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 "Halder, A." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Highly efficient cladding pumped dual-wavelength thulium ytterbium co-doped fiber laser
    Autorzy:
    Latiff, A.A.
    Babar, I.
    Shamsudin, H.
    Paul, M.
    Halder, A.
    Das, S.
    Bhadra, S.
    Ahmad, H.
    Harun, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/1058544.pdf
    Data publikacji:
    2016-12
    Wydawca:
    Polska Akademia Nauk. Instytut Fizyki PAN
    Tematy:
    42.55.Wd
    42.60.Fc
    42.70.-a
    Opis:
    This paper describes the all-fiber dual-wavelength thulium ytterbium co-doped fiber laser by using a newly developed octagonal shaped double-clad thulium-ytterbium co-doped fiber as gain medium in conjunction with spatial filtering effect. The thulium ytterbium co-doped fiber laser operates at wavelengths of 1990.64 nm and 1998.92 nm with a signal to noise ratio of more than 34 dB as the 980 nm multimode pump power is increased above a threshold value of 1.5 W. The slope efficiency of the dual-wavelength laser is measured to be around 26.16%, which is comparable with the conventional thulium laser pumped by 800 nm single mode pump.
    Źródło:
    Acta Physica Polonica A; 2016, 130, 6; 1332-1335
    0587-4246
    1898-794X
    Pojawia się w:
    Acta Physica Polonica A
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Pattern Classification of Fabric Defects Using a Probabilistic Neural Network and Its Hardware Implementation using the Field Programmable Gate Array System
    Klasyfikacja rodzaju defektów tkanin za pomocą probabilistycznej sztucznej sieci neuronowej oraz za pomocą systemu FPGA
    Autorzy:
    Hasnat, A.
    Ghosh, A.
    Khatun, A.
    Halder, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/234369.pdf
    Data publikacji:
    2017
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    classification
    fabric defect
    field programmable gate array (FPGA)
    radial basis function
    probabilistic neural network
    klasyfikacja wad tkanin
    probabilistyczna sieć neuronowa
    Opis:
    This study proposes a fabric defect classification system using a Probabilistic Neural Network (PNN) and its hardware implementation using a Field Programmable Gate Arrays (FPGA) based system. The PNN classifier achieves an accuracy of 98 ± 2% for the test data set, whereas the FPGA based hardware system of the PNN classifier realises about 94±2% testing accuracy. The FPGA system operates as fast as 50.777 MHz, corresponding to a clock period of 19.694 ns.
    W pracy zaprezentowano system klasyfikacji wad tkanin przy użyciu probabilistycznej sieci neuronowej (PNN) i przy zastosowaniu systemu Field Programmable Gate Array (FPGA). PNN pozwala na osiągnięcie dokładności 98 ± 2% dla zbioru danych testowych, podczas gdy system FPGA pozwala na osiągnięcie dokładności około 94 ± 2%. System FPGA pracuje przy częstotliwości 50,777 MHz, co odpowiada 19,694 ns.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2017, 1 (121); 42-48
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effect of different drying treatments on the physicochemical, functional, and antioxidant properties of Bacopa monnieri
    Autorzy:
    Padhiari, B.M.
    Ray, A.
    Jena, S.
    Champati, B.B.
    Sahoo, A.
    Halder, T.
    Ghosh, B.
    Panda, P.C.
    Nayak, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/2096812.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    Bacopa monnieri (L.) Wettst
    bacoside A
    bacopaside I
    drying treatments
    DPPH assay
    HPLC
    FT-IR
    Opis:
    Bacopa monnieri (L.) Wettst is a very high-value medicinal plant that is commonly used for improving cognitive functions. However, the availability of very limited information on the drying method of B. monnieri has prompted to optimize a suitable drying method. The present study therefore aimed to evaluate the influence of the following six drying treatments on the quality of B. monnieri sample: microwave drying at 300 W and 600 W, hot air-drying at 50EC and 70EC, solar drying, and freeze-drying (FD). The quality attributes of the dried samples were comparatively analyzed in terms of color, total color difference, moisture content, water activity (a w), antioxidant activity, and bacoside A and bacopaside I content. The results of this study showed significant differences (P < 0.05) among the different drying methods in International Commission on Illumination (CIE) parameters, namely lightness index (L*), red-green index (a*), and yellow-blue index (b*), ΔE and a w values. Among the samples dried with the six drying methods, freeze-dried B. monnieri samples had an attractive color with the lowest total color difference value (11.415%), a w value (0.15%), and maximum bacoside A (3.389%) and bacopaside I (0.620%) content. Moreover, Fourier transform infrared spectroscopy (FT-IR) analysis showed no major difference in the functional groups in B. monnieri samples processed by the different drying methods. Considering the retention of quality after drying, FD was found to be very effective for future large-scale production of good quality dried B. monnieri products.
    Źródło:
    BioTechnologia. Journal of Biotechnology Computational Biology and Bionanotechnology; 2021, 102, 4; 399-409
    0860-7796
    Pojawia się w:
    BioTechnologia. Journal of Biotechnology Computational Biology and Bionanotechnology
    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