
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A principal component analysis in concrete design
    Autorzy:
    Kobaka, Janusz
    Katzer, Jacek
    Powiązania:
    https://bibliotekanauki.pl/articles/31342619.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Częstochowska
    Tematy:
    principal component analysis
    PCA
    concrete designing
    concrete mix
    analiza głównych składowych
    projektowanie betonu
    mieszanka betonowa
    Opis:
    Over the last 200 years, ordinary concrete has evolved from four basic ingredient materials (gravel, sand, cement, and water) to multicomponent complex composites. The number and variety of the additives, admixtures, non-conventional aggregates, fillers, and fibres currently used for concrete production have continued to grow rapidly. Regrettably, the methods for de-signing concrete mixes have not evolved at a similarly fast pace. Keeping the above facts in mind, the authors utilised a principal component analysis (PCA) to design modern concrete mixes. As an initial approach, 550 cast and tested concrete mixes were analysed. The main aim of the presented study was to prove the usefulness of the PCA methodology for the fast classification of concrete mix compositions. The acquired knowledge should be useful for the effective design of multicomponent modern concrete mixes.
    Źródło:
    Budownictwo o Zoptymalizowanym Potencjale Energetycznym; 2022, 11; 203-219
    2299-8535
    2544-963X
    Pojawia się w:
    Budownictwo o Zoptymalizowanym Potencjale Energetycznym
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Principal components of innovation performance in European Union countries
    Główne składowe innowacyjności w krajach Unii Europejskiej
    Autorzy:
    Kleszcz, Agnieszka
    Powiązania:
    https://bibliotekanauki.pl/articles/1813754.pdf
    Data publikacji:
    2021-08-31
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    innovation
    European Innovation Scoreboard
    EIS
    principal component analysis
    PCA
    innowacje
    Europejski Ranking Innowacyjności
    analiza głównych składowych
    Opis:
    Innovation is one of the main determinants of economic development. Innovative activity is very complex, thus difficult to measure. The complexity of the phenomenon poses a great challenge for researchers to understand its determinants. The article focuses on the problem of innovation-related geographical disparities among European Union countries. Moreover, it analyses the principal components of innovation determined on the basis of the European Innovation Scoreboard (EIS) dimensions. The aim of the paper is to identify the principal components of the innovation index which differentiate countries by analysing the structure of the correlation between its components. All calculations were based on indicators included in the EIS 2020 Database, containing data from the years 2012–2019. A comparative analysis of the studied countries’ innovation performance was carried out, based on the principal component analysis (PCA) method, with the purpose of finding the uncorrelated principal components of innovation which differentiate the studied countries. The results were achieved by reducing a 10-dimensional data set to a 2-dimensional one, for a simpler interpretation. The first principal component (PC1) consisted of the human resources, attractive research systems, and finance and support dimensions (understood as academia and finance). The second principal component (PC2), involving the employment impacts and linkages dimensions, was interpreted as business-related. PC1 and PC2 jointly explained 68% of the observed variance, and similar results were obtained for the 27 detailed indicators outlined in the EIS. We can therefore assume that we have an accurate representation of the information contained in the EIS data, which allows for an alternative assessment and ranking of innovation performance. The proposed simplified index, described in a 2-dimensional space, based on PC1 and PC2, makes it possible to group countries in a new way, according to their level of innovation, which offers a wide range of application, e.g. PC1 captures geographic disparities in innovation corresponding to the division between the old and new EU member states.
    Innowacyjność należy do głównych wyznaczników rozwoju gospodarczego. Działalność innowacyjna jest bardzo złożona, a przez to trudna do zmierzenia. Dużym wyzwaniem dla badaczy jest także poznanie uwarunkowań tego zjawiska. W artykule skupiono się na problemie zróżnicowania terytorialnego innowacyjności wśród krajów Unii Europejskiej, a także a Uniwersytet Jana Kochanowskiego w Kielcach, Wydział Nauk Ścisłych i Przyrodniczych, Instytut Geografii i Nauk o Środowisku, Polska / Jan Kochanowski University of Kielce, Faculty of Natural Sciences, Institute of Geography and Environmental Sciences, Poland. ORCID: https://orcid.org/0000-0002-0450-5247. E-mail: agakleszcz87@gmail.com. © Główny Urząd Statystyczny A. KLESZCZ Principal components of innovation performance in European Union countries 25 na analizie głównych składowych innowacyjności wyznaczonych przy wykorzystaniu wskaźników uwzględnianych w Europejskim Rankingu Innowacyjności (European Innovation Scoreboard – EIS). Celem badania omawianego w artykule jest identyfikacja głównych składowych innowacyjności różnicujących kraje na podstawie analizy struktury korelacji. Obliczenia oparto na wskaźnikach zawartych w bazie EIS 2020, obejmujących 2012–2019. Przeprowadzono analizę porównawczą krajów pod kątem wydajności innowacyjnej przy użyciu metody analizy głównych składowych (PCA), aby znaleźć nieskorelowane główne składowe innowacji różnicujące kraje. Wyniki uzyskano dzięki zredukowaniu 10-wymiarowego zestawu danych do zestawu 2-wymiarowego, łatwiejszego do interpretacji. Pozwoliło to wyróżnić pierwszą główną składową (PC1) zawierającą zasoby ludzkie, atrakcyjne systemy badawcze, finanse i wsparcie rozumiane jako środowisko akademickie i finanse. Druga główna składowa (PC2), obejmująca wpływ na zatrudnienie i sieć powiązań, jest interpretowana jako związana z biznesem. Składowe PC1 i PC2 wyjaśniły łącznie 68% wariancji; podobne wyniki uzyskano dla zestawu 27 szczegółowych wskaźników uwzględnianych w EIS. Można zatem uznać, że daje to dokładną reprezentację danych EIS, która zapewnia alternatywną ocenę i ranking wyników w zakresie innowacji. Zaproponowany uproszczony indeks innowacyjności, opisany w przestrzeni dwuwymiarowej, opierający się na PC1 i PC2, umożliwia nowy sposób grupowania krajów i może mieć szerokie zastosowanie, np. PC1 przedstawia geograficzne zróżnicowanie innowacji odpowiadające podziałowi na kraje członkowskie starej i nowej Unii.
    Źródło:
    Wiadomości Statystyczne. The Polish Statistician; 2021, 66, 8; 24-45
    0043-518X
    Pojawia się w:
    Wiadomości Statystyczne. The Polish Statistician
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Land clayey deposits compressibility investigation using principal component analysis and multiple regression tools
    Autorzy:
    Berrah, Yacine
    Chegrouche, Aymen
    Brahmi, Serhane
    Boumezbeur, Abderrahmane
    Powiązania:
    https://bibliotekanauki.pl/articles/2201674.pdf
    Data publikacji:
    2022
    Wydawca:
    Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie
    Tematy:
    compressibility index
    geotechnical parameters
    principal component analysis
    PCA
    multiple regression models
    indeks ściśliwości
    parametry geotechniczne
    analiza głównych składowych
    regresja wielokrotna
    Opis:
    The settlement and compressibility magnitude of the major clayey and marly sediments in Tebessa area (N-E of Algeria) depends on several geotechnical parameters such as compression Cc and recompression Cs indices. The aim of this study was to investigate the parameters related to soil compressibility through tools of statistical analysis, which save time in comparison to multiply repeated laboratory tests. The study also adopted the principal component analysis (PCA) method to eliminate a number of uncorrelated variables that have no influence on the compressibility magnitude, or their impact is insignificant. The highest mean correlation coefficients were obtained for different contributing parameters. Multiple regression analysis has been performed to obtain the best fit model of the output Cc parameter taking into account the best correlation by adding parameters as regressors to reach the highest coefficient of regression R2 . The final obtained model of the present case study gives the best fit model with R2 of 0.92 which is a better value compared to different published models in the literature (R2 of 0.7 as maximum). The chosen input parameters using PCA combined with multiple regression analysis allow identifying the most important input parameters that noticeably affect the soil compression index, and provide with the best model for estimating the Cc index.
    Źródło:
    Geomatics, Landmanagement and Landscape; 2022, 4; 95--107
    2300-1496
    Pojawia się w:
    Geomatics, Landmanagement and Landscape
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Utilization of ASTER data in lithological and lineament mapping of the southern flank of the Central High Atlas in Morocco
    Autorzy:
    Errami, Maryam
    Algouti, Ahmed
    Algouti, Abdellah
    Farah, Abdelouhed
    Agli, Saloua
    Powiązania:
    https://bibliotekanauki.pl/articles/2204372.pdf
    Data publikacji:
    2023
    Wydawca:
    Uniwersytet im. Adama Mickiewicza w Poznaniu
    Tematy:
    Amezri-Amassine area
    PCA
    Principal Component Analysis
    band ratio
    MNF
    Minimum Noise Fraction
    automatic lineament extraction
    Amezri
    Amassine
    analiza głównych składowych
    Opis:
    Geological mapping undoubtedly plays an important role in several studies and remote sensing data are of great significance in geological mapping, particularly in poorly mapped areas situated in inaccessible regions. In the present study, Principal Component Analysis (PCA), Band Rationing (BR) and Minimum Noise Fraction (MNF) algorithms are applied to map lithological units and extract lineaments in the Amezri-Amassine area, by using multispectral ASTER image and global digital elevation model (GDEM) data for the first time. Following preprocessing of ASTER images, advanced image algorithms such as PCA, BR and MNF analyses are applied to the 9ASTER bands. Validation of the resultant maps has relied on matching lithological boundaries and faults in the study area and on the basis of pre-existing geological maps. In addition to the PCA image, a new band-ratio image, 4/6–5/8–4/5, as adopted in the present work, provides high accuracy in discriminating lithological units. The MNF transformation reveals improvement over previous enhancement techniques, in detailing most rock units in the area. Hence, results derived from the enhancement techniques show a good correlation with the existing litho-structural map of the study area. In addition, the present results have allowed to update this map by identifying new lithological units and structural lineaments. Consequently, the methodology followed here has provided satisfactory results and has demonstrated the high potential of multispectral ASTER data for improving lithological discrimination and lineament extraction.
    Źródło:
    Geologos; 2023, 29, 1; 1--20
    1426-8981
    2080-6574
    Pojawia się w:
    Geologos
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Changes in the flow and quality of water in the dam reservoir of the Mała Panew catchment (South Poland) characterized by multidimensional data analysis
    Zmiany przepływów i jakości wód zbiornika zaporowego w zlewni rzeki Mała Panew (południowa Polska) określone z zastosowaniem wielowymiarowych analiz danych
    Autorzy:
    Wiatkowski, Mirosław
    Wiatkowska, Barbara
    Powiązania:
    https://bibliotekanauki.pl/articles/204806.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    water reservoir
    river
    water flow
    water quality
    multidimensional data analysis
    principal component analysis
    PCA
    zbiornik wodny
    rzeka
    przepływ wody
    jakość wody
    wielowymiarowa analiza danych
    analiza głównych składowych
    Opis:
    Multidimensional exploratory techniques, such as the Principal Component Analysis (PCA), have been used to analyze long-term changes in the flow regime and quality of water of the lowland dam reservoir Turawa (south-west Poland) in the catchment of the Mała Panew river (a tributary of the Odra). The paper proves that during the period of 1998–2016 the Turawa reservoir was equalizing the river’s water flow. Moreover, various physicochemical water quality indicators were analyzed at three measurement points (at the tributary’s mouth into the reservoir, in the reservoir itself and at the outflow from the reservoir). The water quality assessment was performed by analyzing physicochemical indicators such as water temperature, TSS, pH, dissolved oxygen, BOD5, NH4+, NOˉ3, NOˉ2, N, PO43-, P, electrolytic conductivity, DS, SO42- and Clˉ. Furthermore, the correlations between all these water quality indicators were analyzed statistically at each measurement point, at the statistical signifi cance level of p ≤ 0.05. PCA was used to determine the structures between these water quality variables at each measurement point. As a result, a theoretical model was obtained that describes the regularities in the relationships between the indicators. PCA has shown that biogenic indicators have the strongest infl uence on the water quality in the Mała Panew. Lastly, the differences between the averages of the water quality indicators of the infl owing and of the outflowing water were considered and their signifi cance was analyzed. PCA unveiled structure and complexity of interconnections between river flow and water quality. The paper shows that such statistical methods can be valuable tools for developing suitable water management strategies for the catchment and the reservoir itself.
    Eksploracyjne techniki wielowymiarowe, takie jak analiza składowych głównych (PCA), zostały zastosowane w celu analizy wieloletnich (lata 1998-2016) zmian przepływów i jakości wód nizinnego zbiornika zaporowego Turawa (południowo-zachodnia Polska) w zlewni rzeki Mała Panew (dopływ rzeki Odry). W pracy wykazano, że w okresie 1998-2016 zbiornik Turawa w znacznym stopniu wyrównywał przepływy wód rzeki Mała Panew. Analizowano również wskaźniki fizykochemiczne jakości wód na trzech stanowiskach pomiarowych (dopływ do zbiornika, w zbiorniku i na odpływie ze zbiornika). Ocenę jakości wody wykonano analizując wskaźniki fizykochemiczne takie jak: temperaturę wody, zawiesinę ogólną, pH, tlen rozpuszczony,BOD5, NH4+, NOˉ3, NOˉ2, N, PO43-, P, przewodność elektrolityczną, substancje rozpuszczone, siarczany SO42- - i chlorki Clˉ. Analizie statystycznej poddano również związki korelacyjne pomiędzy wszystkimi wskaźnikami jakości wody na poszczególnych stanowiskach pomiarowych, istotne statystycznie na poziomie p<0,05. W celu wykrycia struktur zachodzących między wskaźnikami jakości wody na każdym stanowisku pomiarowym, zastosowano analizę składowych głównych (PCA) (Principal Components Analysis), w efekcie której otrzymano teoretyczny model opisujący prawidłowości w zależnościach między analizowanymi wskaźnikami jakości wód. Analiza składowych głównych (PCA) wykazała, że jakość wody rzeki Mała Panew najsilniej determinowały wskaźniki biogenne. Analizowano również istotność różnic między średnimi stężeniami wskaźników jakości wody dopływającej do zbiornika i wody odpływającej ze zbiornika. Na podstawie zastosowanych metod eksploracyjnej analizy danych możliwe było rozpoznanie struktur i złożoności powiązań zachodzących pomiędzy przepływami wód oraz wskaźnikami jakości wód w rzece Mała Panew. W pracy wykazano, że metody te mogą stanowić niezbędne narzędzie w zakresie podejmowania strategicznych decyzji i rozwiązań w zakresie racjonalnego gospodarowania wodą zarówno w zlewni zbiornika jak i w zbiorniku wodnym.
    Źródło:
    Archives of Environmental Protection; 2019, 45, 1; 26-41
    2083-4772
    2083-4810
    Pojawia się w:
    Archives of Environmental Protection
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An effective data reduction model for machine emergency state detection from big data tree topology structures
    Autorzy:
    Iaremko, Iaroslav
    Senkerik, Roman
    Jasek, Roman
    Lukastik, Petr
    Powiązania:
    https://bibliotekanauki.pl/articles/2055178.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    OPC UA
    OPC tree
    principal component analysis
    PCA
    big data analysis
    data reduction
    machine tool
    anomaly detection
    emergency states
    analiza głównych składowych
    duży zbiór danych
    redukcja danych
    wykrywanie anomalii
    stan nadzwyczajny
    Opis:
    This work presents an original model for detecting machine tool anomalies and emergency states through operation data processing. The paper is focused on an elastic hierarchical system for effective data reduction and classification, which encompasses several modules. Firstly, principal component analysis (PCA) is used to perform data reduction of many input signals from big data tree topology structures into two signals representing all of them. Then the technique for segmentation of operating machine data based on dynamic time distortion and hierarchical clustering is used to calculate signal accident characteristics using classifiers such as the maximum level change, a signal trend, the variance of residuals, and others. Data segmentation and analysis techniques enable effective and robust detection of operating machine tool anomalies and emergency states due to almost real-time data collection from strategically placed sensors and results collected from previous production cycles. The emergency state detection model described in this paper could be beneficial for improving the production process, increasing production efficiency by detecting and minimizing machine tool error conditions, as well as improving product quality and overall equipment productivity. The proposed model was tested on H-630 and H-50 machine tools in a real production environment of the Tajmac-ZPS company.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2021, 31, 4; 601--611
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Principal component analysis of older people registered as unemployed in public employment offices
    Analiza głównych składowych populacji osób starszych zarejestrowanych w powiatowych urzędach pracy jako bezrobotni
    Autorzy:
    Bolesta, Karolina
    Powiązania:
    https://bibliotekanauki.pl/articles/2176597.pdf
    Data publikacji:
    2023-01-31
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    pensioners
    disability pensioners
    retirement age
    pre-retirement benefit
    unemployed
    professional deactivation
    principal component analysis
    PCA
    Kaiser-Meyer-Olkin measure
    Bartlett's test of sphericity
    emeryci
    renciści
    wiek emerytalny
    świadczenie przedemerytalne
    bezrobotni
    dezaktywizacja zawodowa
    analiza głównych składowych
    współczynnik Kaisera-Meyera-Olkina
    test sferyczności Bartletta
    Opis:
    The determinants of registering as an unemployed person in the public employment office may be of both a socio-demographic and legal character. Although every individual has their own motivation to register as unemployed, it is still possible to analyse the phenomenon on a group level. The purpose of this study is to show the similarities and differences of older people registering as unemployed and to identify the factors that were key to professional deactivation. The research is based on data from the Polish Central Analytical and Reporting System concerning 1,276,555 people born in the years 1940–1965, who were at least once registered as unemployed in a public employment office. The study uses principal component analysis (PCA) to identify the factors which influence to the largest extent the decision to deactivate professionally. The Kaiser-Meyer-Olkin measure of sampling adequacy and Bartlett’s test of sphericity proved the feasibility of the PCA. The number of principal components was determined on the basis of Kaiser’s criterion. The varimax factor rotation was applied to simplify the relation between the variables and to enhance the interpretation of the obtained results. The analysis included five groups: pensioners, disability pensioners, people who reached retirement age, people who received pre-retirement benefits and the total population. For each group three to four components were identified which combined different variables. Education and occupation in the last place of work formed the only common component for the five groups which influences the most critical decisions in the labour market. This component demonstrates the level of competence and may determine the moment of professional deactivation. The research shows that economic mechanisms are more important than legal conditions in all the analysed groups.
    Czynniki decydujące o zarejestrowaniu się w urzędzie pracy jako osoba bezrobotna mogą mieć charakter społeczno-demograficzny lub prawny. Podjęcie takiej decyzji jest kwestią indywidualną, niemniej jednak można przeanalizować to zjawisko na poziomie grupy. Celem badania omawianego w artykule jest wykazanie podobieństw i różnic osób rejestrujących się jako bezrobotni oraz identyfikacja czynników, które mają największe znaczenie dla dezaktywizacji zawodowej. W badaniu wykorzystano dane z Centralnego Systemu AnalitycznoRaportowego dotyczące 1 276 555 osób urodzonych pomiędzy 1940 r. a 1965 r., które co najmniej raz były zarejestrowane w powiatowym urzędzie pracy jako bezrobotni. W celu identyfikacji komponentów najsilniej wpływających na decyzję o dezaktywizacji zawodowej przeprowadzono analizę głównych składowych (ang. principal component analysis – PCA). Wyniki pomiaru adekwatności Kaisera-Meyera-Olkina oraz testu sferyczności Bartletta potwierdziły słuszność zastosowania tej analizy. Na podstawie kryterium Kaisera określono liczbę głównych składowych. Przeprowadzono rotację czynników varimax, aby uprościć relację między zmiennymi i lepiej zinterpretować uzyskane wyniki. Analiza dotyczyła pięciu grup: emerytów, rencistów, osób, które osiągnęły wiek emerytalny, osób, które pobierały świadczenie przedemerytalne, oraz całej populacji. Dla każdego zbioru danych zidentyfikowano od trzech do czterech składowych łączących różne zmienne. We wszystkich grupach stwierdzono jeden wspólny komponent – łączący wykształcenie i zawód wykonywany w ostatnim miejscu pracy – który wpływa na podejmowanie kluczowych decyzji na rynku pracy. Obrazuje on kompetencje pracowników i może determinować moment dezaktywizacji zawodowej. Wyniki badania wskazują na większe znaczenie mechanizmu ekonomicznego niż uwarunkowań prawnych we wszystkich analizowanych grupach.
    Źródło:
    Wiadomości Statystyczne. The Polish Statistician; 2023, 68, 1; 23-38
    0043-518X
    Pojawia się w:
    Wiadomości Statystyczne. The Polish Statistician
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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