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 "Boniecki, P" wg kryterium: Autor

  Lista filtrów
Wyrównaj
Wyświetlanie 1-25 z 104
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:
System ekspertowy wspomagajacy procesy decyzyjne w produkcji roslinnej
Autorzy:
Boniecki, P
Powiązania:
https://bibliotekanauki.pl/articles/883001.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
produkcja roslinna
wspomaganie komputerowe
systemy ekspertowe
procesy decyzyjne
rolnictwo
system SadExpert
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2007, 05; 22-24
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
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:
Modelowanie neuronowe wybranych obiektów rolniczych z wykorzystaniem superformuły Johana Gielisa
Neuronal modelling of selected agricultural objects with usage of Johan Gieliss supershape
Autorzy:
Boniecki, P.
Olszewski, T.
Powiązania:
https://bibliotekanauki.pl/articles/334299.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
modelowanie neuronowe
sieć neuronowa
superformuła Johana Gielisa
neuronal modelling
neural network
Johan Gielis's supershape formula
Opis:
Celem pracy było badanie mozliwości klasyfikacyjnych sieci neuronowych w procesie identyfikacji ziarniaków pszenicy, jęczmienia oraz kukurydzy. Wykorzystana metoda separacji polegała na rozpoznawaniu różnic kształtów analizowanych obiektów. W celu identyfikacji kształtu, a następnie zakodowania pozyskanych danych empirycznych do postaci zbiorów uczących, wykorzystano tzw. superformułę zaproponowaną przez Johana Gielisa. Formuła ta pozwala na odwzorowanie dowolnego kształtu za pomocą sześciu niezależnych parametrów.
The aim of the work was to study the classifying possibilities of neural networks in the identification process of the wheat's, barley's and corn's kernel. Applied separation method depended on recognizing the shape differences of analysed objects. In order to identify the shape, and afterwards to encode the obtained empirical data into the training data sets the Johan Gielis's supershape formula was used. This formula permits for projection of any shape with a help of six independent parameters.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2008, 53, 1; 22-25
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuronowy model do identyfikacji makrouszkodzeń ziarniaków
Neural model for identification of damages of corn kernels
Autorzy:
Nowakowski, K.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/336815.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
model neuronowy
makrouszkodzenie
ziarniak
identyfikacja
neural model
damage
corn kernel
identification
Opis:
Realizacja projektu obejmowała zbudowanie i wytrenowanie neuronowego modelu do identyfikacji makrouszkodzeń ziarniaków. Rozpoznawania uszkodzeń dokonywano na podstawie cyfrowych fotografii skonwertowanych przez wytworzony system informatyczny do postaci zbiorów uczących dedykowanych dla sztucznej sieci neuronowej. Do uczenia sieci wybrano zestaw reprezentatywnych cech. W zbiorze tym zawarto informacje o barwie (zakodowanej do postaci liczbowej), polu powierzchni, obwodzie i wybranych współczynnikach kształtu. Pojedynczy przypadek uczący zawierał 1031 zmiennych, z czego 1024 to zmienne zawierające informacje o barwie. Identyfikacji makrouszkodzeń dokonano na ziarniakach kukurydzy odmiany Clarica FAO 280.
The realization of project enclosed construction and training neuronal model to identification of damages of corn kernels. Recognizing the damages was made on basis of digital photos converted by produced computer system to learning files dedicated for artificial neural network. The network was learned on chosen representative tags. The taught model marks abilities of identification approximate quality to human. Neural model can in real time identify larger number of kernels than man. The number of kernels is only limited by method of images acquisition and the computational power of applied equipment to implementation of model. Big advantage is also the lack of natural man limitations which for example are: fatigue and subjective opinion.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2008, 53, 2; 79-81
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wpływ liczby zmiennych na jakość działania neuronowego modelu do identyfikacji mechanicznych uszkodzeń ziarniaków kukurydzy
The impact of the number of variables on the operation quality of neuron model for identifying mechanical damage of corn seeds
Autorzy:
Nowakowski, K.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/290908.pdf
Data publikacji:
2008
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
kukurydza
uszkodzenie mechaniczne
identyfikacja
reprezentatywne dane uczące
sieć neuronowa
analiza obrazu
maize
mechanical damage
identifying
representative teaching data
neural network
image analysis
Opis:
Wykorzystanie sztucznych sieci neuronowych do identyfikacji mechanicznych uszkodzeń ziarniaków, prezentowanych w postaci fotografii, wymaga doboru odpowiednich cech charakterystycznych, na podstawie których zostanie przeprowadzony proces rozpoznawania. Wybór danych można zweryfikować wykorzystując narzędzie analizy wrażliwości sieci. Dzięki jego zastosowaniu można ocenić poziom istotności poszczególnych cech charakterystycznych i sprawdzić czy wszystkie wcześniej wybrane zmienne są niezbędne w procesie uczenia.
Using of artificial neuron networks for identifying mechanical damage of seeds presented on photographs requires selection of proper characteristics, which can be the basis for identification process. Data choice can be verified by using the instrument of network sensitivity analysis. Thanks to its use the significance level of particular characteristics can be evaluated, and it may be verified if all selected variables are essential in the learning process.
Źródło:
Inżynieria Rolnicza; 2008, R. 12, nr 6(104), 6(104); 151-157
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Identyfikacja pól temperatur wykorzystywanych do oceny niejednorodności przepływu powietrza przez kamienne złoże z użyciem technik neuronowych
Identification of temperature fields applied for evaluation of air flow heterogeneity through a rock bed storage by means of neural methods
Autorzy:
Mueller, W.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/291688.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
nierównomierność przepływu
regenerator kamienny
sieć neuronowa
inequality of air flow
stone regenerator
neuronal net
Opis:
Efektywność wykorzystania kamiennych regeneratorów, a w tym również współpracujących z nimi niekonwencjonalnych źródeł energii zależy między innymi od nierównomierności przepływu powietrza przez złoże. Kontynuując wcześniej podjętą problematykę badawczą autorzy zajęli się tym razem wspomnianym zjawiskiem, ale podczas fazy rozładowywania kamiennego akumulatora. Zrealizowane badania na stanowisku badawczym nie dostarczyły odpowiedniej ilości profili czasowych temperatury, co miało swoje uzasadnienie w ograniczonej z przyczyn technicznych liczbie punktów pomiaru temperatury. Podjęto, zatem wysiłki zmierzające do wykorzystania predykcyjnych możliwości sieci neuronowych [Boniecki 2004]. Efekty zrealizowanych badań i symulacji na bazie wytworzonych modeli neuronowych zaprezentowano w niniejszej publikacji.
Utilization efficiency of stone regenerators, including unconventional sources of energy working with them, depends - among other factors - on inequality of air flow through the deposit. Following their research of the phenomenon, authors of this paper investigated a stone storage during the unloading phase. Tests conducted did not deliver a reliable quantity of time temperature profiles, due to a limited number of temperature measurement points. Therefore, it was undertaken to utilize a predictive potential of neuronal nets. This paper presents results of stone storage tests and simulations based on created neuronal models.
Źródło:
Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 351-363
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The neural analysis of quarters healthiness of high yield cows in selected cowshed
Neuronowa analiza zdrowotności wymion krów wysokowydajnych w wybranej oborze mlecznej
Autorzy:
Jędruś, A.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/337371.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
neural model
cows
somatic cell count
model neuronowy
krowy
liczba komórek somatycznych
Opis:
Commonly recognized predictive abilities represented by selected ANN (Artificial Neural Networks) topologies are widely used in practice. They often support the decision-making processes that occur in agri-alimentary processing, such as milk production. The aim of the study was to use ANN as a predictive tool in the estimation process of the influence of selected zootechnical characteristics of cows on the milk quality, which is determined by the standards defining the requirements compliance concerning the level of somatic cell counts in the obtained milk. The work resulted in creation of the optimum predictive model which is a neural topology of the MLP-6:17:1 (MultiLayer Perceptron). The performed analysis of the generated neural model’s sensitivity to the individual input variables showed the impact of some of the zootechnical characteristics on somatic cell counts in the obtained milk.
Uznane zdolności predykcyjne, jakie reprezentują wybrane topologie SNN (Sztuczne Sieci Neuronowe), wykorzystywane są powszechnie również w szeroko rozumianej praktyce, np. wspomagają procesy decyzyjne zachodzące w przetwórstwie rolno-spożywczym, np. w branży mleczarskiej. Celem pracy było wykorzystanie SNN jako narzędzia predykcyjnego w procesie oceny wpływu wybranych cech zootechnicznych krów na jakość mleka krów, która określana jest przez normy definiujące spełnienie wymogów odnośnie poziomu zawartości komórek somatycznych w pozyskiwanym mleku. W pracy wytworzono optymalny model predykcyjny będący neuronową topologią typu MLP: 6-17-1 (MultiLayer Perceptron). Przeprowadzona analiza wrażliwości wygenerowanego modelu neuronowego na poszczególne zmienne wejściowe wykazała istotny wpływ wybranych cech zootechnicznych na liczbę komórek somatycznych w pozyskanym mleku.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2013, 58, 2; 55-57
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sieciowe projektowanie prac maszynowych w rolnictwie z zastosowaniem baz danych
Methods of network planning for tools and machines used in agriculture with the use of databases
Autorzy:
Grzelak, J
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/884159.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
mechanizacja pracy
projektowanie sieciowe
produkcja roslinna
mechanizacja produkcji roslinnej
bazy danych
rolnictwo
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2007, 04; 20-24
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
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:
Sztuczne sieci neuronowe jako narzędzie wspomagające proces numerycznego przetwarzania w problemach inżynierii rolniczej
The artificial neural networks as a helping tool in the process of numerical agricultural engineering problems
Autorzy:
Boniecki, P.
Paryś, A.
Powiązania:
https://bibliotekanauki.pl/articles/336080.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
inżynieria rolnicza
sztuczna sieć neuronowa
przetwarzanie numeryczne
macierz odwrotna
agricultural engineering
artificial neural network
numerical processing
inverted matrix
Opis:
Proces dyskretyzacji ciągłego zagadnienia różniczkowego (wraz z warunkami początkowo-brzegowymi) prowadzi do uzyskania liniowego układu równań algebraicznych. Rozwiązanie takiego układu równań wymaga znajomości postaci macierzy odwrotnej układu. Jednokierunkowe sieci neuronowe mogą być efektywnie wykorzystane w algebrze macierzowej do realizacji wielu standardowych operacji macierzowych, w tym również do odwracania macierzy. Wymienione wyżej modele neuronowe pozwalają w trakcie ich eksploatacji na uzyskanie dużej szybkości działania (praktycznie działania w czasie rzeczywistym). Problemem zasadniczym, w powyższym kontekście, jest właściwe określenie funkcji energetycznej, której minimalizacja pozwala na zaprojektowanie, wygenerowanie oraz nauczenie odpowiedniej topologii sieci neuronowej. Celem pracy była analiza możliwości wykorzystanie nowoczesnych technik sztucznych sieci neuronowych do generowania postaci macierzy odwrotnej.
The discretization process of the cotinuous differential issue (with the initial-border conditions) leads to obtaining the linear set of algebraic equations. To resolve such a set of equations, the knowledge about the inverted form of system matrix is required. One-directional neural networks can be effectively used in matrix algebra to conduct lots of standard matrix operations, including matrix inversion. The neural models listed above during exploitation let to obtain a great functional speed (nearly real time work). The basic problem, in mentioned context, is the proper definition of an energetic function, minimalization of which lets to design, generate and learn the proper neural network topology. The aim of work was analysis of the possibilities of using modern techniques of artificial neural networks to generate the inverted matrix form.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2006, 51, 1; 14-17
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Autoasocjacyjna sieć neuronowa jako narzędzie do nieliniowej kompresji danych
The artificial neural nerwork as a helping tool in the process of non-linear data compression
Autorzy:
Boniecki, P.
Przybył, J.
Powiązania:
https://bibliotekanauki.pl/articles/336092.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sieć neuronowa
autoasocjacyjna sieć neuronowa
kompresja danych
artificial neural network
data compression
autoassociative network
Opis:
Sieci autoasocjacyjne to sieci, które odtwarzają wartości wejściowe na swoich wyjściach. Działanie takie zdecydowanie ma sens, ponieważ rozważana sieć autoasocjacyjna posiada w warstwie środkowej (ukrytej) zdecydowanie mniejszą liczbą neuronów niż w warstwie wejściowej czy wyjściowej. Dzięki takiej budowie dane wejściowe muszą przecisnąć się przez swojego rodzaju zwężenie w warstwie ukrytej sieci, kierując się w do wyjścia. Dlatego też, w celu realizacji stawianego jej zadania reprodukcji informacji wejściowej na wyjściu, sieć musi się najpierw nauczyć reprezentacji obszernych danych wejściowych za pomocą mniejszej liczby sygnałów produkowanych przez neurony warstwy ukrytej, a potem musi opanować umiejętność rekonstrukcji pełnych danych wejściowych z tej "skompresowanej" informacji. Oznacza to, że sieć autoasocjacyjna w trakcie uczenia zdobywa umiejętność redukcji wymiaru wejściowych danych.
An autoassociative network is one which reproduces its inputs as outputs. Autoassociative networks have at least one hidden layer with less units than the input and output layers (which obviously have the same number of layers as each other). Hence, autoassociative networks perform some sort of dimensionality reduction or compression on the cases. Dimensionality reduction can be used to pre-process the input data to encode Information in a smaller number of variables. This approach recognizes that the intrinsic dimensionality of the data may be lower than the number of variables. In other words, the data can be adequately described by a smaller number of variables, if the right transformation can be found.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2006, 51, 1; 37-40
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja ziarniaków kukurydzy w oparciu o neuronową identyfikację kształtu
The classification of maizes kernels with supporting neuronal identification of shape
Autorzy:
Boniecki, P.
Nowakowski, K.
Powiązania:
https://bibliotekanauki.pl/articles/336706.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
ziarniak
kukurydza
klasyfikacja
neuronowa analiza obrazu
classification
maize
corn kernel
neuronal image analysis
Opis:
Celem pracy było wytworzenie systemu informatycznego wspomagającego proces klasyfikacji ziarniaków kukurydzy w oparciu o neuronową analizę obrazu. W pracy wykorzystano metodę identyfikacji różnic kształtów analizowanych obiektów w oparciu o tzw. superformułę, zaproponowaną przez Johana Gielisa, pozwalającą na reprezentację dowolnego kształtu za pomocą sześciu niezależnych parametrów.
The aim of work was producing the computer system helping the process of classification of corn kernels using neuronal image analysis. In the project was used method of identification of shapes differences using superformula proposed by John Gielis, permitting on representation of any shape with six independent parameters.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2008, 53, 3; 14-17
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuronowe techniki klasyfikacyjne w problemach identyfikacyjnych inżynierii rolniczej
The neuronal classifying techniques in problems of identification of agricultural engineering
Autorzy:
Boniecki, P.
Mueller, W.
Powiązania:
https://bibliotekanauki.pl/articles/337135.pdf
Data publikacji:
2005
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
inżynieria rolnicza
technika neuronowa
klasyfikacja
sztuczna sieć neuronowa
agricultural engineering
neural technique
artificial neural network
classification
Opis:
Celem pracy było omówienie podstawowych technik klasyfikacyjnych w kontekście wykorzystania ich w problemach badawczych inżynierii rolniczej. Wskazano wybrane topologie sztucznych sieci neuronowych jako efektywne narzędzia klasyfikacyjne. Dodatkowym efektem przeprowadzonej analizy bylo wytworzenie systemu informatycznego "Sieci neuronowe - Perceptron " wspomagającego proces edukacji. Wytworzony program komputerowy ma za zadanie klasyfikować dane zaczerpnięte z obszaru inżynierii rolniczej. Program działa w oparciu o sieć wielowarstwową typu perceptron - MLP (MultiLayer Perceptron).
The aim of the work was discussion of basic classifying techniques in context of their utilisation in investigative problems of agricultural engineering. The chosen topology of artificial neural networks were showed as effective classifying tools. Creation of the computer system "The neuronal nets - Perceptron " was the additional effect of the conducted analysis, helping the process of education. The aim of the created computer program is to classify the data obtained from the area of agricultural engineering. The program acts on the basis of many-layered network of perceptron type - MLP (MultiLayer Perceptron).
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2005, 50, 3; 15-19
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie plonów wybranych płodów rolnych z wykorzystaniem modeli neuronowych w postaci szeregów czasowych
Expectation crops of chosen agricultural fetuses with the help of neural model by time series
Autorzy:
Boniecki, P.
Mueller, W.
Powiązania:
https://bibliotekanauki.pl/articles/337153.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sieć neuronowa
prognozowanie
płody rolne
plon
model neuronowy
szereg czasowy
neural network
prognose
neural model
time series
agricultural fetuses
yield
Opis:
Jednym z ważnych etapów badania oraz analizy systemów empirycznych jest proces prognozowania, mający praktyczne zastosowanie w szerokim zakresie działalności ludzkiej. W przypadku przewidywania wielkości płodów rolnych mamy do czynienia z szeregiem złożonych bodźców, które w efekcie przekładają się na wynik końcowy, jakim jest plon. Jakość tych prognoz ma ogromne znaczenie dla kolejnych etapów w łańcuchu produkcyjno-dystrybucyjnym płodów rolnych. Sieci neuronowe w postaci szeregów czasowych są wysublimowaną techniką modelowania, zdolną odwzorować bardzo złożone funkcje. Celem analizy szeregów czasowych jest ustalenie prognozy przyszłych wartości pewnej zmiennej, której wartości zmieniają się w czasie. Najczęściej dąży się do obliczenia prognozy korzystając z wcześniejszych wartości tej samej zmiennej, której wartość ma być przewidywana. Zbiór uczący, wykorzystywany przy neuronowej analizie szeregów czasowych, budowany jest zwykle w oparciu o pojedynczą zmienną, której typ określony jest jako "Wejściowo-Wyjściowy". Oznacza to, że jest ona wykorzystywana zarówno jako wejście sieci neuronowej, jak i jako jej wyjście.
Prediction becomes a very important stage in many activities. In case of expectation crops of chosen agricultural foetuses we deal with a number of stimuli which consequently transform into the end effect. It is clear that the quality of those predictions has a great influence on subsequent stages in the production and distribution chain of agricultural foetuses. Neural networks by time series are a sophisticated technique of modeling capable of reflecting very complex functions. In time series problems, the objective is to predict ahead the value of a variable which varies in time, using previous values of that and/or other variables. The time series training data set therefore typically has a single variable, and this has type input/output (i.e., it is used both for network input and network output).
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2006, 51, 4; 40-43
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie neuronowe procesów cieplnych zachodzących podczas kompostowania wybranych nawozów naturalnych
Neural modelling of thermal processes during composting of chosen natural fertilizers
Autorzy:
Olszewski, T.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/337464.pdf
Data publikacji:
2010
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
modelowanie neuronowe
kompostowanie
nawóz naturalny
proces cieplny
neural modelling
thermal process
composting
natural fertilizer
Opis:
Proces kompostowania polega na mikrobiologicznym rozkładzie substancji organicznych w warunkach tlenowych za pomocą mikroorganizmów termofilnych i pleśni. Podczas procesu kompostowania wydzielają się duże ilości ciepła, które może być wykorzystane do różnych celów. W literaturze światowej brak jest informacji o wykorzystaniu sieci neuronowych w modelowaniu procesów cieplnych zachodzących podczas kompostowania. Celem prezentowanej pracy było modelowanie procesu kompostowania stałych nawozów naturalnych z wykorzystaniem sztucznych sieci neuronowych, ze szczególnym uwzględnieniem analizy cieplnej zachodzących zjawisk. Skupiono się na estymacji ilości ciepła otrzymywanego w wyniku reakcji egzotermicznych zachodzących podczas procesu kompostowania. Dokonano analizy oraz wytworzono, przetestowano i zweryfikowano zbiór topologii sieci neuronowych, działających jako efektywne instrumenty predykcyjne. W tym celu wykorzystano pakiet oprogramowania analitycznego Statistica v. 7.1 moduł: "Sieci Neuronowe". Mała wartość ilorazu odchyleń standardowych oraz współczynnik korelacji bliski jedności świadczy o dobrej jakości otrzymanych sieci neuronowych.
Composting process depends on microbiological decomposition of organic matter in oxygenic conditions proceeded by the thermopile microorganisms and moulds. During the process there is a lot of heat energy emission which can be used for different aims. There is no information about neural network used for modelling of composting processes in the world publications. The objective of presented work was to model the composting process of solid natural fertilizers using the artificial neural networks. I focused mainly on thermal analysis of this process. Qualification of heat emission as a result of exothermic reactions during composting process was the focus of attention. The second stage was complex analysis as well as creating, testing and verification of series of neural networks topology. The analytical software package Statistica v. 7.1: 'Neural Networks' was used. Low ratio of standard deviations and correlation coefficient close to one, provide the most important information for the good assessment of the neural network.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2010, 55, 2; 56-61
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza neuronowa wybranych parametrów zdolności wydojowej krów wysokowydajnych
The neural analysis of selected parameters of milking capacity for high-yield cows
Autorzy:
Jedrus, A.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/884086.pdf
Data publikacji:
2014
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
krowy wysokomleczne
zdolnosc wydojowa
mleko cwiartkowe
wydajnosc mleka
sieci neuronowe sztuczne
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2014, 1
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja ziarniakow kukurydzy w oparciu o neuronowa identyfikacje ksztaltu
The classification of maizes kernels with supporting neuronal identification of shape
Autorzy:
Boniecki, P
Nowakowski, K.
Powiązania:
https://bibliotekanauki.pl/articles/882900.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
ksztalt
kukurydza
ziarniaki
sieci neuronowe sztuczne
aplikacja Klasyfikator
identyfikacja
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2008, 06; 21-24
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuronowa identyfikacja wybranych szkodników zbóż w oparciu o informację zawartą w postaci dwuwymiarowych obrazów
Neuronal identification of the chosen cereal pests on the basis of information contained in the form of two-dimensional pictures
Autorzy:
Boniecki, P.
Piekarska-Boniecka, H.
Powiązania:
https://bibliotekanauki.pl/articles/336459.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
cyfrowe przetwarzanie sygnałów
CSP
neuronowa analiza obrazów
szkodnik zbóż
digital signal processing
DSP
neuronal pictures analysis
cereal pest
Opis:
Cyfrowe przetwarzanie sygnałów (CPS; ang. Digital Signal Processing, DSP) jest dziedziną nauki i techniki zajmującą się sygnałami w postaci cyfrowej i metodami ich przetwarzania. Cyfrowe przetwarzanie sygnałów i analogowe przetwarzanie sygnałów są gałęziami nadrzędnej dyscypliny: przetwarzania sygnałów. Pierwszym etapem cyfrowego przetwarzania sygnałów jest zazwyczaj konwersja sygnału z postaci analogowej na cyfrową za pomocą przetwornika analogowo-cyfrowego. Często sygnał przetworzony cyfrowo jest sygnałem wejściowym dla modelu neuronowego. Neuronowa analiza obrazów to nowa dziedzina cyfrowego przetwarzania sygnałów. Można ją wykorzystać do identyfikacji wybranych obiektów występujących w postaci bitmapy.
Digital signal processing (DSP) is the science and technology domain dealing with signals in a digital representation and the processing methods of these signals. DSP and analog signal processing are subfields of signal processing. Since the goal of DSP is usually to measure or filter continuous real-world analog signals, the first step is usually to convert the signal from an analog to a digital form, by using an analog to digital converter. Often, the required output signal is another analog input signal for neuronal models. The neuronal pictures analysis is then a new field of digital processing of signals. It is possible to use it to identification of chosen objects given in the form of bitmap.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2007, 52, 1; 30-36
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
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:
Neuronowy system informatyczny wspomagajacy proces prognozowania masy mleka uzyskanego podczas doju
Neural information system helping in the process of predicting the mass of obtained milk during milking
Autorzy:
Boniecki, P
Jedrus, A.
Nizewski, P.
Powiązania:
https://bibliotekanauki.pl/articles/883594.pdf
Data publikacji:
2007
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
system Milko
sieci neuronowe sztuczne
krowy
prognozowanie
wydajnosc mleka
produkcja zwierzeca
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2007, 05; 15-18
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-25 z 104

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