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 "Metoda najbliższych sąsiadów" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-11 z 11
    Tytuł:
    Problem zmiennych zakłócających w agregowanych klasyfikatorach kNN
    Autorzy:
    Kubus, Mariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/581356.pdf
    Data publikacji:
    2017
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    podejście wielomodelowe
    metoda k najbliższych sąsiadów
    selekcja zmiennych
    Opis:
    Podejście wielomodelowe w dyskryminacji i regresji zyskało duże uznanie ze względu na poprawę stabilności modeli oraz ich dokładności przewidywań. Agregowanie klasyfikatorów k najbliższych sąsiadów (kNN) napotyka jednak poważne problemy. Metoda kNN, wykorzystująca w klasyfikacji wyłącznie odległości między obiektami, jest względnie stabilna, przez co zróżnicowanie klasyfikatorów bazowych można osiągnąć, jedynie wybierając różne podprzestrzenie. Tu z kolei napotykamy problem zmiennych zakłócających (noisy variables), to jest takich, które nie mają wpływu na zmienną objaśnianą, a które w metodzie kNN znacznie obniżają dokładność klasyfikacji. W artykule dokonano przeglądu zaproponowanych w literaturze metod agregowania klasyfikatorów kNN oraz zweryfikowano je z własną propozycją algorytmu. W badaniach wykorzystano zbiory danych rzeczywistych z dołączonymi zmiennymi zakłócającymi.
    Źródło:
    Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu; 2017, 468; 116-126
    1899-3192
    Pojawia się w:
    Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ liczby „najbliższych sąsiadów” na dokładność prognoz ekonomicznych szeregów czasowych
    Effect of the number of “nearest neighbors” on the accuracy of economic time series forecasts
    Autorzy:
    Miśkiewicz-Nawrocka, Monika
    Powiązania:
    https://bibliotekanauki.pl/articles/591526.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Metoda najbliższych sąsiadów
    Prognozowanie szeregów czasowych
    Rekonstrukcja przestrzeni stanów
    State space reconstruction
    The nearest neighbors method
    Time series forecasting
    Opis:
    Metoda najbliższych sąsiadów jest jedną z metod prognozowania szeregów czasowych. W metodzie tej, prognozę (N+1)-go elementu ˆN+1 x szacuje się jako średnią ważoną obserwacji xi+1, gdzie wektory d i x są k najbliższymi sąsiadami wektora d N x w zrekonstruowanej d-wymiarowej przestrzeni stanów. Istotnym problemem podczas stosowania tej metody jest wyznaczenie prawidłowej liczby najbliższych sąsiadów, która powinna być brana pod uwagę przy wyznaczaniu prognoz. Głównym celem artykułu jest zbadanie wpływu liczby najbliższych sąsiadów na dokładność prognoz ekonomicznych szeregów czasowych. Badania zostały przeprowadzone w oparciu o wybrane finansowe szeregi czasowe.
    One of time series forecasting method is the nearest neighbors method. In this method, the forecast for (N+1)-th element ˆN +1 x is estimated as a weighted average of observations i+1 x , where the vectors d i x are k nearest neighbors of vector d N x in the reconstructed d-dimensional state space. An important problem when using nearest neighbors method is to determine the correct number of nearest neighbors, that should be taken into account in the determination of forecasts. The aim of the article will be to research the effect of the number of nearest neighbors on the accuracy of economic time series forecasts. The test will be conducted on the basis of selected financial time series.
    Źródło:
    Studia Ekonomiczne; 2016, 295; 60-69
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predykcja poziomu tlenu w piecu EAF z wykorzystaniem metod sztucznej inteligencji : regresji liniowej i metody najblizszych sąsiadów (k-NN)
    Autorzy:
    Drzewiecki, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/109148.pdf
    Data publikacji:
    2013
    Wydawca:
    AXIS MEDIA
    Tematy:
    predykcja poziomu tlenu
    piec EAF
    sztuczna inteligencja
    regresja liniowa
    metoda k najbliższych sąsiadów
    Opis:
    W obecnych czasach ludzki intelekt zaczyna zastępować sztuczna inteligencja i związane z nią metody predykcji, czyli przewidywania, na podstawie zgromadzonych wcześniej danych. Nie ma firmy, która by nie starała się przewidzieć swoich potencjalnych zysków np na podstawie różnych danych statystycznych ustalając jednocześnie, który czynnik ma największy wpływ na rozwój firmy. Z tych przyczyn również sztuczna inteligencja znalazła zastosowanie w różnych dziedzinach przemysłu ,gdzie nawet najdrobniejsza poprawa parametrów procesu może powodować znaczne obniżenie kosztów produkcji i wpłynąć bezpośrednio na wzrost konkurencyjności firmy na rynku. Niniejsze opracowanie ma na celu przedstawienie metod sztucznej inteligencje pozwalające na analizę wpływu parametrów procesu stalowniczego na stopień aktywności tlenu, przy użyciu regresji linowej, nieliniowej i nieparametrycznej a następnie na wyborze najlepszego modelu a następnie porównanie ich.
    Źródło:
    Piece Przemysłowe & Kotły; 2013, 1-2; 30-37
    2082-9833
    Pojawia się w:
    Piece Przemysłowe & Kotły
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Machine learning-based analysis of English lateral allophones
    Autorzy:
    Piotrowska, Magdalena
    Korvel, Gražina
    Kostek, Bożena
    Ciszewski, Tomasz
    Czyżewski, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/908115.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    allophone
    audio features
    artificial neural network
    k-nearest neighbor
    self organizing map
    alofon
    cechy akustyczne
    sztuczna sieć neuronowa
    metoda najbliższych sąsiadów
    mapa samoorganizująca
    Opis:
    Automatic classification methods, such as artificial neural networks (ANNs), the k-nearest neighbor (kNN) and self-organizing maps (SOMs), are applied to allophone analysis based on recorded speech. A list of 650 words was created for that purpose, containing positionally and/or contextually conditioned allophones. For each word, a group of 16 native and non-native speakers were audio-video recorded, from which seven native speakers’ and phonology experts’ speech was selected for analyses. For the purpose of the present study, a sub-list of 103 words containing the English alveolar lateral phoneme /l/ was compiled. The list includes ‘dark’ (velarized) allophonic realizations (which occur before a consonant or at the end of the word before silence) and 52 ‘clear’ allophonic realizations (which occur before a vowel), as well as voicing variants. The recorded signals were segmented into allophones and parametrized using a set of descriptors, originating from the MPEG 7 standard, plus dedicated time-based parameters as well as modified MFCC features proposed by the authors. Classification methods such as ANNs, the kNN and the SOM were employed to automatically detect the two types of allophones. Various sets of features were tested to achieve the best performance of the automatic methods. In the final experiment, a selected set of features was used for automatic evaluation of the pronunciation of dark /l/ by non-native speakers.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2019, 29, 2; 393-405
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Curve skeleton extraction via k-nearest-neighbors based contraction
    Autorzy:
    Zhou, Jianling
    Liu, Ji
    Zhang, Min
    Powiązania:
    https://bibliotekanauki.pl/articles/331332.pdf
    Data publikacji:
    2020
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    curve skeleton
    points contraction
    point cloud
    k nearest neighbors
    szkieletyzacja
    chmura punktów
    metoda k najbliższych sąsiadów
    Opis:
    We propose a skeletonization algorithm that is based on an iterative points contraction. We make an observation that the local center that is obtained via optimizing the sum of the distance to k nearest neighbors possesses good properties of robustness to noise and incomplete data. Based on such an observation, we devise a skeletonization algorithm that mainly consists of two stages: points contraction and skeleton nodes connection. Extensive experiments show that our method can work on raw scans of real-world objects and exhibits better robustness than the previous results in terms of extracting topology-preserving curve skeletons.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2020, 30, 1; 123-132
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Pattern layer reduction for a generalized regression neural network by using a self-organizing map
    Autorzy:
    Kartal, S.
    Oral, M.
    Ozyildirim, B. M.
    Powiązania:
    https://bibliotekanauki.pl/articles/329728.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    generalized regression neural network
    artificial neural network
    self organizing map
    nearest neighbour
    reduced dataset
    sztuczna sieć neuronowa
    mapa samoorganizująca
    metoda najbliższych sąsiadów
    redukcja zbioru danych
    Opis:
    In a general regression neural network (GRNN), the number of neurons in the pattern layer is proportional to the number of training samples in the dataset. The use of a GRNN in applications that have relatively large datasets becomes troublesome due to the architecture and speed required. The great number of neurons in the pattern layer requires a substantial increase in memory usage and causes a substantial decrease in calculation speed. Therefore, there is a strong need for pattern layer size reduction. In this study, a self-organizing map (SOM) structure is introduced as a pre-processor for the GRNN. First, an SOM is generated for the training dataset. Second, each training record is labelled with the most similar map unit. Lastly, when a new test record is applied to the network, the most similar map units are detected, and the training data that have the same labels as the detected units are fed into the network instead of the entire training dataset. This scheme enables a considerable reduction in the pattern layer size. The proposed hybrid model was evaluated by using fifteen benchmark test functions and eight different UCI datasets. According to the simulation results, the proposed model significantly simplifies the GRNN’s structure without any performance loss.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2018, 28, 2; 411-424
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Categorization of Similar Objects Using Bag of Visual Words and k - Nearest Neighbour Classifier
    Autorzy:
    Artiemjew, P.
    Górecki, P.
    Sopyła, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/298103.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Warmińsko-Mazurski w Olsztynie
    Tematy:
    kategoryzacja obrazu
    metoda k najbliższych sąsiadów
    zbiór słów wizualnych
    Image categorization
    k-Nearest Neighbor Classifier
    Bag of Visual Words
    Opis:
    Image categorization is one of the fundamental tasks in computer vision, it has wide application in methods of artificial intelligence, robotic vision and many others. There are a lot of difficulties in computer vision to overcome, one of them appears during image recognition and classification. The difficulty arises from an image variance, which may be caused by scaling, rotation, changes in a perspective, illumination levels, or partial occlusions. Due to these reasons, the main task is to represent represent images in such way that would allow recognizing them even if they have been modified. Bag of Visual Words (BoVW) approach, which allows for describing local characteristic features of images, has recently gained much attention in the computer vision community. In this article we have presented the results of image classification with the use of BoVW and k - Nearest Neighbor classifier with different kinds of metrics and similarity measures. Additionally, the results of k - NN classification are compared with the ones obtained from a Support Vector Machine classifier.
    Źródło:
    Technical Sciences / University of Warmia and Mazury in Olsztyn; 2012, 15(2); 293-305
    1505-4675
    2083-4527
    Pojawia się w:
    Technical Sciences / University of Warmia and Mazury in Olsztyn
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Assessing the Diameters of Water Pipes Using the k-Nearest Neighbours Method in the Calculations of Water Distribution Systems
    Metoda oceny średnic przewodów wodociągowych za pomocą metody k-Najbliższych Sąsiadów w obliczeniach systemów dystrybucji wody
    Autorzy:
    Dawidowicz, J.
    Kruszyński, W.
    Andraka, D.
    Czapczuk, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/1813700.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    water distribution system
    hydraulic calculations
    k-Nearest Neighbours Method
    diameters of water pipes
    system dystrybucji wody
    obliczenia hydrauliczne
    metoda k-Najbliższych Sąsiadów
    średnice rurociągów
    Opis:
    Water distribution systems provide water in cities and in rural areas. The basic element through which water reaches the consumer are the water pipes, hence their correct design is extremely important. The choice of pipe diameter requires hydraulic calculations. Computer programmes may choose diameters, but usually, it is the designer's task. This paper proposes a classifier, based on the k-Nearest Neighbours method, which, on the basis of a reliable flow, will assess the appropriateness of the diameter chosen. In the work 11961 training examples were obtained containing the input variable in the form of a nominal flow, through water supply line Qm, corresponding to the output variable DN. On the basis of the set of training examples, a model was constructed and the diameters of the water pipes were classified using the k-Nearest Neighbours method, using various neighbourhood values. The k-NN method obtained, shows a high accuracy index in the classification of the diameters of the pipes in the k = 5 neighbourhood.
    Systemy dystrybucji wody dostarczają wodę w miastach i na terenach wiejskich. Podstawowym elementem, przez który woda dociera do odbiorców są przewody wodociągowe, stąd niezwykle istotne jest ich poprawne zaprojektowanie. Dobór średnic rurociągów wymaga przeprowadzenia obliczeń hydraulicznych. Programy komputerowe mogą automatycznie dobierać średnice, ale najczęściej zadanie to należy do projektanta. Obecnie opracowuje się metody, które wspomagałyby projektantów w realizacji powyższych zadań. W niniejszej pracy zaproponowano klasyfikator oparty na metodzie k-Najbliższych Sąsiadów (k-NN), który na podstawie przepływu miarodajnego Qm będzie oceniał poprawność dobranej średnicy. W tym celu sporządzono 11961 przykładów uczących zawierających zmienną wejściową w postaci przepływu miarodajnego Qm oraz odpowiadającą mu zmienną wyjściową zdefiniowaną jako średnica nominalna DN. Na podstawie zestawu przykładów uczących skonstruowano klasyfikator za pomocą metody k-Najbliższych Sąsiadów, stosując różne wartości sąsiedztwa. Uzyskana metoda k-NN pokazuje wskaźnik wysokiej dokładności w klasyfikacji średnic rur dla wartości sąsiedztwa k = 5.
    Źródło:
    Rocznik Ochrona Środowiska; 2018, Tom 20, cz. 1; 528-537
    1506-218X
    Pojawia się w:
    Rocznik Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparison of prototype selection algorithms used in construction of neural networks learned by SVD
    Autorzy:
    Jankowski, N.
    Powiązania:
    https://bibliotekanauki.pl/articles/330020.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    radial basis function network
    extreme learning machine
    kernel method
    prototype selection
    machine learning
    k nearest neighbours
    radialna funkcja bazowa
    metoda jądrowa
    uczenie maszynowe
    metoda k najbliższych sąsiadów
    Opis:
    Radial basis function networks (RBFNs) or extreme learning machines (ELMs) can be seen as linear combinations of kernel functions (hidden neurons). Kernels can be constructed in random processes like in ELMs, or the positions of kernels can be initialized by a random subset of training vectors, or kernels can be constructed in a (sub-)learning process (sometimes by k-means, for example). We found that kernels constructed using prototype selection algorithms provide very accurate and stable solutions. What is more, prototype selection algorithms automatically choose not only the placement of prototypes, but also their number. Thanks to this advantage, it is no longer necessary to estimate the number of kernels with time-consuming multiple train-test procedures. The best results of learning can be obtained by pseudo-inverse learning with a singular value decomposition (SVD) algorithm. The article presents a comparison of several prototype selection algorithms co-working with singular value decomposition-based learning. The presented comparison clearly shows that the combination of prototype selection and SVD learning of a neural network is significantly better than a random selection of kernels for the RBFN or the ELM, the support vector machine or the kNN. Moreover, the presented learning scheme requires no parameters except for the width of the Gaussian kernel.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2018, 28, 4; 719-733
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ metody redukcji szumu losowego na dokładność prognoz ekonomicznych szeregów czasowych
    The Effect of Random Noise Reduction Method on the Accuracy of Forecasting Economic Time Series
    Autorzy:
    Miśkiewicz-Nawrocka, Monika
    Powiązania:
    https://bibliotekanauki.pl/articles/593330.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Lapunow wykładnik
    Metoda najbliższych sąsiadów
    Największy wykładnik
    Prognozowanie za pomocą największego wykładnika lapunowa
    Redukcja szumu losowego
    Współczynnik NRL
    Lyapunov exponent method of prediction
    Nearest neighbor method
    NRL indicator largest Lyapunov exponent
    Random noise reduction
    State space reconstruction
    Opis:
    Od momentu pojawienia się w literaturze pojęcia deterministycznego chaosu można zaobserwować ogromny wzrost zainteresowania wielu badaczy teorią nieliniowych układów dynamicznych. Owo zainteresowanie zaowocowało pojawieniem się nowych metod predykcji szeregów czasowych, tj. metody największego wykładnika Lapunowa oraz metody najbliższych sąsiadów. Rzeczywiste szeregi czasowe są zwykle zaburzone przez szum losowy, który może komplikować problem ich prognozowania. Obecność szumu w danych może znacząco wpływać na jakość otrzymanych prognoz, dlatego głównym celem artykułu będzie ocena dokładności prognozowania szeregów czasowych poddanych procesowi redukcji szumu losowego oraz ocena efektywoności wybranej metody redukcji.
    Since the deterministic chaos appeared in the literature, we have observed a huge increase of interest in nonlinear dynamic systems theory among researchers. This interest has led to the creation of new methods of time series prediction, e.g. the method of the largest Lyapunov exponent and the nearest neighbors. Real time series are usually distributed by random noise, which can complicate the problem of time series forecasting. As the presence of noise in the data can significantly affect the quality of forecasts, the aim of the article is to evaluate the accuracy of predicting the time series filtered using the nearest neighbor method and the effectiveness of the chosen method of reduction.
    Źródło:
    Studia Ekonomiczne; 2015, 227; 41-58
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Institutional Complementarity of Poland in Terms of Diversity of Capitalism
    Komplementarność instytucjonalna Polski a różnorodność kapitalizmu
    Autorzy:
    Wysocki, Maciej
    Powiązania:
    https://bibliotekanauki.pl/articles/646229.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    komplementarność instytucjonalna
    różnorodności kapitalizmu
    klasteryzacja
    metoda K-najbliższych sąsiadów
    metoda K-średnich
    analiza głównych składowych
    institutional complementarity
    diversity of capitalism
    cluster analysis
    k-nearest neighbours method
    k-mean method
    principal component analysis
    Opis:
    Polska to jeden z najbardziej znaczących przykładów transformacji gospodarczej w Europie Środkowej i Wschodniej. Po 45 latach funkcjonowania w warunkach gospodarki centralnie planowanej pod koniec lat 80. XX w. polska gospodarka przekształciła się w gospodarkę wolnorynkową. W 2004 r. kraj przystąpił do Unii Europejskiej, co stanowiło kolejny kamień milowy w procesie transformacji. Niewątpliwie znaczącym czynnikiem, jeśli chodzi o transformację gospodarczą państwa, było otoczenie instytucjonalne. Wydaje się, że horyzont 25 lat od momentu upadku komunizmu stwarza odpowiednią perspektywę do oceny bilansu transformacji gospodarczej ze szczególnym uwzględnieniem jakości instytucji. Studia komparatystyczne nie analizują jednak poszczególnych instytucji osobno, tylko rozpatrują je razem z perspektywy ram instytucjonalnych.Celem niniejszego opracowania jest zbadanie zakresu komplementarności instytucjonalnej Polski w ujęciu różnorodności kapitalizmu (Diversity of Capitalism). Główną tezą artykułu jest to, że po ponad dwóch dekadach od pierwszego etapu transformacji gospodarczej oraz po dekadzie od przystąpienia do Unii Europejskiej komplementarność instytucjonalna Polski jest zasadniczo na satysfakcjonującym poziomie. Możemy jednak zaobserwować niski poziom komplementarności instytucjonalnej w przypadku interakcji między rynkiem pracy a systemem finansowym. Ponadto polski model kapitalizmu wydaje się nieco odmienny od modeli innych państw z grupy porównawczej, tj. krajów, które przeszły transformację gospodarczą (w szczególności od Czech czy Węgier). Metoda badawcza użyta w tym artykule opiera się na analizie statystycznej (w szczególności na metodzie K-najbliższych sąsiadów, metodzie K-średnich oraz analizie głównych składowych).
    Poland is one of the most significant examples of a transition country in Central and Eastern Europe. After 45 years of being a centrally planned economy Poland emerged at the end of the 1980’s a free-market economy. In 2004 Poland became a member of the European Union, which was another milestone in the transition process. Undoubtedly, institutions were a very important factor in Poland’s economic transition. It seems that the horizon of 25 years since the fall of communism has created a decent prospect to evaluate the balance of economic transition in terms of the quality of institutions. However, comparative studies do not analyse institutions separately, but consider them together in an institutional framework.The purpose of this essay is to examine the scope of the institutional complementarity of Poland in terms of Diversity of Capitalism. The main thesis of the article is that after more than two decades since the first stage of the economic transition, and one decade after joining the European Union, Poland’s institutional complementarity is, in general, at a satisfactory level. However, there is a very low level of institutional complementarity in the case of interaction between the labour market and the financial system. Furthermore, the Polish model of capitalism seems to be quite different from other countries from the peer group of transition economies (for example the Czech Republic or Hungary). The research method which was used in this essay includes statistical methods (in particular the K-Nearest Neighbours Method, K-Mean Method and Principal Component Analysis).
    Źródło:
    Ekonomia Międzynarodowa; 2016, 14; 133-157
    2082-4440
    2300-6005
    Pojawia się w:
    Ekonomia Międzynarodowa
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-11 z 11

      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