Opis

• Tytuł:
  Improving estimation accuracy of metallurgical performance of industrial flotation process by using hybrid genetic algorithm – artificial neural network (GA-ANN)
• Twórca:
  Allahkarami, Ebrahim;
  Salmani Nuri, Omid;
  Abdollahzadeh, Aliakbar;
  Rezai, Bahram;
  Maghsoudi, Behrouz
• Współtwórca:
  Drzymała, Jan. Redakcja
• Opis:
  Physicochemical Problems of Mineral Processing. Vol. 53, 2017, Issue 1, s. 366–378
• Dostępność obiektu:
  Dostęp otwarty
• Prawa:
  Wszystkie prawa zastrzeżone (Copyright);
  Dla wszystkich w zakresie dozwolonego użytku
• Data:
  2017.12.31;
  2017
• Typ:
  artykuł
• Język:
  angielski
• Źródło:
  <sygn. PWr A3809I>;
  http://aleph.bg.pwr.wroc.pl/F/?func=find-b&request=000127456+&find_code=SYS&adjacent=N&local_base=TUR&x=51&y=6&filter_code_1=WLN&filter_request_1=&filter_code_2=WYR&filter_request_2=&filter_code_3=WYR&filter_request_3=&filter_code_4=WFT&filter_request_4=&filter_code_5=WSB&filter_request_5= ;http://www.minproc.pwr.wroc.pl/journal
• Format:
  application/pdf
• Wydawca:
  Oficyna Wydawnicza Politechniki Wrocławskiej
• Relacja:
  Politechnika Wrocławska. Wydział Geoinżynierii, Górnictwa i Geologii;
  Physicochemical Problems of Mineral Processing;
  Physicochemical Problems of Mineral Processing. Vol. 53, 2017, Issue 1;
  Fizykochemiczne Problemy Mineralurgii;
  Fizykochemiczne Problemy Przeróbki Kopalin
• Temat i słowa kluczowe:
  artificial neural network;
  genetic algorithm;
  prediction;
  copper flotation;
  mineralogia - czasopisma;
  przeróbka kopalin;
  mineralurgia;
  inżynieria mineralna;
  metalurgia ekstrakcyjna;
  separacja;
  wzbogacanie
• Identyfikator: DOI: 10.5277/ppmp170129
• Dostawca danych:
  Dolnośląska Biblioteka Cyfrowa
• Czy mogę z tego obiektu skorzystać?:
  poproś o pozwolenie
• Rodzaj zawartości:
  pozostałe