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 "Świderski, B." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Wyroby dziewiarskie chroniące przed szkodliwym promieniowaniem UV
    Knitting products protecting against harmful UV radiation
    Autorzy:
    Koźmińska, R.
    Massalska-Lipińska, T.
    Mielicka, E.
    Świderski, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/160098.pdf
    Data publikacji:
    2006
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki
    Tematy:
    włókna łykowe
    dzianina barierowa
    ochrona przed promieniowaniem UV
    promieniowanie UV
    barwienie dzianin
    wykończenie dzianin
    konserwacja dzianin
    badania metrologiczne dzianin
    badania chemiczne dzianin
    Opis:
    Jednym z kierunków rozwoju przemysłu dziewiarskiego jest poszukiwanie nowych technologii wytwarzania nowoczesnych, wielofunkcyjnych wyrobów barierowych. Eliminują one bądź zmniejszają negatywny wpływ czynników zewnętrznych na człowieka, zapewniając jednocześnie dobre właściwości fizjologiczne. Niniejsza praca dotyczy właściwości barierowych dzianin przeznaczonych na odzież chroniącą przed szkodliwym promieniowaniem UV. Prowadzone badania mają na celu określenie wpływu zastosowanego surowca, splotu, parametrów strukturalnych dzianin oraz sposobu wykończenia na poziom wskaźnika UPF.
    One of the field of knitting industry development is searching new manufacturing technologies of modern, multifunctional barrier products. They eliminate or decrease the negative influence of external agents on a human with giving good physiological properties. This paper is connected with barrier properties of knitted fabrics designer for protective clothing against harmful UV radiation. Realised tests are aimed for describing the influence of used raw material, stitch, knitted fabrics structural parameters and way of finishing on the level of UPF indicator.
    Źródło:
    Prace Instytutu Elektrotechniki; 2006, 228; 257-267
    0032-6216
    Pojawia się w:
    Prace Instytutu Elektrotechniki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Production of heterogeneous surfaces by ESD and LBM
    Autorzy:
    Radek, N.
    Pliszka, I.
    Antoszewski, B.
    Świderski, B.
    Pietraszek, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/111850.pdf
    Data publikacji:
    2016
    Wydawca:
    Stowarzyszenie Menedżerów Jakości i Produkcji
    Tematy:
    heterogeneous surfaces
    electro-spark deposition
    ESD
    laser beam machining
    LBM
    texturing
    properties
    powierzchnia heterogeniczna
    obróbka wiązką laserową
    teksturowanie
    Opis:
    The paper is concerned with testing Cu-Mo coatings deposited over carbon steel C45 which were then eroded with a laser beam. The properties were assessed by analyzing the effects of laser eroded, texturing methodology and wear tests. The tests were conducted for Mo and Cu coatings (the anode) which were electro-spark deposited over the C45 steel substrate (the cathode) and melted with a laser beam. The coatings were deposited by means of an ELFA-541. The laser processing was performed with an Nd:YAG laser. The coatings after laser processing are still distinguished by very good performance properties which make them suitable for use in sliding friction pairs.
    Źródło:
    Production Engineering Archives; 2016, 13, 4; 44-48
    2353-5156
    2353-7779
    Pojawia się w:
    Production Engineering Archives
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Deep learning versus classical neural approach to mammogram recognition
    Autorzy:
    Kurek, J.
    Świderski, B.
    Osowski, S.
    Kruk, M.
    Barhoumi, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/200919.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    convolutional neural networks
    breast cancer diagnosis
    mammogram recognition
    diagnostic features
    splotowe sieci neuronowe
    diagnostyka raka piersi
    rozpoznawanie
    mammografia
    cechy diagnostyczne
    Opis:
    Automatic recognition of mammographic images in breast cancer is a complex issue due to the confusing appearance of some perfectly normal tissues which look like masses. The existing computer-aided systems suffer from non-satisfactory accuracy of cancer detection. This paper addresses this problem and proposes two alternative techniques of mammogram recognition: the application of a variety of methods for definition of numerical image descriptors in combination with an efficient SVM classifier (so-called classical approach) and application of deep learning in the form of convolutional neural networks, enhanced with additional transformations of input mammographic images. The key point of the first approach is defining the proper numerical image descriptors and selecting the set which is the most class discriminative. To achieve better performance of the classifier, many image descriptors were defined by means of applying different characterization of the images: Hilbert curve representation, Kolmogorov-Smirnov statistics, the maximum subregion principle, percolation theory, fractal texture descriptors as well as application of wavelet and wavelet packets. Thanks to them, better description of the basic image properties has been obtained. In the case of deep learning, the features are automatically extracted as part of convolutional neural network learning. To get better quality of results, additional representations of mammograms, in the form of nonnegative matrix factorization and the self-similarity principle, have been proposed. The methods applied were evaluated based on a large database composed of 10,168 regions of interest in mammographic images taken from the DDSM database. Experimental results prove the advantage of deep learning over traditional approach to image recognition. Our best average accuracy in recognizing abnormal cases (malignant plus benign versus healthy) was 85.83%, with sensitivity of 82.82%, specificity of 86.59% and AUC = 0.919. These results are among the best for this massive database.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 831-840
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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