Wyniki wyszukiwania - BazTech

1

Znaczenie histogramu w ocenie jakości włókna alpak, przydatności tekstylnej i selekcji zwierząt

Morales Villavicencio Anna, Niżnikowski Roman

Przegląd Włókienniczy - Włókno, Odzież, Skóra

|

2023

|

nr 3

22--27

PL

Alpaki w Polsce w 2020 roku zostały uznane za zwierzęta hodowlane. Kolejnym etapem w rozwoju hodowli alpak w kraju było opracowanie wzorca dwóch ras alpak: Huacaya i Suri i wydanie decyzji przez MRiRW o prowadzeniu oceny wartości użytkowej tych zwierząt przez Stowarzyszenie Hodowców Alpak i Lam. Jednym z istotnych kryteriów jest ocena jakości runa w oparciu o analizę histogramu. W ten sposób runo alpak zostało docenione jako surowiec i poprzez prace badawcze i selekcyjne możliwe jest doskonalenie jego jakości a także zwierząt, które go produkują. Histogram jest stosowany do opisu zmian w badaniu grubości włókna alpak oraz parametrów statystycznych takich jak: odchylenie standardowe, współczynnik zmienności, wskaźnik komfortu. Umiejętna interpretacja wyników dostarcza informacji o jakości włókna i prognozy zmian w jakości na przestrzeni czasu.

EN

Alpacas in Poland in 2020 were recognized as farm animals. The next stage in the development of alpaca breeding in the country was the development of a standard for two alpaca breeds: Huacaya and Suri, and the decision of the Ministry of Agriculture and Rural Development to conduct an assessment of the working value of these animals by the Alpaca and Lama Breeders Association. One of the important criteria is the assessment of fleece quality based on histogram analysis. In this way, alpaca fleece has been appreciated as a raw material and through research and selection work it is possible to improve its quality as well as the animals that produce it. The histogram is used to describe changes in the alpaca fiber thickness test and statistical parameters such as: standard deviation, coefficient of variation, comfort index. Skilful interpretation of the results provides information about the quality of the fiber and forecasts of changes in quality over time.

2

Czy norma zawsze znaczy to samo?

Bobilewicz D.

Laboratorium Medyczne

|

2018

|

nr 1

57--59

3

Próba interpretacji wyników analizy składu chemicznego pod kątem lokalizacji odlewów z epoki brązu z wykorzystaniem "odwzorowania Sammona"

Sałat R., Krokosz J.

Odlewnictwo - Nauka i Praktyka

|

2004

|

R. 6, nr 1

23-31

PL

Wskazano możliwości w zakresie zastosowania współczesnej techniki komputerowej do interpretacji wyników analizy składu chemicznego odlewów z epoki brązu pod kątem ich lokalizacji, ze szczególnym uwzględnieniem rzutowania z przestrzeni wielowymiarowej w przestrzeń dwu i trójwymiarową z wykorzystaniem "odwzorowania Sammona". Przytoczono teoretyczne podstawy tego elementu sieci neuronowej. Opisano metodykę badań i stwierdzono, że wykorzystane oprogramowanie daje szerokie możliwości w tym zakresie. Ocena wyników badań jest bardzo precyzyjna i może być zastosowana w innych dziedzinach zajmujących się badaniami, wszędzie tam, gdzie duża ilość wyników jest trudna do interpretacji metodami klasycznymi. Przytoczony przykład potwierdza tezę, że sztuczne sieci neuronowe /w tym przypadku "odwzorowanie Sammona" / z powodzeniem mogą być wykorzystane w tych przypadkach, gdzie ludzki umysł ma problemy z właściwą oceną dużej ilości danych oraz z ich prawidłowym i jednoznacznym przetworzeniem dla obserwatora.

EN

The following paper presents modem possibilities of interpretation of chemical analysis of castings made in the Bronze Age and their localization using current computer techniques. By means of Sammon mapping we attempted to project the data from the multi-dimensional space into two- or three-dimensional ones. A theoretical basis for this type of neural network, as well as the used methods are described below. The applied software has proven to offer wide possibilities in this respect. The obtained results are accurate, which suggests that this method can also be used in those fields of science where classical methods of data interpretation are not sufficient for a large number of collected parameters. We conclude: the presented example supports the thesis that the artificial neural network (i.e. Sammon mapping) can be a good tool for the proper data interpretation, as well as their processing for the observer.