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 "dynamic neural networks" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 22
Tytuł:
Towards robustness in neural network based fault diagnosis
Autorzy:
Patan, K.
Witczak, M.
Korbicz, J.
Powiązania:
https://bibliotekanauki.pl/articles/929913.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
diagnostyka uszkodzeń
odporność
sieć neuronowa dynamiczna
fault diagnosis
robustness
dynamic neural networks
GMDH neural network
Opis:
Challenging design problems arise regularly in modern fault diagnosis systems. Unfortunately, classical analytical techniques often cannot provide acceptable solutions to such difficult tasks. This explains why soft computing techniques such as neural networks become more and more popular in industrial applications of fault diagnosis. Taking into account the two crucial aspects, i.e., the nonlinear behaviour of the system being diagnosed as well as the robustness of a fault diagnosis scheme with respect to modelling uncertainty, two different neural network based schemes are described and carefully discussed. The final part of the paper presents an illustrative example regarding the modelling and fault diagnosis of a DC motor, which shows the performance of the proposed strategy.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2008, 18, 4; 443-454
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Development of Dynamic Neural Networks With Application to Observer-Based Fault Detection and Izolation
Autorzy:
Marcu, T.
Mirea, L.
Frank, P. M.
Powiązania:
https://bibliotekanauki.pl/articles/908286.pdf
Data publikacji:
1999
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
wykrywanie błędu
sieć neuronowa dynamiczna
identyfikacja systemu
fault diagnosis
dynamic neural networks
system identification
static neural classifiers
three-tank system
Opis:
The paper suggests a neural-network approach to the design of robust fault diagnosis systems. The main emphasis is placed upon the development of neural observer schemes. They are built based on dynamic neural networks, i.e. dynamic multi-layer perceptrons with mixed structure. The goal is to achieve an adequate approximation of process outputs for known classes of the process behaviour. The obtained symptoms are then classified by means of static artificial nets. Appropriate decision mechanisms are designed for each type of observer schemes. An application to a laboratory process is included. It refers to component and instrument fault detection and isolation in a three-tank system.
Źródło:
International Journal of Applied Mathematics and Computer Science; 1999, 9, 3; 547-570
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dynamic Neural Networks for Process Modelling in Fault Detection and Isolation Systems
Autorzy:
Korbicz, J.
Patan, K.
Obuchowicz, A.
Powiązania:
https://bibliotekanauki.pl/articles/908291.pdf
Data publikacji:
1999
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
wykrywanie błędu
sieć neuronowa dynamiczna
modelowanie nieliniowe
algorytm inteligentny
fault detection
dynamic neural networks
non-linear modelling
learning algorithms
FL-classifier
two-tank system
Opis:
A fault diagnosis scheme for unknown nonlinear dynamic systems with modules of residual generation and residual evaluation is considered. Main emphasis is placed upon designing a bank of neural networks with dynamic neurons that model a system diagnosed at normal and faulty operating points.To improve the quality of neural modelling, two optimization problems are included in the construction of such dynamic networks: searching for an optimal network architecture and the network training algorithm. To find a good solution, the effective well-known cascade-correlation algorithm is adapted here. The residuals generated by a bank of neural models are then evaluated by means of pattern classification. To illustrate the effectiveness of our approach, two applications are presented: a neural model of Narendra's system and a fault detection and identification system for the two-tank process.
Źródło:
International Journal of Applied Mathematics and Computer Science; 1999, 9, 3; 519-546
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Correction of gas sensor dynamic errors by means of neural networks
Autorzy:
Roj, J.
Urzędniczok, H.
Powiązania:
https://bibliotekanauki.pl/articles/114150.pdf
Data publikacji:
2015
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
gas sensors
artificial neural networks
dynamic correction
Opis:
The paper presents a method based on artificial neural network (ANN) technique applied for correction of dynamic error of gas concentration measuring transducer. Its response time is about 8 minutes. The results obtained in the research of this transducer were used for learning and testing ANN, which were implemented in the dynamic correction task. The described method allowed for significant reduction of the transducer’s response time – the output signal was practically fixed after a time equal to one sampling period of output signal provided that the stimulus is a step function. In addition, the use of ANN allows reducing the impact of the transducer dynamic non-linearity on the correction effectiveness.
Źródło:
Measurement Automation Monitoring; 2015, 61, 12; 538-541
2450-2855
Pojawia się w:
Measurement Automation Monitoring
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dynamically positioned ship steering making use of backstepping method and artificial neural networks
Autorzy:
Witkowska, A.
Rynkiewicz, T. N.
Powiązania:
https://bibliotekanauki.pl/articles/260171.pdf
Data publikacji:
2018
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
backstepping
neural networks
RBF
dynamic ship positioning
Opis:
The article discusses the issue of designing a dynamic ship positioning system making use of the adaptive vectorial backstepping method and RBF type artificial neural networks. In the article, the backstepping controller is used to determine control laws and neural network weight adaptation laws. The artificial neural network is applied at each time instant to approximate nonlinear functions containing parametric uncertainties. The proposed control system does not require precise knowledge of the model of ship dynamics and external disturbances, it also eliminates the problem of analytical determination of the regression matrix when designing the control law with the aid of the adaptive backstepping procedure.
Źródło:
Polish Maritime Research; 2018, 4; 5-12
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Impulse artificial neural networks in internal transport
Autorzy:
Ochelska-Mierzejewska, J.
Powiązania:
https://bibliotekanauki.pl/articles/407219.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
internal transport
impulse artificial neural networks
dynamic path planning
Opis:
The second most important function of a warehouse, apart from the storing of goods, is internal transport with a focus on time-effectiveness. When there is a time gap between the production and export of products, the goods need to be stored until they are dispatched to the consumers. An important problem that concerns both large and small warehouses is the selection of priorities, that is handling the tasks in order of importance. Another problem is to identify the most efficient routes for forklift trucks to transport goods from a start-point to a desired destination and prevent the routes from overlapping. In automated warehouses, the transport of objects (the so called pallets of goods) is performed by machines controlled by a computer instead of a human operator. Thus, it is the computer, not the man, that makes the difficult decisions regarding parallel route planning, so that the materials are transported within the warehouse in near-optimal time. This paper presents a method for enhancing this process.
Źródło:
Management and Production Engineering Review; 2014, 5, 2; 33-44
2080-8208
2082-1344
Pojawia się w:
Management and Production Engineering Review
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dynamic network functional comparison via approximate-bisimulation
Autorzy:
Donnarumma, F.
Murano, A.
Prevete, R.
Powiązania:
https://bibliotekanauki.pl/articles/206758.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
continuous time recurrent neural network
dynamic networks
bisimulation
network equivalence
Opis:
It is generally unknown how to formally determine whether different neural networks have a similar behaviour. This question intimately relates to the problem of finding a suitable similarity measure to identify bounds on the input-output response distances of neural networks, which has several interesting theoretical and computational implications. For example, it can allow one to speed up the learning processes by restricting the network parameter space, or to test the robustness of a network with respect to parameter variation. In this paper we develop a procedure that allows for comparing neural structures among them. In particular, we consider dynamic networks composed of neural units, characterised by non-linear differential equations, described in terms of autonomous continuous dynamic systems. The comparison is established by importing and adapting from the formal verification setting the concept of δ−approximate bisimulations techniques for non-linear systems. We have positively tested the proposed approach over continuous time recurrent neural networks (CTRNNs).
Źródło:
Control and Cybernetics; 2015, 44, 1; 99-127
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Elman neural network for modeling and predictive control of delayed dynamic systems
Autorzy:
Wysocki, A.
Ławryńczuk, M.
Powiązania:
https://bibliotekanauki.pl/articles/229646.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
dynamic models
process control
model predictive control
neural networks
Elman neural network
delayed systems
Opis:
The objective of this paper is to present a modified structure and a training algorithm of the recurrent Elman neural network which makes it possible to explicitly take into account the time-delay of the process and a Model Predictive Control (MPC) algorithm for such a network. In MPC the predicted output trajectory is repeatedly linearized on-line along the future input trajectory, which leads to a quadratic optimization problem, nonlinear optimization is not necessary. A strongly nonlinear benchmark process (a simulated neutralization reactor) is considered to show advantages of the modified Elman neural network and the discussed MPC algorithm. The modified neural model is more precise and has a lower number of parameters in comparison with the classical Elman structure. The discussed MPC algorithm with on-line linearization gives similar trajectories as MPC with nonlinear optimization repeated at each sampling instant.
Źródło:
Archives of Control Sciences; 2016, 26, 1; 117-142
1230-2384
Pojawia się w:
Archives of Control Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neurocontrolled car speed system
Autorzy:
Nakonechnyi, Markiyan
Ivakhiv, Orest
Świsulski, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/27314203.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
neural controller
PID-algorithm of control
dynamic object
neural networks
electric car
speed control
Opis:
The features of the synthesis of neural controllers for the car speed control system are considered in this article. The task of synthesis is to determine the weight coefficients of neural networks that provide the implementation of proportional and proportional-integralderivative control laws. The synthesis of controllers is based on an approach that uses a reversed model of the standard. A model of the car speed control system with the use of permitting subsystems has been developed, with the help of the synthesized controller that is connected under certain specified conditions. With the iterative programming and mathematical modeling environment in MATLAB, and using the Simulink package, a structural scheme for controlling the speed of the car was constructed and simulated using synthesized neural controllers.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2022, 16, 3; 13--21
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An alternative approach to fault detection in dynamic systems on the basis of output layer weight values comparison, of the model RMLP type neural networks
Alternatywne podejscie do wykrywania uszkodzeń w układach dynamicznych na podstawie porównania wag wyjsciowych neuronowych sieci typu RMLP
Autorzy:
Wondim, G.
Powiązania:
https://bibliotekanauki.pl/articles/151811.pdf
Data publikacji:
2003
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sieci neuronowe
wykrywanie uszkodzeń
układy dynamiczne
neural networks
fault detection
dynamic systems
Opis:
The complexity of technological processes needs the study and development of computer based fault detection and diagnosis method enabling process faults be detected and localized during normal plant operation. In this paper we propose fault detection method based on a simple arithmetic relations of output layer weight values of the model RMLP (Recurrent Multilayer Perceptron) networks, assuming each of the model neural networks possesses only one output layer neuron. We build a neural model bank of model neural networks designed and trained on the different operating points of an arbitrary assumed dynamic system. We consider 5 different operating points, where the first state is taken to be the normal operation point (no fault) of the system and the rest four states are different faulty states of the same system. For each of these operation points a neural network is designed and trained. After the training, the output layer weight values of each of the trained neural networks are registered to be used as inputs to calculate a certain value. Based on the comparison of the values, we make conclusion to which of the 5 pre-defined states does a new assumed unknown system may belong.
Źródło:
Pomiary Automatyka Kontrola; 2003, R. 49, nr 11, 11; 41-44
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hydrogen Detection With a Gas Sensor Array – Processing and Recognition of Dynamic Responses Using Neural Networks
Autorzy:
Gwiżdż, P.
Brudnik, A.
Zakrzewska, K.
Powiązania:
https://bibliotekanauki.pl/articles/221723.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
gas sensor
sensor array
temperature modulation
dynamic response
feature extraction
neural networks
Opis:
An array consisting of four commercial gas sensors with target specifications for hydrocarbons, ammonia, alcohol, explosive gases has been constructed and tested. The sensors in the array operate in the dynamic mode upon the temperature modulation from 350°C to 500°C. Changes in the sensor operating temperature lead to distinct resistance responses affected by the gas type, its concentration and the humidity level. The measurements are performed upon various hydrogen (17-3000 ppm), methane (167-3000 ppm) and propane (167-3000 ppm) concentrations at relative humidity levels of 0-75%RH. The measured dynamic response signals are further processed with the Discrete Fourier Transform. Absolute values of the dc component and the first five harmonics of each sensor are analysed by a feed-forward back-propagation neural network. The ultimate aim of this research is to achieve a reliable hydrogen detection despite an interference of the humidity and residual gases.
Źródło:
Metrology and Measurement Systems; 2015, 22, 1; 3-12
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural sensor-based navigation of wheeled mobile robot in unknown environment
Zastosowanie aproksymacyjnego programowania dynamicznego w nawigacji mobilnego robota kołowego
Autorzy:
Hendzel, Z.
Szuster, M.
Powiązania:
https://bibliotekanauki.pl/articles/277147.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
aproksymacyjne programowanie dynamiczne
sterowanie behawioralne
mobilny robot
nawigacja
neural dynamic programming
navigation
wheeled mobile robot
neural networks
Opis:
In presented paper a new approach to a collision-free trajectory generating for a wheeled mobile robot with Adaptive Critic Designs and Fuzzy Logic algorithm, is proposed. The presented discrete hierarchical control system consists of a trajectory generating algorithm based on a reactive navigation of the wheeled mobile robot in an unknown 2D environment with static obstacles, and a tracking control system. A strategy of reactive navigation is developed including two main behaviours: an obstacle avoiding behaviour and a goal-seeking behaviour, realised in a form of Adaptive Critic Design algorithms. These simple, individual behaviours are combined by the fuzzy combiner of behaviours that determines influence of the individual behaviours on the trajectory generation process, according to the environment conditions. The tracking control system is composed of two Dual-Heuristic Dynamic Programming algorithms, the supervisory term and the PD controller. Verification of the proposed control algorithm was realised using the mobile robot Pioneer 2-DX, equipped with one laser and eight sonar range finders, that provides object detection.
W prezentowanym artykule zaproponowano nowe podejście do generowania bezkolizyjnych trajektorii ruchu mobilnych robotów kołowych z zastosowaniem algorytmów adaptacyjnego krytyka oraz układów z logiką rozmytą. Zaprezentowany hierarchiczny układ sterowania składa się z warstwy generowania trajektorii ruchu bazującej na idei odruchowej nawigacji mobilnego robota kołowego w nieznanym środowisku 2D ze statycznymi przeszkodami oraz warstwy sterowania ruchem nadążnym. Sterowanie odruchowe obejmuje dwa podstawowe zadania: omijanie przeszkód oraz podążanie do celu, zrealizowane z zastosowaniem algorytmów adaptacyjnego krytyka. Te proste zachowania są łączone przez układ z logiką rozmytą, który określa wpływ poszczególnych zachowań na proces generowania trajektorii w zależności od warunków otoczenia sterowanego obiektu. Weryfikacja zaproponowanego algorytmu sterowania została zrealizowana z zastosowaniem mobilnego robota kołowego Pioneer 2-DX, wyposażonego w dalmierz laserowy i osiem sonarów ultradźwiękowych, służących do wykrywania przeszkód.
Źródło:
Pomiary Automatyka Robotyka; 2013, 17, 1; 114-120
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Using Tikhonov regularization to improve estimation of robot position based on uncertain robot model obtained by neural network
Zastosowanie regularyzacji Tikhonova do poprawy estymacji pozycji robota na podstawie modelu o niedokladnych parametrach wyznaczonych za pomocą sieci neuronowych
Autorzy:
Możaryn, J.
Kurek, J. E.
Powiązania:
https://bibliotekanauki.pl/articles/154504.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
robotyka
sieci neuronowe
model robota
regularyzacja
robotic
neural networks
inverse dynamic problem
regularization
Opis:
A method for improvement of a position estimation of a robot manipulator based on model with uncertain parameters is presented. To calculate the position of the robot there was designed the robot model using artificial neural networks with structure of the mathematical model in the form of Lagrange-Elder equations. The Tikhonov regularization was then used to improve the approximation of the robot's position. The example of the position of the robot PUMA 560 with 6 degrees of freedom calculation with proposed method is presented. Obtained results indicate significant improvement of the estimation.
W pracy przedstawiono metodę poprawy estymacji położeń robota na podstawie modelu robota o niedokładnych parametrach. Do wyznaczania położenia robota zaprojektowano model robota z wykorzystaniem sztucznych sieci neuronowych o strukturze modelu matematycznego w formie równań Lagrange'a-Eulera. W celu poprawy estymacji położeń na podstawie wyznaczonego modelu zastosowano regularyzację Tikhonowa. Zaproponowana metoda została przedstawiona na przykładzie odtwarzania położeń robota PUMA 560. Otrzymane wyniki wskazują na znaczną poprawę dokładności.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 3, 3; 198-204
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Abstraction Based Connectionist Analogy Processor
Autorzy:
Yasui, A.
Powiązania:
https://bibliotekanauki.pl/articles/911152.pdf
Data publikacji:
2000
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
sieć neuronowa
wiązanie dynamiczne
abstrakcja
analogy
neural networks
network pruning
dynamic binding
abstraction
Opis:
The Abstraction Based Connectionist Analogy Processor (AB-CAP) is a trainable neural network for analogical learning/inference. An internal abstraction model, which extracts the underlying relational isomorphism and expresses predicate-argument bindings at the abstract level, is induced structurally as a result of the backpropagation training coupled with a structure- pruning mechanism. AB-CAP also develops dynamically abstraction and de- abstraction mappings for the role-filler matching. Thus, the propositions including both known and inferred ones can be expressed by, induced as, stored in and retrieved from the internal structural patterns. As such, there is no need for AB-CAP to use rule-based symbolic processing such as hypothesis making and constraint satisfaction or pattern completion checking. In this paper, AB-CAP is evaluated by using some examples. In particular, incremental analogical learning by AB-CAP shows that the internal abstraction model acquired from previous analogical learning acts as a potent attracter to bind a new set of isomorphic data, manifesting the analogical memory access/retrieval characteristics of AB-CAP.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2000, 10, 4; 791-812
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fuel consumption analysis in dynamic states of the engine with use of artificial neural network
Analiza zużycia paliwa w dynamicznych stanach pracy silnika z zastosowaniem sztucznej sieci neuronowej
Autorzy:
Bera, P.
Powiązania:
https://bibliotekanauki.pl/articles/133925.pdf
Data publikacji:
2013
Wydawca:
Polskie Towarzystwo Naukowe Silników Spalinowych
Tematy:
dynamic characteristics
fuel consumption
artificial neural networks
charakterystyki dynamiczne
zużycie paliwa
sztuczne sieci neuronowe
Opis:
The paper presents the construction of fuel consumption dynamic characteristic determined with use of artificial neural network (ANN). The characteristic is based on the data obtained during measurements carried out on the engine dynamometer. The momentary fuel consumption as a non-linear function of two variable parameters, engine speed and torque, has been presented. Article discusses the way of determining such a characteristic which can be used for both SI and CI engines for entire range of engine speed and load. Described characteristic enables analysis of engine properties in dynamic states and allows computing mileage fuel consumption of the car with a given engine in combination with the specific transmission in any virtual driving cycle. An important advantage of the ANN method in case of general fuel consumption characteristic in dynamic operating states is that standard measurement equipment can be used and the solution to a complex problem is reduced to programming issues.
W artykule zaprezentowano charakterystykę dynamiczną zużycia paliwa, wyznaczoną z wykorzystaniem sztucznej sieci neuronowej (SSN),opierając się na danych z pomiarów przeprowadzanych na hamowni silnikowej. Przedstawiono chwilowe zużycie paliwa jako nieliniową funkcję dwóch zmiennych parametrów pracy silnika: prędkości obrotowej i momentu obrotowego, a następnie omówiono sposób sporządzania charakterystyki, która może być zastosowana w odniesieniu do silników ZI i ZS dla całego zakresu prędkości obrotowej i obciążenia. Opisana charakterystyka umożliwia analizę właściwości silników w stanach dynamicznych oraz wstępne obliczanie przebiegowego zużycia paliwa samochodu z danym silnikiem w konfiguracji z określonym układem przeniesienia napędu w dowolnym wirtualnym cyklu jezdnym. Niewątpliwą zaletą wykorzystania metody SSN do sporządzania ogólnej charakterystyki zużycia paliwa w dynamicznych stanach pracy jest możliwość wykorzystania standardowej aparatury pomiarowej do przeprowadzenia badań, a rozwiązanie złożonego problemu zostaje sprowadzone do zakresu programowania.
Źródło:
Combustion Engines; 2013, 52, 4; 16-25
2300-9896
2658-1442
Pojawia się w:
Combustion Engines
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 22

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