Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Zhang, Can" wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Fluka simulation of PGNAA system for determining heavy metal pollution in the soil sample
Autorzy:
Zhang, Can
Yang, Jianbo
Li, Rui
Qiao, Yujie
Zhang, Xu
Xu, Jie
Powiązania:
https://bibliotekanauki.pl/articles/146960.pdf
Data publikacji:
2020
Wydawca:
Instytut Chemii i Techniki Jądrowej
Tematy:
PGNAA
Fluka
heavy metal
prompt gamma-ray yield
metal ciężki
szybka wydajność
promieniowanie gamma
Opis:
This study presented a self-designed prompt gamma neutron activation analysis (PGNAA) model and used Fluka simulation to simulate the heavy metals (Mn, Cu, Hg, Ni, Cr, Pb) in soil samples. The relationship between the prompt gamma-ray yield of each heavy metal and soil thickness, content of heavy metals in the soil, and source distance was obtained. Simulation results show that the prompt gamma-ray yield of each heavy metal increases with the increase in soil thickness and reaches saturation at 18 cm. The greater the proportion of heavy metals in the soil, the greater the prompt gamma-ray yield. The highest content is approximately 3%, and the change in distance between the neutron source and soil sample does not affect the prompt gamma-ray yield of heavy metals.
Źródło:
Nukleonika; 2020, 65, 1; 13-17
0029-5922
1508-5791
Pojawia się w:
Nukleonika
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A Classification Method Related to Respiratory Disorder Events Based on Acoustical Analysis of Snoring
Autorzy:
Wang, Can
Peng, Jianxin
Zhang, Xiaowen
Powiązania:
https://bibliotekanauki.pl/articles/176601.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
acoustical analysis
feature extraction
support vector machine
snoring sound
Opis:
Acoustical analysis of snoring provides a new approach for the diagnosis of obstructive sleep apnea hypopnea syndrome (OSAHS). A classification method is presented based on respiratory disorder events to predict the apnea-hypopnea index (AHI) of OSAHS patients. The acoustical features of snoring were extracted from a full night’s recording of 6 OSAHS patients, and regular snoring sounds and snoring sounds related to respiratory disorder events were classified using a support vector machine (SVM) method. The mean recognition rate for simple snoring sounds and snoring sounds related to respiratory disorder events is more than 91.14% by using the grid search, a genetic algorithm and particle swarm optimization methods. The predicted AHI from the present study has a high correlation with the AHI from polysomnography and the correlation coefficient is 0.976. These results demonstrate that the proposed method can classify the snoring sounds of OSAHS patients and can be used to provide guidance for diagnosis of OSAHS.
Źródło:
Archives of Acoustics; 2020, 45, 1; 141-151
0137-5075
Pojawia się w:
Archives of Acoustics
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