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 "Gad, Ibrahim" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Effect of a Subjective Grading System and Blending with Polyester on Selected Wool and Yarn Characteristics of Subtropical Egyptian Barki Sheep
    Ocena właściwości przędz mieszanych wełna/poliester
    Autorzy:
    Helal, Ahmed
    Agamy, Rania
    Gad Allah, Aymen A. I.
    Al-Betar, Essam M.
    Mahouda, Sabry F.
    Abdel-Mageed, Ibrahim I.
    Powiązania:
    https://bibliotekanauki.pl/articles/232691.pdf
    Data publikacji:
    2019
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    wool
    yarn
    strength
    elongation
    friction
    polyester blends
    wełna
    przędza
    wytrzymałość
    wydłużenie
    tarcie
    mieszanka wełna-poliester
    Opis:
    Seven-hundred kilograms of subtropical Barki wool was collected to study the effect of a subjective grading system and blending with polyester on selected wool and yarn characteristics. Wool was graded subjectively into coarse, fine and raw; then each grade was blended with 0%, 15%, 25%, 35% and 45% of polyester. Staple and yarn strengths were higher in both coarse and fine grades compared with raw wool. Staple elongation of the fine grade reached 3 times that of coarse grade and twice as much as raw grade. Also, in the 100% wool blend, yarn elongation of the fine grade was twice as much as both coarse and raw grades. The fine grade had the highest yarn friction, followed by other grades. Generally, adding polyester to coarse and fine grades led to an improved yarn strength compared with the raw grade. Adding 15% polyester caused the highest improvement among other percentages. Correlations among traits were also discussed.
    Do badań wykorzystano 700 kg wełny. Dokonano oceny wybranych właściwości wełny i przędz mieszanych wełna/poliester. Wełna była oceniana subiektywnie na grubą, cienką i surową; następnie każdy gatunek został zmieszany z 0%, 15%, 25%, 35% i 45% poliestru. Zbadano wytrzymałość, wydłużenie i współczynnik tarcia przędz. Stwierdzono, że, dodawanie poliestru do grubych i cienkich włókien wełnianych prowadziło do polepszenia wytrzymałości przędz w porównaniu do przędz z włókien surowych. Największą poprawę właściwości spowodowało dodanie 15% poliestru. Omówiono również korelacje między cechami.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2019, 5 (137); 23-27
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hybrid deep learning model-based prediction of images related to cyberbullying
    Autorzy:
    Elmezain, Mahmoud
    Malki, Amer
    Gad, Ibrahim
    Atlam, El-Sayed
    Powiązania:
    https://bibliotekanauki.pl/articles/2142490.pdf
    Data publikacji:
    2022
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    cyberbullying
    ResNet50
    MobileNetV2
    support vector machine
    cyberprzemoc
    maszyna wektorów wsparcia
    Opis:
    Cyberbullying has become more widespread as a result of the common use of social media, particularly among teenagers and young people. A lack of studies on the types of advice and support available to victims of bullying has a negative impact on individuals and society. This work proposes a hybrid model based on transformer models in conjunction with a support vector machine (SVM) to classify our own data set images. First, seven different convolutional neural network architectures are employed to decide which is best in terms of results. Second, feature extraction is performed using four top models, namely, ResNet50, EfficientNetB0, MobileNet and Xception architectures. In addition, each architecture extracts the same number of features as the number of images in the data set, and these features are concatenated. Finally, the features are optimized and then provided as input to the SVM classifier. The accuracy rate of the proposed merged models with the SVM classifier achieved 96.05%. Furthermore, the classification precision of the proposed merged model is 99% in the bullying class and 93% in the non-bullying class. According to these results, bullying has a negative impact on students’ academic performance. The results help stakeholders to take necessary measures against bullies and increase the community’s awareness of this phenomenon.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2022, 32, 2; 323--334
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      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