Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Łapczyńska-Kordon, B." wg kryterium: Autor


Wyświetlanie 1-6 z 6
Tytuł:
Model neuronowy zmian zawartości wody w zrębkach wierzby podczas konwekcyjnego suszenia
Neural model of changes in water content in willow chips during convection drying
Autorzy:
Łapczyńska-Kordon, B.
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/289777.pdf
Data publikacji:
2008
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
zrębki
wierzba
model neuronowy
zawartość wody
suszenie konwekcyjne
willow chips
neural model
water content
convection drying
Opis:
Celem pracy było opracowanie modelu zmian zawartości wody w zrębkach wierzby energetycznej w czasie, w postaci sztucznej sieci neuronowej. Model został opracowany w oparciu o wyniki badań procesu konwekcyjnego suszenia zrębków wierzby o długości 2 cm, ale różnej średnicy, w suszarce laboratoryjnej z wymuszonym przepływem powietrza. Materiał był suszony w temperaturach 40, 50, 60 i 70°C. Na podstawie otrzymanych wyników badań został sformułowany, za pomocą SSN, model zmian zawartości wody w zależności od sześciu zmiennych wejściowych: czasu suszenia, temperatury czynnika suszącego, długości i średnicy zrębków oraz początkowej zawartości wody i masy zrębków. Spośród opracowanych modeli wybrano model o architekturze MLP 6:6-15-14-1:1, ponieważ podczas weryfikacji empirycznej stwierdzono, że obliczony błąd średniokwadratowy dla tego modelu był najmniejszy.
The purpose of the work was to develop a model of changes in time of water content in energy willow chips using artificial neural networks (ANN). The model was developed on the grounds of examination results obtained for convection process applied for drying of 20mm-long willow chips with different diameters, carried out in a laboratory drier with forced air flow. The material was dried at the temperature of 40, 50, 60 and 70°C. Obtained examination results provided grounds to formulate, using the ANN, the model of changes in water content depending on six input variables: drying time, drying medium temperature, length and diameter of chips, and initial water content and weight of chips. The model with MLP architecture 6:6-15-14-1:1 was chosen from among all developed models because empirical verification proved that computed mean square error for that model was lowest.
Źródło:
Inżynieria Rolnicza; 2008, R. 12, nr 11(109), 11(109); 143-148
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza twardości selera w czasie suszenia
Analysis of celery hardness during drying process
Autorzy:
Łapczyńska-Kordon, B.
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/289364.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
twardość
sztuczna sieć neuronowa
model SSN
seler
hardness
SSN model
artificial neural network
celery
Opis:
W pracy przedstawiono próbę zastosowania modelu sformułowanego na bazie sztucznych sieci neuronowych do opisu zmian twardości selera w czasie konwekcyjnego suszenia w warunkach wymuszonego przepływu powietrza. Model opracowano na podstawie badań. Próbki selera w kształcie cylindrów o wymiarach 10x10 mm poddano suszeniu konwekcyjnemu w temperaturach: 60 i 70°C. Podczas suszenia w równych odstępach czasowych określano twardość materiału metodą Vickersa za pomocą mikrotwardościomierza PMT-3. Do opisu zmian twardości w zależności od zawartości wody, temperatury suszenia i rodzaju obróbki przed suszeniem zastosowano model opracowany za pomocą sztucznych sieci neuronowych SSN. Do budowy modelu zastosowano wielowarstwową jednokierunkową sztuczną sieć neuronową, wykorzystując do uczenia zmodyfikowany algorytm wstecznej propagacji błędu. Analizowano sieci o różnej architekturze w celu zoptymalizowania działania modelu sieciowego. Stwierdzono, że sieć o 3 neuronach w warstwie 1, 3 neuronach w warstwie 2 i 1 neuronie w warstwie wyjściowej jest optymalna. Błąd względny globalny pomiędzy wartościami otrzymanymi z doświadczeń i z obliczeń wyniósł 28,7%.
The paper presents an attempt of using a model created based on artificial neural networks for description of changes in celery hardness during convection drying under forced air circulation conditions. The model was developed based on the tests. Celery samples in a form of cylinders in size of 10x10 mm were put to convection drying at temperatures: 60 and 70°C. During the drying process material hardness was determined at equal time intervals based on the Vickers method using microhardness tester PMT-3. For description of hardness changes as a function of water content, drying temperature and type of treatment before drying a model developed based on artificial neural networks SSN was used. For creating the model a multilayer unidirectional neural network was employed, using a modified algorithm of backward error propagation for learning process. Networks with different architecture were analyzed in order to optimize actions of the network model. The analysis showed that the optimal network was the one with 3 neurons in layer 1, 3 neurons in layer 2 and 1 neuron in output layer. The global relative error between the values obtained from the experiments and from calculations was 28,7%.
Źródło:
Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 295-302
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie złożonego systemu produkcji - model relacyjny gospodarstwa sadowniczego
The modelling of complex production system - relation model of fruit farm
Autorzy:
Ślipek, Z.
Francik, S.
Łapczyńska-Kordon, B.
Powiązania:
https://bibliotekanauki.pl/articles/291731.pdf
Data publikacji:
2009
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
sad
model relacyjny
system zbioru
transport
system złożony
fruit farm
relation model
harvesting system
transporting system
complex system
Opis:
W pracy przedstawiono model relacyjny, opracowany metodą analizy systemowej procesu zbioru i transportu jabłek w gospodarstwie sadowniczym. W wyniku odwzorowania izomorficznego model relacyjny tworzy para składająca się z 5 elementów i zbioru 10 relacji tworzących strukturę modelu, odzwierciedlającą najważniejsze procesy mające wpływ na czas zbioru i transportu jabłek. Sformułowany model relacyjny jest podstawą do opracowania modelu operacyjnego i jego logicznej weryfikacji.
The paper presents the relation model developed using the method involving system analysis of apple harvesting and transporting process in a fruit farm. As a result of isomorphic mapping, relation model is constituted by a pair consisting of 5 elements and a set of 10 relations forming model structure reflecting the most important processes affecting apple harvesting and transporting time. The formulated relation model provides the basis for operational model development and logical verification.
Źródło:
Inżynieria Rolnicza; 2009, R. 13, nr 6, 6; 277-284
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model neuronowy zmian temperatury podczas konwekcyjnego suszenia zrębków wierzby energetycznej
Neural model of temperature changes during convection drying of energy willow chips
Autorzy:
Łapczyńska-Kordon, B.
Francik, S.
Ślipek, Z.
Powiązania:
https://bibliotekanauki.pl/articles/289751.pdf
Data publikacji:
2008
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
wierzba
zrębki
model neuronowy
zmiana temperatury
suszenie konwekcyjne
willow chips
neural model
temperature change
convection drying
Opis:
W pracy podjęto próbę zastosowania sztucznych sieci neuronowych do modelowania rozkładu temperatury w zrębkach suszonych konwekcyjnie. W modelu uwzględniono cztery zmienne wejściowe: temperaturę czynnika suszącego, początkową zawartość wody, wymiary zrębka, czas suszenia oraz jedna wyjściową - temperaturę materiału. Do budowy modelu posłużyły wyniki badań procesu konwekcyjnego suszenia zrębków wierzby, w trzech temperaturach: 50, 60 i 70°C, w suszarce z wymuszonym obiegiem powietrza. Podczas suszenia, w równych odstępach czasowych, określano zawartość wody i temperaturę materiału. Sformułowany model w oparciu o sztuczne sieci neuronowe został wybrany na podstawie najmniejszej wartości błędu średnio kwadratowego dla zbioru walidacyjnego. Następnie model ten poddano testowaniu i weryfikacji za pomocą wyników pomiarów wykonanych w takich samych warunkach jak opisane powyżej. Stwierdzono, że model poprawnie opisuje kinetykę zmian temperatury materiału w zależności od wybranych czterech czynników wejściowych.
The paper demonstrates an attempt to employ artificial neural networks to model temperature distribution in chips being dried in the convection process. Four input variables were taken into account in the model: drying medium temperature, initial water content, chip dimensions and drying time, and one output variable - material temperature. Examination results for willow chips convection drying process, carried out at three temperature values: 50, 60 and 70°C in a drier with forced air flow were used to build the model. During drying the researchers were determining water content and material temperature at equal time intervals. The model formulated using artificial neural networks was selected according to the lowest mean square error value for validation set. Then, this model was subject to testing and verification using results of measurements performed in the same conditions as those described above. It has been observed that the model correctly describes kinetics of changes in material temperature depending on the selected four input factors.
Źródło:
Inżynieria Rolnicza; 2008, R. 12, nr 11(109), 11(109); 149-155
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie skurczu suszarniczego wybranych warzyw korzeniowych za pomocą sieci neuronowych
Modeling drying shrinkage for selected root vegetables using neural networks
Autorzy:
Łapczyńska-Kordon, B.
Francik, S.
Frączek, J.
Ślipek, Z.
Powiązania:
https://bibliotekanauki.pl/articles/289368.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
skurcz
model SSN
burak ćwikłowy
shrinkage
SSN model
red beet
Opis:
W pracy przedstawiano próbę zastosowania modelu sformułowanego z pomocą sztucznych sieci neuronowych do opisu zmian skurczu suszarniczego próbek buraka ćwikłowego, podczas konwekcyjnego suszenia, w zależności od zawartości wody, temperatury materiału i wielkości powierzchni. Na podstawie analizy różnych architektur sieci, wybrano do opisu trójwarstwową sieć z trzema wejściami (trzy neurony w pierwszej warstwie ukrytej, jeden neuron w drugiej warstwie ukrytej i jeden neuron na wyjściu - jedna zmienna wyjściowa) ze względu na najmniejsze mierniki błędów. Stwierdzono, że model ma cechy uniwersalności, gdyż pozwala na jednoczesną analizę zmian skurczu w zależności od trzech wielkości: zawartości wody, temperatury i powierzchni przekroju poprzecznego próbki.
The paper presents an attempt to use a model created with the use of artificial neural networks for description of changes of drying shrinkage of red beet samples, during convection drying, as a function of water content, temperature of material and surface size. Based on the analysis of different network architectures, for description a tri-layer network with three inputs (three neurons in the first hidden layer, one neuron in the second hidden layer and one neuron at the output - one output variable) was selected due to the lowest error standards. The model turned out to show universal character, since it enabled simultaneous analysis of changes of shrinkage as a function of three parameters: water content, temperature and cross-section area of the sample.
Źródło:
Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 303-311
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Bibliometric analysis of multiple criteria decision making in agriculture
Autorzy:
Francik, S.
Pedrycz, N.
Knapczyk, A.
Wójcik, A.
Francik, R.
Łapczyńska-Kordon, B.
Powiązania:
https://bibliotekanauki.pl/articles/298286.pdf
Data publikacji:
2017
Wydawca:
Uniwersytet Warmińsko-Mazurski w Olsztynie
Tematy:
Multiple Criteria Decision Making
Multiple Criteria Decision Analysis
bibliometric analysis
research trends
agriculture
Opis:
Development trends (Research Trends) in scientific research on the methods of Multiple Criteria Decision Making (MCDM) and Multiple Criteria Decision Analysis (MCDA) in agriculture are analyzed. Established bibliometric techniques are applied. MCDA/MCDM methods are being very intensively developed in recent years, as evidenced by the number of scientific papers published annually in renowned scientific journals indexed in the Web of Science (WoS) database. In the years 1979-2015 a total of 1,355 scientific articles were collected in the database. The number of articles published annually increased rapidly after 2005. Besides, the annual number of citations of the publications is increasing. Research on MCDA/MCDM is conducted in many research areas. In the years 1984-2015 the Web of Science database accumulated 27 scientific publications on MCDA/MCDM in agriculture area. Therefore, it can be concluded that the MCDA/MCDM issues are currently not sufficiently analyzed in relation to agriculture. In the future this subject will probably be further developed, an increasing number of scientists will conduct research on the MCDA/MCDM and the annual number of articles published in the field will increase.
Źródło:
Technical Sciences / University of Warmia and Mazury in Olsztyn; 2017, 20(1); 17-30
1505-4675
2083-4527
Pojawia się w:
Technical Sciences / University of Warmia and Mazury in Olsztyn
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