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 "type selection" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Plant type selection for reclamation of Sarcheshmeh copper mine using fuzzy-TOPSIS approach
    Wybór gatunków roślin do wykorzystania w projekcie rekultywacji terenów kopalni miedzi Sarcheshmeh z wykorzystaniem metod logiki rozmytej TOPSIS
    Autorzy:
    Ebrahimabadi, A.
    Alavi, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/220215.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    rekultywacja terenów kopalni
    wybór gatunków roślin
    kopalnia miedzi Sarcheshmeh
    metoda logiki rozmytej TOPSIS
    mine reclamation
    plant type selection
    Sarcheshmeh copper mine
    fuzzy TOPSIS
    Opis:
    Plant species selection is a multi-criteria evaluation decision and has a strategic importance for many companies. The conventional methods for plant species selection are inadequate for dealing with the imprecise or vague nature of linguistic assessment. To overcome this difficulty, fuzzy multi-criteria decision-making methods are proposed. The aim of this study is to use the fuzzy technique for order preference by similarity to ideal solution (F.TOPSIS) methods for the selection of plant species in mine reclamation plan. Plant type selection and planting to protect the environment and the reclamation of the mine are some of the most important solutions. Therefore, the objective of the current research study is to choose the proper plant types for reclamation of Sarcheshmeh Copper Mine using Fuzzy-topsis method. In this regard, primarily, surrounding area of Sarcheshmeh copper mine, one of the world’s 10 biggest copper mine which is located near Kerman city of Iran, are surveyed, to choose the best plant type for reclamation of disturbance area. With this respect, based on reclamation plan, primary criteria were consisted of kinds of post mining land use, climate, and nature of soil. Comparison matrixes were then obtained based on experts’ opinion and plant types were subsequently prioritized using the Fuzzy Topsis method. Secondary factors considered through the analysis were as follows: perspective of the region, resistance against disease and insects, strength and method of growth, availability to plant type, economic efficiency, protection of soil, storing water, and prevention of pollution. Finally, suitable plant types in the mining perimeter were prioritized as: Amygdalus scoparia, Tamarix, Pistachio Wild, Ephedra, Astragalus, Salsola, respectively.
    Wybór gatunków roślin jest decyzją podejmowaną w oparciu o wiele kryteriów i stanowi poważne wyzwanie strategiczne dla wielu firm. Konwencjonalne metody wyboru gatunków roślin okazują się niewystarczające w przypadku nieprecyzyjnej oceny i nie w pełni zdefiniowanych określeń językowych. W celu przezwyciężenia tych trudności, zaproponowano wielo-kryterialną metodę decyzyjną wykorzystującą logikę rozmytą. Celem tego opracowania jest ukazanie zastosowania podejścia rozmytego do uzyskania kolejnych przybliżeń do rozwiązania idealnego (F.TOPSIS) przy wyborze odpowiednich gatunków roślin do użycia w projekcie rekultywacji terenów kopalni. Wybór gatunków roślin i ich kultywacja dla zapewnienia ochrony środowiska i projektu rekultywacji terenu pogórniczego to bardzo ważne zagadnienia. Głównym celem obecnego studium jest wybór odpowiednich gatunków roślin do wykorzystania projekcie rekultywacji terenów kopalni miedzi Sarcheshmeh z wykorzystaniem metod logiki rozmytej TOPSIS. W pierwszym rzędzie przeprowadzono badania gruntów wokół kopalni miedzi Sarchesmeh, w pobliżu miejscowości Kerman w Iranie (jednej z dziesięciu największych na świecie kopalni miedzi) w celu wyboru najlepszych typów roślin do wykorzystania do rekultywacji naruszonych działalnością górniczą terenów. Określono podstawowe kryteria wyboru, biorąc pod uwagę plan rekultywacji: sposoby wykorzystania terenu, klimat oraz rodzaje gleb. Otrzymano macierze porównawcze uzyskane na podstawie opinii ekspertów, następnie dokonano określenia priorytetów dla poszczególnych roślin przy pomocy metody TOPSIS, wykorzystującej logikę rozmytą. W analizie uwzględniono następujące czynniki drugorzędne: perspektywy dla regionu, odporność na choroby i owady szkodniki, wytrzymałość i sposób uprawy, dostępność danego gatunku roślin, wydajność ekonomiczna, ochrona gleb, zdolność zatrzymywania wody, zapobieganie zanieczyszczeniom. W końcowym etapie dokonano wyboru najkorzystniejszych dla danego terenu górniczego gatunków roślin, podając kolejno: Amygdalus scoparia, Tamarix, Pistachio Wild, Ephedra, Astragalus, Salsola.
    Źródło:
    Archives of Mining Sciences; 2013, 58, 3; 953-968
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Road Safety on the Example of Wireless Services – Case Study
    Autorzy:
    Lizakowski, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/15850349.pdf
    Data publikacji:
    2023-06-30
    Wydawca:
    Wydawnictwo Adam Marszałek
    Tematy:
    wireless access
    vehicular environment
    IEEE 802.11p standard
    modulation
    type
    service quality
    link selection
    Opis:
    The paper considers organising wireless access in vehicular environments. Such environments are normally affected by Doppler effects, so the IEEE 802.11p standard is expected to ensure an appropriate quality of service for moving objects. Theoretically, the IEEE 802.11p standard compensates for Doppler effects, but it should be ascertained whether 802.11p is still efficient at tiny Doppler shifts and when an object moves at higher speeds. The 802.11p link provides a data rate which is twice as low for 802.11a. Thus, an end-to-end simulation is carried out for the links at wide ranges of signal-to-noise ratio by varying the Doppler shift from 0 Hz to 100 Hz. The simulation also involves 8 modulation types for 128-, 512-, and 1024-bit packet transmissions to cover all possible study cases. The efficiency criterion is the packet-error rate, to which the data rate is additionally considered. The main simulation result is that the 802.11p link is efficient only at not high speeds. The packet length should be shortened to suppress the influence of the object’s speed. Therefore, to enable high-quality wireless access in vehicular environments, a combination of the 802.11p and 802.11a links should be used, where phase shift keying is more effective for 802.11a and quadrature amplitude modulation is more effective for 802.11p. The trade-off herein is a data rate versus margin speed.
    Źródło:
    Polish Political Science Yearbook; 2023, 2(52); 185-210
    0208-7375
    Pojawia się w:
    Polish Political Science Yearbook
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of type 2 diabetes mellitus using feature selection-based machine learning algorithms
    Przewidywanie cukrzycy typu 2 z wykorzystaniem algorytmów uczenia maszynowego opartych na selekcji cech
    Autorzy:
    Yılmaz, Atınç
    Powiązania:
    https://bibliotekanauki.pl/articles/2056596.pdf
    Data publikacji:
    2022
    Wydawca:
    Akademia Bialska Nauk Stosowanych im. Jana Pawła II w Białej Podlaskiej
    Tematy:
    feature selection
    health information system
    type 2 diabetes
    machine learning
    nursing care
    selekcja cech
    system informacji zdrowotnej
    cukrzyca typu 2
    uczenie maszynowe
    opieka pielęgniarska
    Opis:
    Background. The aim of this study is to develop and evaluate a machine learning model for the early diagnosis of type 2 diabetes to allow for treatments to be applied in the early stages of the disease. Material and methods. A proposed hybrid machine learning model was developed and applied to the Early-stage diabetes risk prediction dataset from the UCI database. The prediction success of the proposed model was compared with other machine learning models. Pearson’s correlation and SelectKBest feature selection methods were employed to examine the relationships between the dataset input parameters and the results. Results. Of the 520 patients included in the dataset, 320 were diagnosed with diabetes and 328 (63.08%) were males. The most commonly observed diabetes diagnosis criterion was obesity (n=482, 83.08%). While the strongest feature detected with Pearson’s correlation was polyuria, the strongest feature detected with SelectKBest was polydipsia. With Pearson’s feature extraction, the most successful machine learning method was the proposed hybrid method, with an accuracy of 97.28%. Using SelectKBest feature selection, the same model was able to predict type 2 diabetes with accuracy of 95.16%. Conclusions. Early detection of type 2 diabetes will allow for a prompter and more effective treatment of the patient. Thus, use of the proposed model may help to improve the quality of patient care and lower the number of deaths caused by this disease.
    Wprowadzenie. Celem niniejszego badania jest opracowanie i ewaluacja modelu uczenia maszynowego umożliwiającego wczesną diagnozę cukrzycy typu 2, która pozwala na podjęcie leczenia na początkowym etapie choroby. Materiał i metody. Zaproponowany hybrydowy model uczenia maszynowego został przygotowany i zastosowany z wykorzystaniem zbioru danych Early-stage diabetes risk prediction dataset pochodzącego z bazy UCI. Proponowany model porównano z innymi modelami uczenia maszynowego pod względem skuteczności przewidywania. Aby zbadać związek pomiędzy parametrami wejściowymi zbioru danych a wynikami, zastosowano metodę korelacji Pearsona oraz metodę selekcji cech SelectKBest. Wyniki. Spośród 520 przypadków uwzględnionych w zbiorze danych, 320 miało rozpoznaną cukrzycę, a 328 z nich (63,08%) to mężczyźni. Najczęstszym kryterium rozpoznania cukrzycy była otyłość (n=482, 83,08%). Podczas gdy najsilniejszą cechą wykrytą metodą Pearsona była poliuria, najsilniejszą cechą wykrytą metodą SelectKBest okazała się polidypsja. W przypadku ekstrakcji cech Pearsona najskuteczniejszą metodą uczenia maszynowego była zaproponowana metoda hybrydowa, której dokładność wynosi 97,28%. Ten sam model był w stanie przewidzieć zachorowanie na cukrzycę typu 2 z dokładnością 95,16% za pomocą selekcji cech SelectKBest. Wnioski. Wczesne wykrycie cukrzycy typu 2 pozwoli na szybsze i skuteczniejsze leczenie pacjenta. Dlatego też zaproponowany model może pomóc w podniesieniu jakości opieki nad pacjentami, a także w obniżeniu liczby zgonów spowodowanych tą chorobą.
    Źródło:
    Health Problems of Civilization; 2022, 16, 2; 128-139
    2353-6942
    2354-0265
    Pojawia się w:
    Health Problems of Civilization
    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