Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Klasyfikacja

Sortuj według:

Ogranicz wyniki do:

Effect of sawn zone on the quality of lumber in the evaluation of selected pine wood defects

Wieruszwski Marek, Mirski Radosław, Trociński Adrian, Kawalerczyk Jakub

Annals of Warsaw University of Life Sciences - SGGW. Forestry and Wood Technology

2021

No. 114

26--32

Effect of sawn zone on the quality of lumber in the evaluation of selected pine wood defects. In the course of research on the sawn pine raw material with defined distribution of the defects, a variable level of change in the presence of knots was assessed. Initially, the experimental material was classified in terms of the general-purpose timber, and then the strength classes of wood for structural applications were assigned. The proportion of sound knots increased in case of wood obtained from the middle and top zones. In the case of buttend logs, an increase in the share of the rotten knots having an average diameter of 2-4 cm was observed. The intensity of the defect’s occurrence corresponded with the zone of origin along the large-sized roundwood length.

Wpływ strefy przetarcia na jakość tarcicy w ocenie wybranych wad drewna sosnowego. W trakcie badań na surowcu tartacznym sosnowym o określonym rozkładzie wad oceniono zmienny poziom występowania sęków. Początkowo materiał doświadczalny sklasyfikowano w kategoriach tarcicy ogólnego przeznaczenia, a następnie przypisano klasy wytrzymałościowe drewna do zastosowań konstrukcyjnych. Udział sęków zdrowych wzrósł w przypadku drewna pozyskanego ze strefy środkowej i górnej. W przypadku kłód odziomkowych zaobserwowano wzrost udziału sęków zepsutych o średniej średnicy 2-4 cm. Intensywność występowania wady tarcicy odpowiadała lokalizacji strefy jej pochodzenia na długości wielkowymiarowej drewna okrągłego.

Prediction of the shoppers loyalty with aggregated data streams

Nikulin V.

Journal of Artificial Intelligence and Soft Computing Research

2016

Vol. 6, No. 2

69--79

Consumer brands often offer discounts to attract new shoppers to buy their products. The most valuable customers are those who return after this initial incentive purchase. With enough purchase history, it is possible to predict which shoppers, when presented an offer, will buy a new item. While dealing with Big Data and with data streams in particular, it is a common practice to summarize or aggregate customers’ transaction history to the periods of few months. As an outcome, we compress the given huge volume of data, and transfer the data stream to the standard rectangular format. Consequently, we can explore a variety of practically or theoretically motivated tasks. For example, we can rank the given field of customers in accordance to their loyalty or intension to repurchase in the near future. This objective has very important practical application. It leads to preferential treatment of the right customers. We tested our model (with competitive results) online during Kaggle-based Acquire Valued Shoppers Challenge in 2014.