Informacja

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

Wyszukujesz frazę "Francik, S." wg kryterium: Autor


Wyświetlanie 1-4 z 4
Tytuł:
Methodological aspects of conceptual design of an agricultural machine by the case of a tunnel spraying machine
Metodyczne aspekty projektowania konceptualnego maszyny rolniczej na przykładzie opryskiwacza tunelowego
Autorzy:
Ślipek, Z.
Francik, S.
Frączek, J.
Knapczyk, A.
Powiązania:
https://bibliotekanauki.pl/articles/93497.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
conceptual design
concept
structural form
design requirements
structure card
tunnel spraying machine
projektowanie konceptualne
koncepcja
postać konstrukcyjna
wymagania projektowe
karta struktur
opryskiwacz tunelowy
Opis:
The article presents the procedure of determination of a structural form of an agricultural machine which encompasses methodological aspects of design related to the division of the basic objective function into member functions, multi-variant solutions and synthesis of astructural form (a virtual prototype of an agricultural machine). The suggested course of proceeding was presented by the case of a design of a tunnel spraying machine. This example reflects well and includes the specificity of the design object in the form of an agricultural machine with specific technical and agro-technical requirements. Attention was paid to the aspects related to methodology of selection of fractional solutions based on previously defined criteria.
W artykule przedstawiono procedurę postępowania przy wyznaczaniu postaci konstrukcyjnej maszyny rolniczej, uwzględniającą aspekty metodyczne projektowania, związane z podziałem zasadniczej funkcji celu na funkcje składowe, wielowariantowe rozwiązania oraz syntezę postaci konstrukcyjnej (prototyp wirtualny maszyny rolniczej). Proponowany tok postępowania przedstawiony został na przykładzie projektu opryskiwacza tunelowego. Przykład ten dobrze odzwierciedla i uwzględnia specyfikę przedmiotu projektowania, jakim jest maszyna rolnicza o szczególnych wymaganiach technicznych i agrotechnicznych. Zwrócono uwagę na aspekty związane z metodyką wyboru rozwiązań cząstkowych w oparciu o wcześniej ustalone kryteria.
Źródło:
Agricultural Engineering; 2016, 20, 4; 195-206
2083-1587
Pojawia się w:
Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial neural networks in modelling the contact area of grain seeds
Wykorzystanie sztucznych sieci neuronowych w modelowaniu powierzchni kontaktu ziarna zbóż
Autorzy:
Frączek, J.
Francik, S.
Ślipek, Z.
Knapczyk, A.
Powiązania:
https://bibliotekanauki.pl/articles/93661.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
contact area
seed material
artificial neural network
powierzchnia kontaktu
materiał ziarnisty
sztuczna sieć neuronowa
Opis:
The objective of the research was to create a model which defines the relation between a fundamental contact area of a seed and the pressure force, water content in a seed and its geometrical dimensions with application of artificial neural networks (SSN). Computer program Statistica Neural Networks v. 6.0. was used for formation of a neural model. Tests were carried out on Roma wheat seed and Dańkowskie Złote rye with six various water contents: 0.11 0.15 0.19 0.23 0.28 0.33 (kg⋅kg-1 dry mass). Caryopses were loaded with eight values of compression force - from 41 N to 230 N. Multiplicity of iterations was 5. Seed material was moistened to obtain a specific water content. Each seed was loaded with compression force with respectively growing values: 41N, 68N, 95N, 122N, 149N, 176N, 203N and 230N. A four-layer network of Perceptron type with 10 neurons in the first and 8 neurons in the second hidden layer was selected as a model which the best defines the contact area of grain seeds loaded with axial force at various moisture levels. This network has 4 inputs (water content, pressure force, thickness and length of caryopses) and one output (elementary contact area of rye and wheat seeds). Comparison of the neural model with empirical formulas obtained from nonlinear estimation proved a considerable higher precision of the first one.
Celem badań było utworzenie modelu określającego zależności między elementarną powierzchnią kontaktu ziarna, a siłą nacisku, zawartością wody w ziarnie oraz jego wymiarami geometrycznymi, przy wykorzystaniu sztucznych sieci neuronowych (SSN). Do tworzenie modelu neuronowego wykorzystano program komputerowy Statistica Sieci Neuronowe v. 6.0. Badania przeprowadzono na ziarnie pszenicy Roma oraz żyta Dańkowskie Złote, przy sześciu różnych zawartościach wody: 0,11 0,15 0,19 0,23 0,28 0,33 (kg⋅kg-1 s.m.). Ziarniaki obciążano ośmioma wartościami siły ściskającej – od 41N do 230N. Krotność powtórzeń wynosiła 5. Materiał ziarnisty nawilżano aby uzyskać określoną zawartość wody. Każde ziarno obciążano siłą ściskającą o kolejno rosnących wartościach: 41N, 68N, 95N, 122N, 149N, 176N, 203N i 230N. Jako model najlepiej określający powierzchnię styku ziarna zbóż obciążanego siłą osiową, przy różnej wilgotności wybrano czterowarstwową sieć typu Perceptron o 10 neuronach w pierwszej i 8 neuronach w drugiej warstwie ukrytej. Sieć ta posiada 4 wejścia (zawartość wody, siła nacisku, grubość i długość ziarniaka), i jedno wyjście (elementarna powierzchnia kontaktu ziarna żyta i pszenicy). Porównanie modelu neuronowego z formułami empirycznymi uzyskanymi z estymacji nieliniowej wykazało zdecydowanie większą dokładność pierwszego z nich.
Źródło:
Agricultural Engineering; 2016, 20, 4; 27-37
2083-1587
Pojawia się w:
Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Present trends in research on application of artificial neural networks in agricultural engineering
Aktualne kierunki badań dotyczących zastosowań sztucznych sieci neuronowych w inżynierii rolniczej
Autorzy:
Francik, S.
Ślipek, Z.
Frączek, J.
Knapczyk, A.
Powiązania:
https://bibliotekanauki.pl/articles/93849.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
agricultural engineering
artificial neural network
bibliometric analysis
dynamics of publishing
inżynieria rolnicza
sztuczna sieć neuronowa
analiza bibliometryczna
dynamika publikowania
Opis:
The objective of the paper was to carry out a bibliometric quantitative analysis of publications concerning the application of artificial neural networks in the research area - agriculture and a bibliometric quantitative analysis and subject analysis with regard to agricultural engineering. A number of scientific publications devoted to the ANN found in the data base of the Web of Science - in documents published to 2015 was a basis for the quantitative analysis. Research on the use of artificial neural networks in the research area – agriculture is extending systematically. Moreover, a rapidly growing number of citations prove a continuous increase in the scientists' interest in possibilities of the ANN applications. The quantitative analysis of scientific publications in 5 selected scientific journals and thematically related to agricultural engineering (indexed in the Web of Science) allowed a statement that 236 scientific articles from 1996-2015 were related to the ANN application. The biggest number of publications was reported in Computers and Electronics in Agriculture - 118 articles. In 2011-2015 there was a growing trend in dynamics of publishing of scientific papers devoted to the ANN application to agricultural engineering. Thus, we may assume that the research related to application of the artificial neural networks to agricultural engineering will be continued and their scope and number will be still growing. The thematic analysis of the most often quoted publications from 2011-2015 in the journal Computers and Electronics in Agriculture, proved that they concern both the issues related to the classification problem as well as to modelling processes and systems. We should suppose that the subjects related to modelling of drying processes and application of neural networks for image analysis will grow dynamically in the following years.
Celem pracy było przeprowadzenie bibliometrycznej analizy ilościowej publikacji dotyczących wykorzystania sztucznych sieci neuronowych (ANN) w obszarze badawczym rolnictwo oraz bibliometrycznej analizy ilościowej i tematycznej w dyscyplinie inżynieria rolnicza. Podstawą dla wykonania analiz ilościowych była liczba publikacji naukowych poświęconych ANN znaleziona w bazie Web of Science - dokumenty opublikowane do roku 2015. Badania nad zastosowaniami sztucznych sieci neuronowych w obszarze badawczym rolnictwo rozszerzają się systematycznie. O ciągłym wzroście zainteresowania naukowców możliwościami wykorzystania ANN świadczy również gwałtownie wzrastająca liczba cytowań. Analiza ilościowa publikacji naukowych w 5 wybranych czasopismach naukowych tematycznie związanych z inżynierią rolniczą (indeksowanych w bazie Web of Science) pozwoliła stwierdzić, że 236 artykułów naukowych z lat 1996-2015 było powiązane tematycznie z zastosowaniem ANN. Najwięcej publikacji odnotowano w czasopiśmie Computers and Electronics in Agriculture - 118 artykułów. W latach 2011-2015 występuje tendencja wzrostowa dynamiki publikowania prac naukowych poświęconych zastosowaniom ANN w inżynierii rolniczej. Można zatem wnioskować, że badania związane z zastosowaniem sztucznych sieci neuronowych w dyscyplinie inżynieria rolnicza będą kontynuowane, a ich zakres i liczba będzie się w dalszym ciągu zwiększać. Analiza tematyki najczęściej cytowanych publikacji z lat 2011-2015 w czasopiśmie Computers and Electronics in Agriculture wykazała, że dotyczą one zarówno zagadnień związanych z problemem klasyfikacji, jak i modelowania procesów i systemów. Należy przypuszczać, że tematyka związana z modelowaniem procesów suszarniczych oraz wykorzystaniem sieci neuronowych do analizy obrazu będzie się w kolejnych latach gwałtownie rozwijać.
Źródło:
Agricultural Engineering; 2016, 20, 4; 15-25
2083-1587
Pojawia się w:
Agricultural Engineering
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 1-4 z 4

    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