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 "(P-P)." wg kryterium: Autor

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 94
Tytuł:
Modelowanie neuronowe w rozwiązywaniu wybranych problemów predykcyjnych inżynierii rolniczej
Neural modeling in solving some prediction problems of agricultural engineering
Autorzy:
Boniecki, P.
Niżewski, P.
Powiązania:
https://bibliotekanauki.pl/articles/334441.pdf
Data publikacji:
2010
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
modelowanie neuronowe
inżynieria rolnicza
neural modeling
agricultural engineering
Opis:
Proces prognozowania ma praktyczne zastosowanie w szerokim zakresie działalności ludzkiej, w tym również w rolnictwie. Jakość takich prognoz ma istotne znaczenie dla kolejnych etapów występujących w łańcuchu produkcyjno-dystrybucyjnym płodów rolnych. Celem pracy było wytworzenie neuronowego systemu informatycznego, pozwalającego na dokonanie prognozy wielkości plonu oraz zawartość skrobi w bulwach ziemniaków, na podstawie wybranych czynników agrotechnicznych.
Forecasting process has practical applications in a wide range of human activity, including agriculture. The quality of such predictions is important for subsequent phases occurring in the chain of production and distribution of agricultural products. The purpose of this work, was to design, to do, and to test the informational system, which is based in technology of the artificial network of neurons, which allows to predict the size of the crops, and the contents of the starch in the potatos bulb on the basis of the chosen agro-technical factors.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2010, 55, 1; 16-19
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuronowy system komputerowy prognozujący poziom emisji amoniaku po nawożeniu gnojowicą
Neuronal computer system for forecast ammonia emission after applied liquid manure
Autorzy:
Niżewski, P.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/337155.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
gnojowica
nawożenie
amoniak
emisja
prognoza
neuronowy system komputerowy
liquid manure
fertilizer
emission
ammonia
neuronal computer system
Opis:
Genezą podjęcia tematu są głębokie zmiany zachodzących w gospodarce nawozami naturalnymi w ostatnich latach w Polsce. Wiąże się to zwłaszcza z intensyfikacją produkcji i przestawiania się wielu gospodarstw z hodowli obornikowej na gnojowicową, niekorzystną dla środowiska naturalnego. Sytuacja ta jest powodem opracowania narzędzia pozwalającego na oszacowanie poziomu emisji amoniaku do atmosfery podczas nawożenia gnojowicą. Dzięki identyfikacji głównych czynników zwiększających emisję, narzędzie to będzie przydatne również do redukcji jej wielkości.
The origin of undertaking this subject is related with the deep changes observed in manure management in Poland during last years. This is caused by intensification of animal production and changing the type of production from solid to liquid manure, which is unfovourable for agro-ecosystems. This situation is a base for creation of tool permissing the estimation of ammonia emission level during applied liquid manure. By Identification of the main factors raising the emission level, this tool will be used also for reduction of NH3 losses.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2006, 51, 4; 44-47
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sztucznych sieci neuronowych typu RBF do predykcji plonu wybranych roślin zbożowych
The use of artificial neuronal networks of the RBF type for prediction of yield of chosen cereal plants
Autorzy:
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/335789.pdf
Data publikacji:
2005
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sztuczna sieć neuronowa
RBF
predykcja
plon
zboże
symulacja komputerowa
artificial neural network
prediction
yield
cereal plant
computer simulation
Opis:
Pojawiające się ostatnio metody, mające cechy sztucznej inteligencji, pozwalają na budowę modeli symulacyjnych, które realizują postawione zadania w oparciu o wzorce zaczerpnięte bezpośrednio z obserwacji przyrody [1]. Szczególną grupę stanowią techniki przetwarzania oparte na sztucznych sieciach neuronowych, będące w istocie komputerowymi symulatorami pracy mózgu [3]. Za pomocą modeli neuronowych można m.in. dokonać predykcji wielkości plonów płodów rolnych w oparciu o posiadane empiryczne dane, dotyczące zbiorów w latach ubiegłych. W pracy proponuje się wykorzystanie technik predykcyjnych, jakie m.in. reprezentują wybrane topologie sieci neuronowych, w szczególności sieci neuronowe typu RBF (Radial Basis Functions).
Appearing recently methods, having guilds of artificial intelligence, permit on building of simulating models which realize assigned tasks on the basis of patterns taken directly with nature observation [1]. The processing techniques based on artificial neural networks create a special group, being in fact a computer simulators of brain work [3]. With the help of neuronal models it is possible to predict the expected crops yield on the basis of empirical data regarding crop yields in last summers. This work proposes utilization of prediction methods, which represent chosen topologies of neuronal nets among others, the RBF (Radial Basis Functions) neural network peculiarly.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2005, 50, 2; 15-19
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie technik neuronowych w praktyce rolniczej
Using of neuronal techniques in agricultural practice
Autorzy:
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/335801.pdf
Data publikacji:
2005
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
technika neuronowa
praktyka rolnicza
system klasyfikacji
sieć neuronowa
neural technique
agricultural practice
classification system
neural network
Opis:
Rozwój technologii informatycznych spowodował pojawienie się zupełnie nowych możliwości analitycznych, bazujących na obserwacjach procesów naturalnych, a w szczególności na wnioskach płynących z badań naukowych dotyczących pracy mózgu, jakie opisują dynamicznie rozwijające się techniki przetwarzania neuronowego (Osowski S., 2000). Należy podkreślić, że sztuczne sieci neuronowe potrafią operować zarówno na zbiorach danych numerycznych, pochodzących np. z badań doświadczalnych, jak również na zbiorach rozmytych, tak charakterystycznych dla postrzegania ludzkiego umyslu. Ostatnio znajdują zastosowanie w systemach klasyfikacyjnych wykorzystywanych w rolnictwie.
The development of computer technologies caused the appearance of the completely new analytic possibilities, basing on observations of natural processes, and in peculiarity on conclusions following with scientific researches relating the brain work investigations, what is described by the dynamically developing techniques of neuronal processing. One should underline, that artificial neuronal networks are able to operate both on gatherings of numeric data coming from experimental investigations, as well as on fuzzy sets, so characteristic for perception of human mind. Recently they are used in agriculture in classification systems.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2005, 50, 2; 10-14
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sieci neuronowe typu MLP oraz RBF jako narzędzia klasyfikacyjne w analizie obrazu
The neural network type the MLP and RBF as classifying tools in picture analysis
Autorzy:
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/337163.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sieć neuronowa
sieć neuronowa MLP
sieć neuronowa RBF
analiza obrazu
identyfikacja neuronowa
model neuronowy
neural network
MLP neural network
RBF neural network
picture analysis
neuronal identification
neuronal model
Opis:
Neuronowa identyfikacja danych obrazowych, ze szczególnym naciskiem na analizę ilościową oraz jakościową, coraz częściej wykorzystywana jest do pozyskiwania oraz zgłębiania wiedzy zawartej w danych empirycznych. Ekstrakcja, a następnie klasyfikacja wybranych cech obrazu, pozawala na wytworzenie informatycznych narzędzi do identyfikacji wybranych obiektów, prezentowanych np. w postaci obrazu cyfrowego. W związku z tym, celowym wydaje się być poszukiwanie nowoczesnych metod wspomagających proces edukacyjny w zakresie konstrukcji oraz eksploatacji modeli neuronowych w kontekście ich wykorzystania w procesie analizy obrazu. Dodatkowym celem pracy było porównanie jakości sieci MLP oraz RBF mające na względzie wskazanie optymalnego instrumentu klasyfikacyjnego.
The neuronal identification of pictorial data, with special emphasis on both quantitative & qualitative analysis, is more frequently utilized to gain & deepen the empirical data knowledge. Extraction & then classification of selected picture features, enables one to create computer tools in order to identify these objects presented as, for example, digital pictures. In relationship from this, it seems to be purposeful the search of the modern methods helping educational process in the range of construction as well as exploitation of neuronal models in context of their utilization in picture analysis process. The additional aim of the work was the comparison of neural network of the type MLP and RBF for indication of the optimum classification tool.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2006, 51, 4; 34-39
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Liniowe sieci neuronowe a metody analizy regresji w aspekcie ich wykorzystania w inżynierii rolniczej
Linear neural networks vs. regression analysis methods in the aspect of their applications in agricultural engineering
Autorzy:
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/290860.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sieci neuronowe
analiza regresji
metoda
neural netwoks
regression analysis
method
Opis:
Nieustanne dążenie badaczy do pełniejszego rozumienia i wyjaśnienia praw rządzących przyrodą spowodowało, że rosnącego znaczenia nabierają poszukiwania nowych metod badawczych, coraz efektywniej wspomagających procesy poznawcze. Należą do nich niewątpliwie uzupełniające modele symulacyjne, tworzone dedukcyjnie na zbiorach przesłanek, wynikających z aktualnego stanu wiedzy naukowej. Techniki eksperymentu wirtualnego, wspomagające proces badania złożonych systemów empirycznych, powinny znajdować zastosowanie praktyczne również w dyscyplinie naukowej, jaką jest inżynieria rolnicza. Dynamiczny rozwój technik informatycznych spowodował pojawienie się zupełnie nowych możliwości obliczeniowych, bazujących na wzorcach pochodzących bezpośrednio z obserwacji procesów naturalnych, a w szczególności pracy mózgu. Kluczową rolę spełniają tu metody sztucznych sieci neuronowych, stanowiące w wielu przypadkach modele ekwiwalentne (a często znacznie rozszerzające potencjalne widmo zastosowań) w stosunku do tradycyjnych metod statystycznych.
Endless efforts made by researches in order to better understand and explain principles governing the nature, has caused that it is becoming of greater importance to seek new investigation methods, which play an increasingly more significant role in enhancing the cognitive processes. Such are, beyond all doubt, the supplementary simulation models, created by inference based on the sets of indications, resulting from the current status of knowledge. Virtual experimentation techniques, aiding the process of examining complex empirical systems, should be utilized practically, also in such domain as the agricultural engineering. Dynamic growth of IT techniques has brought completely new computing capacities, based on the examples originating directly from observation of natural processes, especially the function of brain. The methods of artificial neural networks, which often serve as equivalent models (and often considerably extending potential spectrum of applications) in relation to traditional statistical methods, play the key role here.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 31-43
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sieci neuronowych w procesie identyfikacji wołka zbożowego
Using of artificial neuronal networks in identification process of granary weevils
Autorzy:
Świerczyński, K.
Olejarski, P.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/336833.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sieć neuronowa
wołek zbożowy
zboże
identyfikacja
neuronal network
identification
granary weevil
cereal crop
Opis:
Szkodniki magazynowe stanowią poważny problem podczas przechowywania zbóż. Zarażenie całej masy przechowywanego materiału może nastąpić przez niewielką ilość dostarczonego towaru wraz z szkodnikiem. Do tych najgroźniejszych szkodników zaliczamy wołka zbożowego [Sitophilus granarius (L.)], który rozmnaża się wewnątrz ziarniaka, powodując jednocześnie obniżenie jakości ziarna, co w efekcie końcowym wynosić może 5% strat. Jednym ze sposobów nie dopuszczenia do opisywanej sytuacji jest identyfikacja wołka podczas dostarczania zboża do magazynu. Możliwym rozwiązaniem jest wykorzystanie zdolności klasyfikacyjnych, jakie m.in. reprezentują sztuczne sieci neuronowe. Zbiór uczący, służący do budowy modeli neuronowych, został wygenerowany na postawie uzyskanych danych empirycznych z wykorzystaniem urządzania SKCS 4100 (Single Kernel Characterization System). Przeprowadzono analizę uzyskanych modeli, w wyniku której określono przydatność stosowania ich w procesie identyfikacji występowania wołka w ziarniaku.
Pests of granary constitute the serious problem while keeping cereal crops. Infecting the entire amount of stored material can follow through the sparseness of delivered goods together with pest. For most dangerous from the ones we rate granary weevil [Sitophilus granarius (L.)], which lives inside of kernel. It causes degradation of quality and the final effect, up to the 5% of losses. One resolution is that we cannot let to describable situation and we have to identify of weevil while we deliver cereal to granary. We can use classification ability of artificial networks. Data set, which we use for creation of neuronal models, was generated on the basis of received empirical data with using SKCS 4100 (Single Kernel Characterization System) device. Analysis of obtained models was carried out determining usefulness of applying them in the process of the identification of appearing of weevil in kernel.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2008, 53, 2; 73-75
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Kohonen neural network in classification problems solving in agricultural engineering
Sieci neuronowe typu Kohonena w klasyfikacyjnych problemach inżynierii rolniczej
Autorzy:
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/337093.pdf
Data publikacji:
2005
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
inżynieria rolnicza
sieć neuronowa
rozpoznawanie obrazu
agricultural engineering
neural network
recognition of an image
Opis:
During the adaptation process of the weights vector that occurs in the iteration presentation of the teaching vector, the Kohonen type neural network attempts to learn the structure of the data. Such a network can learn to recognise aggregates of input data occuring in the input data set regardless of the assumed criteria of similarity and the quantity of the data explored. Following identification of aggregates occurring in the data set, they can be named (labelled), and as a result the Kohonen network gains the ability to classify them in compliance with the inner logic included in the data set. The Kohonen type neural network can therefore be used for classification of data also when the output classes are not known (defined) in advance.
Podczas procesu adaptacji wektora wag zachodzącego w trakcie iteracyjnej prezentacji wektora uczącego, sieć neuronowa typu Kohonena próbuje nauczyć się struktury danych. Sieć taka może nauczyć się rozpoznawania skupień występujących w zbiorze danych wejściowych bez względu na przyjęte kryteria podobieństwa oraz ilość eksplorowanych danych. Po identyfikacji skupień występujących w zbiorze danych można nadać im nazwy (zaetykietować je), skutkiem czego sieć Kohonena uzyskuje możliwość przeprowadzania ich klasyfikacji, zgodnie z wewnętrzną logiką zawarta w zbiorze danych. Sieć neuronowa typu Kohonena może zatem być użyta do klasyfikacji danych również wtedy, gdy klasy wyjściowe nie są z góry znane (zdefiniowane).
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2005, 50, 1; 37-40
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do modelowania procesu emisji amoniaku z pól nawożonych gnojowicą
Artificial neural networks for modelling ammonia emission from field applied slurry manure
Autorzy:
Niżewski, P.
Dach, J.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/288988.pdf
Data publikacji:
2007
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
emisja amoniaku
sieć neuronowa
gnojowica
ammonia emission
neural networks
slurry manure
Opis:
Problem emisji amoniaku z pól nawożonych gnojowicą jest w ostatnich 20 latach przedmiotem wielu badań. Nawożenie gnojowicą jest bowiem jednym z głównych źródeł zanieczyszczenia atmosfery przez amoniak. Warto podkreślić, że w Europie właśnie rolnictwo jest źródłem ponad 80% NH3 emitowanego do atmosfery. W ostatnim czasie różne zespoły badawcze z krajów UE prowadzą doświadczenia mające na celu oszacowanie wielkości emitowanego amoniaku do atmosfery. Działania te skupione są wokół międzynarodowych sieci naukowych, gdzie opracowywane są różne modele pomagające w szacowaniu poziomu emisji amoniaku w poszczególnych krajach.
For the last 20 years the problem of ammonia emission from the fields fertilized with a liquid manure has been a subject of many research. Liquid manure fertilization became one of the main sources of atmospheric ammonia pollution. In Europe the agronomy produces more than 80% of NH3 emitted into the atmosphere. During the last years different scientific teams carried on the research concerning an estimation of ammonia emission size and the factors influencing on this emission. These activities are focused around an international concerted actions where the different models of ammonia emissions are developed for many countries and different conditions.
Źródło:
Inżynieria Rolnicza; 2007, R. 11, nr 2 (90), 2 (90); 235-242
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena zastosowania prognostycznej sieci neuronowej w modelowaniu emisji gazowych
Estimation of prognostic neural network application in gaseous emissions modeling
Autorzy:
Niżewski, P.
Boniecki, P.
Dach, J.
Powiązania:
https://bibliotekanauki.pl/articles/335468.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
gaz
amoniak
emisja
obornik
kompostowanie
sieć neuronowa
MLP
gas
ammonia
emission
manure
composting
neural network
Opis:
Zdolności predykcyjne sztucznych sieci neuronowych stanowią jeden z głównych obszarów ich zastosowania. Doświadczenie miało na celu wykorzystanie tych właściwości do modelowania całkowitej emisji amoniaku w trakcie kompostowania obornika. Najlepsze wyniki uzyskano dla sieci neuronowych MLP.
Predictive abilities of artificial neural networks are one of the main topics of their application. The aim of this paper was to use their suitability for modeling of ammonia emission during farmyard manure composting. The best results were obtained while using the MLP neural networks.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2007, 52, 2; 71-74
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuronowa analiza wplywu sposobu doju i wybranych cech zootechnicznych krow na liczbe komorek somatycznych w mleku
Neuron analysis of the influence of the way of milking and selected characteristics of cows on somatic cell count in milk
Autorzy:
Jedrus, A
Nizewski, P.
Lipinski, M.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/883485.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
pozyskiwanie mleka
doj mechaniczny
liczba komorek somatycznych
sieci neuronowe sztuczne
krowy
mleko
wydajnosc mleka
kolejne dni laktacji
wiek zwierzat
liczba wycielen
metody oceny
Opis:
Sztuczne sieci neuronowe są narzędziem coraz częściej wykorzystywanym w poznawaniu złożonych procesów biologicznych. Celem pracy było wykorzystanie zalet sztucznych sieci neuronowych do oceny wpływu sposobu doju oraz wybranych cech zootechnicznych krów na liczbę komórek somatycznych w mleku.
Artificial neural networks are more and more frequently used to understand some complex biological processes. The aim of the paper was to use the advantages of artificial neural networks in order to check the impact of the milking way and selected cows' features on somatic cell count in milk.
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2008, 04; 22-24
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuronowa identyfikacja poziomu zawartości tłuszczu w tkance mięśniowej owiec
Neural identification of the lambs intramuscular fat level content
Autorzy:
Przybylak, A.
Boniecki, P.
KOozłowski, R. J.
Ślósarz, P.
Powiązania:
https://bibliotekanauki.pl/articles/336831.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sieć neuronowa
tłuszcz
owca
tkanka mięśniowa
zawartość
neural network
lamb
content
intramuscular
fat
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 do określania poziomu zawartości tłuszczu w tkance mięśniowej owiec.
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 image 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:
Journal of Research and Applications in Agricultural Engineering; 2008, 53, 2; 76-78
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
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:
Badania wpływu aeracji na dynamikę procesu kompostowania osadów ściekowych w bioreaktorze
Influence of aeration level on dynamic of sewage sludge composting process in bioreactor
Autorzy:
Dach, J.
Niżewski, P.
Jędruś, A.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/336475.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
osad ściekowy
bioreaktor
aeracja
kompostowanie
sewage sludge
composting process
bioreactor
aeration
Opis:
Problem kompostowania osadów ściekowych jest coraz częściej podejmowany w licznych badaniach naukowych. Podstawowym parametrem wpływającym na przebieg procesu kompostowania jest dostępność tlenu. W niniejszej pracy podjęto próbę oceny wpływu intensywności napowietrzania kompostowanej masy na przebieg procesu. Do badań wykorzystano 2-komorowy izolowany bioreaktor służący do modelowania procesów zachodzących w czasie tlenowego i beztlenowego zagospodarowywania materii organicznej. Stwierdzono, iż bardziej intensywne napowietrznie wpływa na większą dynamikę procesu wyrażoną wzrostem temperatury i szybkością przemian fizycznych i chemicznych. Ostatecznie jednak jakość kompostów uzyskanych w wyniku różnej intensywności napowietrzenia jest podobna.
The problem of sewage sludge composting becomes the subject of many scientific investigations. The presence of oxygen is the main parameter which influences on composting process. This paper presents the research on the influence of aeration level on the intensity of the process. The 2-chambers bioreactor for modeling of aerobic and anaerobic processes of organic matter decomposition was used It was found that higher level of aeration influences on more intense dynamic of the process which is expressed with temperature increase and rapidity of physical and chemical changes. However ultimately the quality of composts obtained as result of different aeration intensity is similar.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2007, 52, 1; 68-72
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Project of an open information technology system supporting farm management
Projekt otwartego systemu informatycznego wspomagającego zarządzanie gospodarstwem rolnym
Autorzy:
Fojud, A.
Zaborowicz, M.
Boniecki, P.
Okoń, P.
Powiązania:
https://bibliotekanauki.pl/articles/337041.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
farm management
IT
agriculture
Internet application
.NET Framework
zarządzanie gospodarstwem rolnym
rolnictwo
aplikacja internetowa
NET Framework
Opis:
This paper presents an original information system supporting the management of an agricultural holding codenamed AGMS (Agro-Management System). This system was created in C# language, using ASP. NET MVC programming technology. The application database layer was supported by SQL Server and Entity Framework technology. The creation of the program's views enabled such languages as HTML 5, CSS3 along with Bootstrap library and Javascript with dedicated Knockout.js library. The development of the system was preceded by an analysis of requirements, in accordance with software engineering procedures. The documentation created at this stage in the form of UML diagrams was prepared in Microsoft Visio. The AGMS program presented in this article is a developmental version, so all its functionalities are not yet fully implemented. The user can use the current version of the software to map fields, manage events related to individual fields and, among other things, obtain information on pests and weeds. The article also describes the concept of the final version of the program, which should include modules implementing simple methods of artificial intelligence in the field of image recognition and decision support.
Zaprezentowano autorski system informatyczny wspomagający zarządzanie gospodarstwem rolnym o nazwie kodowej AGMS (Agro-Management System). System ten został wytworzony w języku C#, w technologii programistycznej ASP.NET MVC. Warstwa bazodanowa aplikacji została obsłużona przez SQL Server oraz technologię Entity Framework. Wytworzenie widoków programu umożliwiły takie języki jak HTML5, CSS3 wraz z biblioteką Bootstrap a także Javascript z dedykowaną biblioteką Knockout.js. Opracowanie systemu zostało poprzedzone analizą wymagań, zgodnie z procedurami inżynierii oprogramowania. Powstała na tym etapie dokumentacja w postaci diagramów UML została przygotowania w programie Microsoft Visio. Program AGMS prezentowany w niniejszym artykule jest wersją rozwojową, a zatem jego wszystkie jego funkcjonalności nie są jeszcze w pełni zaimplementowane. Użytkownik korzystając z aktualnej wersji oprogramowania ma możliwość mapowania pola, zarządzania zdarzeniami dotyczącymi poszczególnych pól, a także m.in. może zasięgać informacji o szkodnikach czy chwastach. W pracy opisano także koncepcję finalnej wersji programu, w której powinny znaleźć się moduły implementujące proste metody sztucznej inteligencji w zakresie rozpoznawania obrazów i wspomagania podejmowania decyzji.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 56-62
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 94

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