Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  regression analyses
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Comparison of the 3'Bike Test with the Astrand Bike Test by VO2max
100%
EN
Purpose. The goal of this study was to compare two sub-maximal exercise tests used in predicting VO2max.abs, the 3'Bike Test, which has not previously been used as a functional test, and the Astrand Submaximal Bike Test. Methods. 1492 athletes aged 16-35 years were tested. After anthropometrical measurements, each athlete performed the new 3'Bike Test, and after resting for one hour, they performed the Astrand Bike Test. Results. Based on the data collected, when looking for correlations between the two tests' variables that indicate VO2max.abs, finds that the 5th minute of Astrand Bike Test realized its best correlation with the 3rd minute of the 3'Bike Test. This significant partial correlation between the 5th minute of the Astrand Bike Test and 3rd minute of the 3'Bike Test points to some similarities between these two tests. Linear regression of the data indicates that the system of predictive variables of the 3'Bike Test explains for 36.4% of total variability of the dependent variable (VO2max.abs) with a lower standard error of estimate of 0.247. Whereas the system of predictive variables of the Astrand Bike Test explains for 31.9% of total variability, with a standard error of estimate at 0.256. The third minute of the 3'Bike Test, with a beta-coefficient of -0.54, indicates better predictive influence of VO2max.abs when compared to other test variables. Conclusions. According to the above-mentioned results, it can be concluded that the new applied functional test, the 3'Bike Test, better predicts VO2max.score when compared with the Astrand-Bike Test.
2
51%
EN
Fuzz on the fabric surface is very important for appearance quality, since it can lead to pilling and an unpleasant handle and appearance. Thus, it is important to predict the fuzz value on the fabric surface before producing the fabric. The amount of fuzz on the fabric surface, as has been determined by image processing techniques, can be predicted by two different methods, the Artificial Neural Network (ANN) and Regression Analysis. During knitting, the yarn used is abraded to an uncertain degree, depending on the knitting conditions and yarn properties, and this situation can lead to poor prediction results. However, it has been demonstrated that the prediction results obtained by Artificial Neural Networks look more promising than that of Regression Analyses.
PL
Mechatość na powierzchni dzianiny jest bardzo ważną cechą jakościową, ponieważ może prowadzić do pilingu, niekorzystnego chwytu i wyglądu. Dlatego też ważnym jest móc przewidywać wartość mechatości na powierzchni dzianiny przed jej wyprodukowaniem. Jak stwierdzono techniką analizy obrazu, mechatość można przewidzieć za pomocą dwóch różnych metod, a mianowicie sztucznych sieci neuronowych i analizy regresyjnej. Podczas dziania, przędza jest ścierana w stopniu trudnym do określenia, zależnym od warunków dziania i właściwości przędzy i dlatego prawidłowe określenie mechatości jest bardzo wątpliwe. Jednak, jak to udowodniono w niniejszym artykule, przewidywanie za pomocą sztucznych sieci neuronowych może być bardziej obiecujące, niż to przeprowadzone za pomocą analizy regresyjnej.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.