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 "fuzzy classification" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 34
Tytuł:
Design of fuzzy rule-based classifiers through granulation and consolidation
Autorzy:
Riid, A.
Preden, J.-S.
Powiązania:
https://bibliotekanauki.pl/articles/91638.pdf
Data publikacji:
2017
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
pattern recognition
fuzzy classification
complexity reduction
Opis:
This paper addresses the issue how to strike a good balance between accuracy and compactness in classification systems - still an important question in machine learning and data mining. The fuzzy rule-based classification approach proposed in current paper exploits the method of rule granulation for error reduction and the method of rule consolidation for complexity reduction. The cooperative nature of those methods - the rules are split in a way that makes efficient rule consolidation feasible and rule consolidation itself is capable of further error reduction - is demonstrated in a number of experiments with nine benchmark classification problems. Further complexity reduction, if necessary, is provided by rule compression.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2017, 7, 2; 137-147
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
On wavelet based enhancing possibilities of fuzzy classification methods
Autorzy:
Lilik, Ferenc
Solecki, Levente
Sziová, Brigita
Kóczy, László T.
Nagy, Szilvia
Powiązania:
https://bibliotekanauki.pl/articles/384751.pdf
Data publikacji:
2020
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
fuzzy classification
wavelet analysis
fuzzy rule interpolation
structural entropy
Opis:
If the antecedents of a fuzzy classification method are derived from pictures or measured data, it might have too many dimensions to handle. A classification scheme based on such data has to apply a careful selection or processing of the measured results: either a sampling, re‐ sampling is necessary. or the usage of functions, transfor‐ mations that reduce the long, high dimensional observed data vector or matrix into a single point or to a low num‐ ber of points. Wavelet analysis can be useful in such cases in two ways. As the number of resulting points of the wavelet ana‐ lysis is approximately half at each filters, a consecutive application of wavelet transform can compress the me‐ asurement data, thus reducing the dimensionality of the signal, i.e., the antecedent. An SHDSL telecommunication line evaluation is used to demonstrate this type of appli‐ cability, wavelets help in this case to overcome the pro‐ blem of a one dimensional signal sampling. In the case of using statistical functions, like mean, variance, gradient, edge density, Shannon or Rényi en‐ tropies for the extraction of the information from a pic‐ ture or a measured data set, and they don not produce enough information for performing the classification well enough, one or two consecutive steps of wavelet analy‐ sis and applying the same functions for the thus resulting data can extend the number of antecedents, and can dis‐ till such parameters that were invisible for these functi‐ ons in the original data set. We give two examples, two fuzzy classification schemes to show the improvement caused by wavelet analysis: a measured surface of a com‐ bustion engine cylinder and a colonoscopy picture. In the case of the first example the wear degree is to be deter‐ mine, in the case of the second one, the roundish polyp content of the picture. In the first case the applied statisti‐ cal functions are Rényi entropy differences, the structural entropies, in the second case mean, standard deviation, Canny filtered edge density, gradients and the entropies. In all the examples stabilized KH rule interpolation was used to treat sparse rulebases.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2020, 14, 2; 32-41
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Self-configuring hybrid evolutionary algorithm for fuzzy imbalanced classification with adaptive instance selection
Autorzy:
Stanovov, V.
Semenkin, E.
Semenkina, O.
Powiązania:
https://bibliotekanauki.pl/articles/91578.pdf
Data publikacji:
2016
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
fuzzy classification
instance selection
genetic fuzzy system
self-configuration
Opis:
A novel approach for instance selection in classification problems is presented. This adaptive instance selection is designed to simultaneously decrease the amount of computation resources required and increase the classification quality achieved. The approach generates new training samples during the evolutionary process and changes the training set for the algorithm. The instance selection is guided by means of changing probabilities, so that the algorithm concentrates on problematic examples which are difficult to classify. The hybrid fuzzy classification algorithm with a self-configuration procedure is used as a problem solver. The classification quality is tested upon 9 problem data sets from the KEEL repository. A special balancing strategy is used in the instance selection approach to improve the classification quality on imbalanced datasets. The results prove the usefulness of the proposed approach as compared with other classification methods.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2016, 6, 3; 173-188
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
FUZZY CLASSIFICATION OF SYMBOLIC OBJECTS
Autorzy:
Machowska-Szewczyk, Małgorzata
Powiązania:
https://bibliotekanauki.pl/articles/453644.pdf
Data publikacji:
2013
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
Tematy:
fuzzy classification
symbolic data
histogram-valued symbolic data
Opis:
The aim of this work is to present fuzzy clustering algorithm for objects, which can be described by mixed feature-type symbolic data and fuzzy data. The main idea is the transformation of mixed feature-type symbolic data and fuzzy data into histogram-valued symbolic data. Fuzzy classification is very useful in case, when classes are difficult separated, mixed objects can be classified into class with the fixed degree of membership.
Źródło:
Metody Ilościowe w Badaniach Ekonomicznych; 2013, 14, 2; 51-60
2082-792X
Pojawia się w:
Metody Ilościowe w Badaniach Ekonomicznych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A framework of a ship domain-based near-miss detection method using Mamdani neuro-fuzzy classification
Autorzy:
Niksa-Rynkiewicz, T.
Szłapczyński, R.
Powiązania:
https://bibliotekanauki.pl/articles/260244.pdf
Data publikacji:
2018
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
near-miss
collision risk
ship domain
fuzzy classification
Opis:
Safety analysis of navigation over a given area may cover application of various risk measures for ship collisions. One of them is percentage of the so called near- miss situations (potential collision situations). In this article a method of automatic detection of such situations based on the data from Automatic Identification System (AIS), is proposed. The method utilizes input parameters such as: collision risk measure based on ship’s domain concept, relative speed between ships as well as their course difference. For classification of ships encounters, there is used a neuro-fuzzy network which estimates a degree of collision hazard on the basis of a set of rules. The worked out method makes it possibile to apply an arbitrary ship’s domain as well as to learn the classifier on the basis of opinions of experts interpreting the data from the AIS.
Źródło:
Polish Maritime Research; 2018, S 1; 14-21
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A multi-case-based assembly management method for the shipbuilding industry
Autorzy:
Iwańkowicz, Remigiusz
Powiązania:
https://bibliotekanauki.pl/articles/1551812.pdf
Data publikacji:
2021
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
assembly management
shipbuilding
case-based reasoning
fuzzy classification
Opis:
This article describes a method for planning the assembly of ship hulls that focuses on a welding sequence, takes into account subassembly processes and makes use of a previously built database of structures. Different degrees of similarity between structures are taken into account. The described research led to the development of an intelligent hybrid sequencing method for structure assembly that uses fuzzy clustering, case-based reasoning and evolutionary optimization. The method is called ‘Multi-case-Based Assembly Planning (MBAP)’. The method is developed to provide satisfactory solutions with low user effort. The analyses carried out show that the calculations are highly timeefficient. The developed evolutionary algorithm converges on sub-optimal solutions. The MBAP method can be directly implemented by any shipbuilder that assembles hulls. Apart from this, fuzzy clustering integrated with case-based reasoning can be applied in practice. The integration of fuzzy clustering and case-based reasoning has been taken to a level higher than previously described in the literature.
Źródło:
Polish Maritime Research; 2021, 2; 27-35
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Actualization of the distributed knowledge base of ergatic system using the method of fuzzy classification
Aktualizacja rozproszonej bazy wiedzy systemu ergatycznego za pomocą metody klasyfikacji rozmytej
Autorzy:
Perederii, V.
Borchik, E.
Powiązania:
https://bibliotekanauki.pl/articles/407801.pdf
Data publikacji:
2014
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
knowledge base
fuzzy classification
membership functions
objects
baza wiedzy
klasyfikacja rozmyta
funkcje przynależności
obiekty
Opis:
In the article a method of actualization the distributed knowledge base of ergatic system using the method of fuzzy classification is proposed. As an example we consider the request choice formation of an alternative of decision-making from the knowledge base, according to the values of the input parameters. Genetic algorithm is used for finding optimal solutions. For automation of calculations MATLAB software package was used.
W pracy zaproponowano metodę aktualizacji rozproszonej bazy wiedzy systemu ergatycznego (system maszyna-człowiek) używając rozmytej klasyfikacji. Rozważono przykłady formułowania zapytań, wybór alternatywnych decyzji z bazy wiedzy, zgodnie z wartościami parametrów wejściowych. Celem znalezienia optymalnych rozwiązań zastosowano algorytmy genetyczne. Do automatyzacji obliczeń zastosowano pakiet MATLAB.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2014, 3; 3-5
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An Expert System for Automatic Classification of Sound Signals
Autorzy:
Tyburek, Krzysztof
Kotlarz, Piotr
Powiązania:
https://bibliotekanauki.pl/articles/307799.pdf
Data publikacji:
2020
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
audio descriptors
bird species
fuzzy classification of audio signals
MPEG-7
spectral features of sound
Opis:
In this paper, we present the results of research focusing on methods for recognition/classification of audio signals. We consider the results of the research project to serve as a basis for the main module of a hybrid expert system currently under development. In our earlier studies, we conducted research on the effectiveness of three classifiers: fuzzy classifier, neural classifier and WEKA system for reference data. In this project, a particular emphasis was placed on fine-tuning the fuzzy classifier model and on identifying neural classifier applications, taking into account new neural networks that we have not studied so far in connection with sounds classification methods.
Źródło:
Journal of Telecommunications and Information Technology; 2020, 2; 86-90
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A new approach for the clustering using pairs of prototypes
Autorzy:
Jezewski, M.
Czabanski, R.
Leski, J.
Horoba, K.
Powiązania:
https://bibliotekanauki.pl/articles/333693.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
fuzzy clustering
pairs of prototypes
fuzzy rule-based classification
grupowanie rozmyte
pary prototypów
rozmyta klasyfikacja oparta na regułach
Opis:
In the presented work two variants of the fuzzy clustering approach dedicated for determining the antecedents of the rules of the fuzzy rule-based classifier were presented. The main idea consists in adding additional prototypes (’prototypes in between’) to the ones previously obtained using the fuzzy c-means method (ordinary prototypes). The ’prototypes in between’ are determined using pairs of the ordinary prototypes, and the algorithm based on distances and densities finding such pairs was proposed. The classification accuracy obtained applying the presented clustering approaches was verified using six benchmark datasets and compared with two reference methods.
Źródło:
Journal of Medical Informatics & Technologies; 2015, 24; 113-121
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fuzzy classification of European regions in the evaluation of smart growth
Ocena inteligentnego rozwoju regionów europejskich z zastosowaniem klasyfikacji rozmytej
Autorzy:
Markowska, Małgorzata
Jefmański, Bartłomiej
Powiązania:
https://bibliotekanauki.pl/articles/422986.pdf
Data publikacji:
2012
Wydawca:
Główny Urząd Statystyczny
Tematy:
fuzzy region classification
fuzzy c-means
Europe 2020
smart growth of regions
rozmyta klasyfikacja regionów
rozmyta metoda c-średnich
Europa 2020
rozwój inteligentny regionów
Opis:
“Europe 2020 Strategy” presents the vision of European economy development, in which smart development, i.e. development based on knowledge and innovation, constitutes one of major priorities. Smart specialization which refers to enterprises, research centres and high schools cooperating in defining the most promising areas of specialization in a given region, represents one of crucial smart development components. Smart specialization refers to both, the concept and the tool, allowing regions and countries to assess their unique position in knowledge-based economy. This knowledge should not be underestimated at the stage of preparing regional and interregional policy assumptions and specifying directions for the distribution of financial means allocated to further development of regions, constructing their advantage in regional space and position in knowledge based economy. Therefore, the essential objective of the hereby study is to distinguish classes of regions in European space with regard to one complex phenomenon, i.e. smart specialization. For this reason both classical and fuzzy classification methods were applied. Such approach facilitated e.g. specifying these regions for which it is difficult to provide clear division regarding their membership in distinguished classes. They are the regions which “keep searching” for their optimum path of smart development and which should be offered particular attention from entities managing development at regional, national and overall EU level.
„Strategia Europa 2020” stanowi wizję rozwoju gospodarki europejskiej, dla której jednym z priorytetów jest rozwój inteligentny czyli oparty na wiedzy i innowacjach. Istotnym elementem inteligentnego rozwoju jest inteligentna specjalizacja obejmująca przedsiębiorstwa, ośrodki badawcze oraz szkoły wyższe, które współpracują na rzecz określenia najbardziej obiecujących obszarów specjalizacji w danym regionie. Stanowi ona zarówno koncepcję jak i narzędzie pozwalające regionom i krajom ocenić ich unikalną pozycję w gospodarce opartej na wiedzy. Trudno przecenić tą wiedzę na etapie formułowania założeń polityk regionalnych i interregionalnych oraz ustalania kierunków dystrybucji środków finansowych przeznaczonych na dalszy rozwój regionów budujących swoją przewagę w przestrzeni regionalnej oraz pozycję w gospodarce opartej na wiedzy. Dlatego zasadniczym celem niniejszego opracowania było wyodrębnienie klas regionów w przestrzeni europejskiej ze względu na zjawisko złożone jakim jest inteligentna specjalizacja. W tym celu zastosowano klasyczne i rozmyte metody klasyfikacji. Podejście takie umożliwiło m.in. wskazanie tych regionów, dla których nie można jednoznacznie określić przynależności do wyodrębnionych klas. Są to regiony „poszukujące” optymalnej ścieżki inteligentnego rozwoju, które winne zostać otoczone szczególną uwagą przez podmioty zarządzające rozwojem zarówno na szczeblu regionalnym, krajowym jak i całej wspólnoty europejskiej.
Źródło:
Przegląd Statystyczny; 2012, 59, 1; 74-93
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modified neuro-fuzzy TSK network and its application in electronic nose
Autorzy:
Osowski, S.
Brudzewski, K.
Tran-Hoai, L.
Powiązania:
https://bibliotekanauki.pl/articles/201226.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
neuro-fuzzy TSK networks
fuzzy clusterization
regression
classification
Opis:
The paper develops the modified structure of the Takagi-Sugeno-Kang neuro-fuzzy network with a theoretical basis for its adaptation. The simplified structure follows from the basic theoretical considerations concerning the way of creating the inference rules. The important point of this solution is the application of the fuzzy clustering algorithm to the input data. The efficiency of the proposed solution has been checked on the examples of regression and classification problems concerning the electronic nose.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2013, 61, 3; 675-680
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnostics of synchronous motor based on sound recognition with application of Linear Predictive Cepstrum Coefficients and fuzzy classifier
Autorzy:
Głowacz, A.
Powiązania:
https://bibliotekanauki.pl/articles/92999.pdf
Data publikacji:
2009
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
sound recognition
processing
classification
diagnostics
fuzzy classifier
Opis:
This document provides the concept of investigations of acoustic signals of imminent failure conditions of synchronous motor. Measurements were made by recorder OLYMPUS WS-200S. Sound recognition software has been implemented. Algorithms of signal processing and analysis have been used. The system is based on the LPCC algorithm and fuzzy classifier with triangular membership function. Results confirm the correct operation of the system of sound recognition of synchronous motor.
Źródło:
Studia Informatica : systems and information technology; 2009, 2(13); 63-72
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimising a fuzzy fault classification tree by a single-objective genetic algorithm
Autorzy:
Zio, E.
Baraldi, P.
Popescu, I. C.
Powiązania:
https://bibliotekanauki.pl/articles/2069595.pdf
Data publikacji:
2007
Wydawca:
Uniwersytet Morski w Gdyni. Polskie Towarzystwo Bezpieczeństwa i Niezawodności
Tematy:
fault classification
decision tree
fuzzy logic
genetic algorithm
Opis:
In this paper a single-objective Genetic Algorithm is exploited to optimise a Fuzzy Decision Tree for fault classification. The optimisation procedure is presented with respect to an ancillary classification problem built with artificial data. Work is in progress for the application of the proposed approach to a real fault classification problem.
Źródło:
Journal of Polish Safety and Reliability Association; 2007, 2; 391--400
2084-5316
Pojawia się w:
Journal of Polish Safety and Reliability Association
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of new method of initialisation of neuro - fuzzy systems with support vector machines
Analiza nowej metody inicjalizacji systemów neuronowo – rozmytych z wykorzystaniem maszyn wektorów wspierających
Autorzy:
Simiński, K.
Powiązania:
https://bibliotekanauki.pl/articles/375675.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
support vector machine (SVM)
neuro-fuzzy systems
classification
regression
Opis:
The correspondence between support vector machines and neuro-fuzzy systems is very interesting. The full equivalence for classification and partial for regression has been formally shown. The equivalence has very interesting implication. It is a base for a new method of initialization of neurofuzzy systems, ie. for creating of fuzzy rule base. The commonly used methods are based on reversion of item: the premises of fuzzy rules split input domain into region, thus premises of fuzzy rules can be elaborated by partition of input domain. This leads to three main classes of partition of input domain. The above mentioned equivalence results in new way of creating the rule base. Now the input domain is not partitioned, but the premises of fuzzy rules are extracted from support vector. The objective of the paper is to examine the advantages and disadvantages of this new method for creation of fuzzy rule bases for neuro-fuzzy systems.
Związek pomiedzy maszynami wektorów podpierajacych i systemami neuronoworozmytymi jest bardzo interesujący. Została wykazana pełna odpowiedniość między tymi systemami dla klasyfikacji i częściowa dla regresji. Odpowiedność ta ma bardzo ważną konsekwencję. Jest podstawa do opracowania nowego sposobu tworzenia bazy reguł dla systemu neuronowo-rozmytego. Dotychczasowe metody opieraja się na podziale przestrzeni wejściowej, a następnie przekształcenia tak powstałych regionów w przesłanki rozmytych reguł. Tutaj możliwe jest przekształcanie wektorów wspierających na przesłanki reguł rozmytych. Celem artykułu jest przebadanie możliwości stosowania takiego podejścia do inicjalizacji systemów neuronowo-rozmytych. Eksperymenty wykazują dosć istotną wadę tego podejścia. W jego wyniku powstają bardzo liczne zbiory reguł rozmytych, co zupełnie przeczy idei interpretowalności wiedzy w systemach neuronowo-rozmytych. Manipulacja pewnymi parametrami umożliwia zmiejszenie liczby reguł, jednak manipulacja ta jest trudna i wymaga wielu prób. Drugą dość istotna wadą jest wyraźnie wyższy błąd wypracowywany przez systemy inicjalizowane przez SVM w porównaniu do systemów, których bazy reguł tworzone sa˛ poprzez podział przestrzeni wejściowej.
Źródło:
Theoretical and Applied Informatics; 2012, 24, 3; 243-254
1896-5334
Pojawia się w:
Theoretical and Applied Informatics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Machine fault diagnosis and condition prognosis using classification and regression trees and neuro-fuzzy inference systems
Autorzy:
Tran, V. T.
Yang, B. S.
Powiązania:
https://bibliotekanauki.pl/articles/971018.pdf
Data publikacji:
2010
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
fault diagnosis
classification
induction motors
decision trees
forecasts
fuzzy systems
Opis:
This paper presents an approach to machine fault diagnosis and condition prognosis based on classification and regression trees (CART) and neuro-fuzzy inference systems (ANFIS). In case of diagnosis, CART is used as a feature selection tool to select pertinent features from data set, while ANFIS is used as a classifier. The crisp rules obtained from CART are then converted to fuzzy if-then rules, employed to identify the structure of ANFIS classifier. The hybrid of back-propagation and least squares algorithm are utilized to tune the parameters of the membership functions. The data sets obtained from vibration signals and current signals of the induction motors are used to evaluate the proposed algorithm. In case of prognosis, both of these models in association with direct prediction strategy for long-term prediction of time series techniques are utilized to forecast the future values of machine operating condition. In this case, the number of available observations and the number of predicted steps are initially determined by false nearest neighbor method and auto mutual information technique, respectively. These values are subsequently utilized as inputs for prediction models. The performance of the proposed prognosis system is then evaluated by using real trending data of a low methane compressor. A comparative study of the predicted results obtained from CART and ANFIS models is also carried out to appraise the prediction capability of these models. The results of the proposed methods in both cases indicate that CART and ANFIS offer a potential for machine fault diagnosis and for condition prognosis.
Źródło:
Control and Cybernetics; 2010, 39, 1; 25-55
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 34

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