Literatura académica sobre el tema "Prediction of quality"
Crea una cita precisa en los estilos APA, MLA, Chicago, Harvard y otros
Consulte las listas temáticas de artículos, libros, tesis, actas de conferencias y otras fuentes académicas sobre el tema "Prediction of quality".
Junto a cada fuente en la lista de referencias hay un botón "Agregar a la bibliografía". Pulsa este botón, y generaremos automáticamente la referencia bibliográfica para la obra elegida en el estilo de cita que necesites: APA, MLA, Harvard, Vancouver, Chicago, etc.
También puede descargar el texto completo de la publicación académica en formato pdf y leer en línea su resumen siempre que esté disponible en los metadatos.
Artículos de revistas sobre el tema "Prediction of quality"
Liang, Yun-Chia, Yona Maimury, Angela Hsiang-Ling Chen y Josue Rodolfo Cuevas Juarez. "Machine Learning-Based Prediction of Air Quality". Applied Sciences 10, n.º 24 (21 de diciembre de 2020): 9151. http://dx.doi.org/10.3390/app10249151.
Texto completoMuharsyah, Robi, Dian Nur Ratri y Damiana Fitria Kussatiti. "Improving prediction quality of sea surface temperature (SST) in Niño3.4 region using Bayesian Model Averaging". IOP Conference Series: Earth and Environmental Science 893, n.º 1 (1 de noviembre de 2021): 012028. http://dx.doi.org/10.1088/1755-1315/893/1/012028.
Texto completoPanchal, D. S., M. B. Shelke, S. S. Kawathekar y S. N. Deshmukh. "Prediction of Healthcare Quality Using Sentiment Analysis". Indian Journal Of Science And Technology 16, n.º 21 (3 de junio de 2023): 1603–13. http://dx.doi.org/10.17485/ijst/v16i21.2506.
Texto completoMartens, M. y H. Martens. "Near-Infrared Reflectance Determination of Sensory Quality of Peas". Applied Spectroscopy 40, n.º 3 (marzo de 1986): 303–10. http://dx.doi.org/10.1366/0003702864509114.
Texto completoKim, Donghyun, Heechan Han, Wonjoon Wang, Yujin Kang, Hoyong Lee y Hung Soo Kim. "Application of Deep Learning Models and Network Method for Comprehensive Air-Quality Index Prediction". Applied Sciences 12, n.º 13 (1 de julio de 2022): 6699. http://dx.doi.org/10.3390/app12136699.
Texto completoGANESAN, K., TAGHI M. KHOSHGOFTAAR y EDWARD B. ALLEN. "CASE-BASED SOFTWARE QUALITY PREDICTION". International Journal of Software Engineering and Knowledge Engineering 10, n.º 02 (abril de 2000): 139–52. http://dx.doi.org/10.1142/s0218194000000092.
Texto completoGonçalves, Mateus Teles Vital, Gota Morota, Paulo Mafra de Almeida Costa, Pedro Marcus Pereira Vidigal, Marcio Henrique Pereira Barbosa y Luiz Alexandre Peternelli. "Near-infrared spectroscopy outperforms genomics for predicting sugarcane feedstock quality traits". PLOS ONE 16, n.º 3 (4 de marzo de 2021): e0236853. http://dx.doi.org/10.1371/journal.pone.0236853.
Texto completoKouadri, Wissam Mammar, Mourad Ouziri, Salima Benbernou, Karima Echihabi, Themis Palpanas y Iheb Ben Amor. "Quality of sentiment analysis tools". Proceedings of the VLDB Endowment 14, n.º 4 (diciembre de 2020): 668–81. http://dx.doi.org/10.14778/3436905.3436924.
Texto completoAsiah, Mat, Khidzir Nik Zulkarnaen, Deris Safaai, Mat Yaacob Nik Nurul Hafzan, Mohamad Mohd Saberi y Safaai Siti Syuhaida. "A Review on Predictive Modeling Technique for Student Academic Performance Monitoring". MATEC Web of Conferences 255 (2019): 03004. http://dx.doi.org/10.1051/matecconf/201925503004.
Texto completoVeeramalai, S., Mr T. Praveen y S. Pradeepa Natarajan. "Cost Based On Product Quality Prediction Using Datamining". International Journal of Trend in Scientific Research and Development Special Issue, Special Issue-Active Galaxy (30 de junio de 2018): 38–42. http://dx.doi.org/10.31142/ijtsrd14564.
Texto completoTesis sobre el tema "Prediction of quality"
KUNTE, DEEPTI SHRIRAM. "Sound Quality Prediction Using Neural Networks". Thesis, KTH, Skolan för industriell teknik och management (ITM), 2020. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-283336.
Texto completoLjudkvalitet är ett viktigt mått som skildrar en maskins kvalitet såväl som bekvämlighet i dess användning. Det är emellertid ett subjektivt mått, inte bara är det svårt att fånga detta i förväg men också att det kräver både tid och dyra jurytestningar. Det är därför värdefullt att kunna effektivt förutsäga de resultaten av jurystudien från mätvärden som kan mätas objektivt. Syftet med arbetet är tvåfaldigt: det första är att etablera neuronnätsmodeller till att förutsäga subjektiva ljudkvalitetsmätvärden från objektiva mätvärden. Det andra är att tolka modellen till att kunna förstå den relativa betydelsen av varje objektivt mätvärde mot en specifik subjektiv bedömning. I sista hand syftar arbetet till att bana vägen för inkludering av mätvärden för ljudkvalitet i de tidiga designfaserna. Utifrån studien var det uppenbart att neuronnäts prestanda var åtminstone lika med eller bättre än de linjära eller kvadratiska modellerna. Anslutningsviktsmetoden, profilmetoden, störningsmetoden, den förbättrade stegvisa urvalsmetoden samt den linjära regressionsmetoden var tolkningsalgoritmerna som visade sig att fungera väl på alla simulerad datauppsättningar. De gav också jämförbara resultat på de verkliga datauppsättningarna. Neuronnät visade sig att ha potential att ge låga prediktionsfel samtidigt som de bibehåller tolkningsbarhet i applikationer för ljudkvalitet. Studien av dataknapphet gav det en uppfattning om storleken på prestandaförbättring som kan uppnås med mer data och kan fungera som en användbar input vid bestämning av antalet datapunkter.
Steel, Donald. "Software reliability prediction". Thesis, Abertay University, 1990. https://rke.abertay.ac.uk/en/studentTheses/4613ff72-9650-4fa1-95d1-1a9b7b772ee4.
Texto completoPeng, Huiping. "Air quality prediction by machine learning methods". Thesis, University of British Columbia, 2015. http://hdl.handle.net/2429/55069.
Texto completoScience, Faculty of
Earth, Ocean and Atmospheric Sciences, Department of
Graduate
Hollier, M. P. "Audio quality prediction for telecomunications speech systems". Thesis, University of Essex, 1995. http://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.282496.
Texto completoMateus, Ana Teresa Moreirinha Vila Fernandes. "Quality management in laboratories- Effciency prediction models". Doctoral thesis, Universidade de Évora, 2021. http://hdl.handle.net/10174/29338.
Texto completoTaipale, T. (Taneli). "Improving software quality with software error prediction". Master's thesis, University of Oulu, 2015. http://urn.fi/URN:NBN:fi:oulu-201512042251.
Texto completoNykyaikainen ketterä ohjelmistokehitys on monimutkainen prosessi. Tämä väittämä pätee varsinkin isoihin projekteihin. Ohjelmistokehityksessä käytettävät työkalut helpottavat jo itsessään kehitystyötä, mutta ne myös säilövät tärkeää tilastotietoa. Tätä tilastotietoa voidaan käyttää koneoppimisjärjestelmän opettamiseen. Tällä tavoin koneoppimisjärjestelmä oppii tunnistamaan ohjelmistokehitystyölle ominaisia käyttäytymismalleja. Tämän opinnäytetyön lähtökohta on ohjelmistoprojekti, jonka on määrä toimia osana laajaa telekommunikaatioverkkoa. Tällainen ohjelmistoprojekti vaatii kalliin testauslaitteiston, mikä johtaa suoraan kalliiseen testausaikaan. Toisaalta yksikkötestaus ja koodikatselmointi ovat työmenetelmiä, jotka parantavat ohjelmiston laatua, mutta vaativat paljon ohjelmistoammattilaisten resursseja. Koska ohjelmointivirheet ovat ohjelmistoprojektin edetessä väistämättömiä, on näiden työkalujen tehokkuus tunnistaa ohjelmointivirheitä erityisen tärkeää onnistuneen projektin kannalta. Tässä opinnäytetyössä testaamisen ja muiden laadunvarmennustyökalujen tehokkuutta pyritään parantamaan käyttämällä hyväksi koneoppimisjärjestelmää. Koneoppimisjärjestelmä opetetaan tunnistamaan ohjelmointivirheet käyttäen historiatietoa projektissa aiemmin tehdyistä ohjelmointivirheistä. Koneoppimisjärjestelmän ennusteilla kohdennetaan testausta painottamalla virheen todennäköisimmin löytäviä testitapauksia. Työn lopputuloksena on koneoppimisjärjestelmä, joka pystyy ennustamaan ohjelmointivirheen todennäköisimmin sisältäviä tiedostomuutoksia. Tämän tiedon pohjalta on luotu raportteja kuten listaus todennäköisimmin virheen sisältävistä tiedostomuutoksista, koko ohjelmistoprojektin kattava kartta virheen rivikohtaisista todennäköisyyksistä sekä graafi, joka yhdistää ohjelmointivirhetiedot organisaatiotietoon. Alkuperäisenä tavoitteena ollutta testaamisen painottamista ei kuitenkaan saatu aikaiseksi vajaan testikattavuustiedon takia. Tämä opinnäytetyö toi esiin tärkeitä parannuskohteita projektin työtavoissa ja uusia näkökulmia ohjelmistokehitysprosessiin
Krishnamurthy, Janaki. "Quality Market: Design and Field Study of Prediction Market for Software Quality Control". NSUWorks, 2010. http://nsuworks.nova.edu/gscis_etd/352.
Texto completoWallner, Björn. "Protein Structure Prediction : Model Building and Quality Assessment". Doctoral thesis, Stockholm University, Department of Biochemistry and Biophysics, 2005. http://urn.kb.se/resolve?urn=urn:nbn:se:su:diva-649.
Texto completoProteins play a crucial roll in all biological processes. The wide range of protein functions is made possible through the many different conformations that the protein chain can adopt. The structure of a protein is extremely important for its function, but to determine the structure of protein experimentally is both difficult and time consuming. In fact with the current methods it is not possible to study all the billions of proteins in the world by experiments. Hence, for the vast majority of proteins the only way to get structural information is through the use of a method that predicts the structure of a protein based on the amino acid sequence.
This thesis focuses on improving the current protein structure prediction methods by combining different prediction approaches together with machine-learning techniques. This work has resulted in some of the best automatic servers in world – Pcons and Pmodeller. As a part of the improvement of our automatic servers, I have also developed one of the best methods for predicting the quality of a protein model – ProQ. In addition, I have also developed methods to predict the local quality of a protein, based on the structure – ProQres and based on evolutionary information – ProQprof. Finally, I have also performed the first large-scale benchmark of publicly available homology modeling programs.
Wallner, Björn. "Protein structure prediction : model building and quality assessment /". Stockholm : Stockholm Bioinformatics Center, Department of Biochemistry and Biophysics, Stockholm University, 2005. http://urn.kb.se/resolve?urn=urn:nbn:se:su:diva-649.
Texto completoBrun, Daniel y Colin Lawless. "Quality Prediction in Jet Printing Using Neural Networks". Thesis, KTH, Skolan för industriell teknik och management (ITM), 2020. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-278882.
Texto completoYtmonteringsteknologi är en väletablerad metod som används inom tillverkningen av kommersiell elektronik, och kravet på dessa maskiner ökar i takt med att elektronikens komplexitet ökar och storleken på komponenterna minskar. Mycronic är ett företag vars fokus ligger i att möta dessa krav med deras högteknologiska jet printing - och pick-and-place-maskiner. Detta examensarbete har utförts på Mycronic och har fokuserat på jet printing-maskinen MY700. På grund av okända faktorer kan kvaliteten på den deponerade lodpastan från maskinen variera över tid. Det var därför intressant att övervaka variabler hos maskinen för att få mer kunskap om orsaken till den varierande kvaliteten och också för att kunna upptäcka förändringar i kvaliteten. I det här projektet har temperaturen mätts på tre kritiska positioner på ejektorn samt även strömmen som går genom det piezoelektriska ställdonet. Dessa data gavs till ett neuralt nätverk för att göra kvalitetsprognoser med avseende på diametern på deponeringarna av lodpasta. Olika kombinationer av sensordata användes för att utvärdera hur de olika sensorerna påverkade det neurala nätverkets prestanda. Därigenom kunde en bättre förståelse av hur stor påverkan de olika variablerna hade på kvaliteten på deponeringarna uppnås. Resultaten indikerar att strömmen var mer betydelsefull än temperaturen för att göra kvalitetsprognoser. Om bara temperaturdata användes lyckades inte det neurala nätverket göra exakta förutsägelser för kvalitetsavvikelser, medan med bara strömdata eller båda kombinerade kunde bättre förutsägelser göras. Strömdatan förbättrade också prestandan hos det neurala nätverket när jobb med olika diametrar användes. Slutsatsen är att ingen av de tre temperatursensorerna förbättrade prestandan signifikant, och det fanns inga betydande skillnader mellan dem, medan strömmen förbättrade prestandan.
Libros sobre el tema "Prediction of quality"
Mittag, Gabriel. Deep Learning Based Speech Quality Prediction. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-030-91479-0.
Texto completoNational Symposium on Hydrology (India) (11th 2004 Roorkee, India). Water quality: Monitoring, modelling, and prediction. Editado por Jain C. K, Trivedi R. C, Sharma K. D, National Institute of Hydrology (India) y India. Central Pollution Control Board. New Delhi: Allied Publishers, 2004.
Buscar texto completoBelmudez, Benjamin. Audiovisual Quality Assessment and Prediction for Videotelephony. Cham: Springer International Publishing, 2015. http://dx.doi.org/10.1007/978-3-319-14166-4.
Texto completoHolman, Thomas B., Paul James Birch, Jason S. Carroll, Cynthia Doxey, Jeffry H. Larson y Steven T. Linford. Premarital Prediction of Marital Quality or Breakup. Boston, MA: Springer US, 2002. http://dx.doi.org/10.1007/b107947.
Texto completoHandbook of image quality: Characterization and prediction. New York: Marcel Dekker, 2002.
Buscar texto completoA, Kupecz Julie, Gluyas J. G y Bloch S, eds. Reservoir quality prediction in sandstones and carbonates. Tulsa, Okla: American Association of Petroleum Geologists, 1997.
Buscar texto completoD, Meshri Indu, Ortoleva Peter J y American Association of Petroleum Geologists., eds. Prediction of reservoir quality through chemical modeling. Tulsa, Okla., U.S.A: American Association of Petroleum Geologists, 1990.
Buscar texto completoPrediction and regulation of air pollution. Dordrecht: Kluwer Academic Publishers, 1991.
Buscar texto completoMöller, Sebastian. Assessment and Prediction of Speech Quality in Telecommunications. Boston, MA: Springer US, 2000. http://dx.doi.org/10.1007/978-1-4757-3117-0.
Texto completoSchiffner, Falk Ralph. Dimension-Based Quality Analysis and Prediction for Videotelephony. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-56570-1.
Texto completoCapítulos de libros sobre el tema "Prediction of quality"
Möller, Sebastian. "Quality Prediction". En Quality Engineering, 163–90. Berlin, Heidelberg: Springer Berlin Heidelberg, 2023. http://dx.doi.org/10.1007/978-3-662-65615-0_9.
Texto completoMcGuffin, Liam J. "Model Quality Prediction". En Introduction to Protein Structure Prediction, 323–42. Hoboken, NJ, USA: John Wiley & Sons, Inc., 2010. http://dx.doi.org/10.1002/9780470882207.ch15.
Texto completoAggarwal, K. K. "Reliability Prediction". En Topics in Safety, Reliability and Quality, 107–21. Dordrecht: Springer Netherlands, 1993. http://dx.doi.org/10.1007/978-94-011-1928-3_5.
Texto completoMöller, Sebastian. "Quality of Prediction Models". En Assessment and Prediction of Speech Quality in Telecommunications, 159–87. Boston, MA: Springer US, 2000. http://dx.doi.org/10.1007/978-1-4757-3117-0_7.
Texto completoSchiffner, Falk Ralph. "Quality Modeling and Prediction". En T-Labs Series in Telecommunication Services, 83–88. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-56570-1_5.
Texto completoPourbafrani, Mahsa, Shreya Kar, Sebastian Kaiser y Wil M. P. van der Aalst. "Remaining Time Prediction for Processes with Inter-case Dynamics". En Lecture Notes in Business Information Processing, 140–53. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-030-98581-3_11.
Texto completoPandey, Ajeet Kumar y Neeraj Kumar Goyal. "Background: Software Quality and Reliability Prediction". En Early Software Reliability Prediction, 17–33. India: Springer India, 2013. http://dx.doi.org/10.1007/978-81-322-1176-1_2.
Texto completoMichael, Thilo. "Conversational Quality Predictions". En Simulating Conversations for the Prediction of Speech Quality, 101–21. Cham: Springer Nature Switzerland, 2023. http://dx.doi.org/10.1007/978-3-031-31844-3_6.
Texto completoDuzbayev, Nurzhan y Iman Poernomo. "Runtime Prediction of Queued Behaviour". En Quality of Software Architectures, 78–94. Berlin, Heidelberg: Springer Berlin Heidelberg, 2006. http://dx.doi.org/10.1007/11921998_10.
Texto completoDu, Shichang y Lifeng Xi. "Surface Prediction". En High Definition Metrology Based Surface Quality Control and Applications, 265–91. Singapore: Springer Singapore, 2019. http://dx.doi.org/10.1007/978-981-15-0279-8_7.
Texto completoActas de conferencias sobre el tema "Prediction of quality"
Padilla, Dionis A., Glenn V. Magwili, Luis Benjamin Z. Mercado y Jean Tristan L. Reyes. "Air Quality Prediction using Recurrent Air Quality Predictor with Ensemble Learning". En 2020 IEEE 12th International Conference on Humanoid, Nanotechnology, Information Technology, Communication and Control, Environment, and Management (HNICEM). IEEE, 2020. http://dx.doi.org/10.1109/hnicem51456.2020.9400051.
Texto completoShihab, Emad. "Practical Software Quality Prediction". En 2014 IEEE International Conference on Software Maintenance and Evolution (ICSME). IEEE, 2014. http://dx.doi.org/10.1109/icsme.2014.114.
Texto completoSazzad, Z. M. Parvez, Shouta Yamanaka, Yoshikazu Kawayokeita y Yuukou Horita. "Stereoscopic image quality prediction". En 2009 International Workshop on Quality of Multimedia Experience (QoMEx 2009). IEEE, 2009. http://dx.doi.org/10.1109/qomex.2009.5246956.
Texto completoKodama, S. y I. Kataoka. "Study on Analytical Prediction of Forced Convective CHF in the Wide Range of Quality". En 10th International Conference on Nuclear Engineering. ASMEDC, 2002. http://dx.doi.org/10.1115/icone10-22128.
Texto completoLincke, Rüdiger, Tobias Gutzmann y Welf Löwe. "Software Quality Prediction Models Compared". En 2010 10th International Conference on Quality Software (QSIC). IEEE, 2010. http://dx.doi.org/10.1109/qsic.2010.9.
Texto completoGuirguis, Shawket, Fatma Zada y Tawfik Khattab. "Quality Controlled Stock Prediction Model". En 2013 23rd International Conference on Computer Theory and Applications (ICCTA). IEEE, 2013. http://dx.doi.org/10.1109/iccta32607.2013.9529781.
Texto completoNagorny, Pierre, Maurice Pillet, Eric Pairel, Ronan Le Goff, Jerome Loureaux, Marlene Wali y Patrice Kiener. "Quality prediction in injection molding". En 2017 IEEE International Conference on Computational Intelligence and Virtual Environments for Measurement Systems and Applications (CIVEMSA). IEEE, 2017. http://dx.doi.org/10.1109/civemsa.2017.7995316.
Texto completoS, Abhinav, Sahana Srinivasan, Aishwarya Ganesan, Anala M R y Mamatha T. "Wireless Water Quality Monitoring and Quality Deterioration Prediction System". En 2019 26th International Conference on High Performance Computing, Data and Analytics Workshop (HiPCW). IEEE, 2019. http://dx.doi.org/10.1109/hipcw.2019.00013.
Texto completoWu, Dazhong, Yupeng Wei y Janis Terpenny. "Surface Roughness Prediction in Additive Manufacturing Using Machine Learning". En ASME 2018 13th International Manufacturing Science and Engineering Conference. American Society of Mechanical Engineers, 2018. http://dx.doi.org/10.1115/msec2018-6501.
Texto completoShruthi, P. "Wine Quality Prediction Using Data Mining". En 2019 International Conference on Advanced Technologies in Intelligent Control, Environment, Computing & Communication Engineering (ICATIECE). IEEE, 2019. http://dx.doi.org/10.1109/icatiece45860.2019.9063846.
Texto completoInformes sobre el tema "Prediction of quality"
Wei, Jie. Magnet Quality and Collider Performance Prediction. Office of Scientific and Technical Information (OSTI), noviembre de 1996. http://dx.doi.org/10.2172/1119510.
Texto completoMurphy, D. D., W. M. Thomas, W. M. Evanco y W. W. Agresti. Procedures for Applying Ada Quality Prediction Models. Fort Belvoir, VA: Defense Technical Information Center, diciembre de 1992. http://dx.doi.org/10.21236/ada264730.
Texto completoAgresti, W. W., W. M. Evanco, M. C. Smith y D. R. Clarson. An Approach to Software Quality Prediction from Ada Designs. Fort Belvoir, VA: Defense Technical Information Center, diciembre de 1992. http://dx.doi.org/10.21236/ada264731.
Texto completoMcDonald, M. J. Quality prediction and mistake proofing: An LDRD final report. Office of Scientific and Technical Information (OSTI), marzo de 1998. http://dx.doi.org/10.2172/650152.
Texto completoDi, Jiaqi, Xuanlin Li, Jingjing Yang, Luguang Li y Xueqing Yu. Critical appraisal of the reporting quality of risk prediction models for idiopathic pulmonary fibrosis. INPLASY - International Platform of Registered Systematic Review and Meta-analysis Protocols, noviembre de 2020. http://dx.doi.org/10.37766/inplasy2020.11.0105.
Texto completoVlek, R. J., D. J. M. Willems y H. Rijgersberg. Requirements for implementation : a quality prediction system for soft fruit based on a Bayesian Belief Network. Wageningen: Wageningen Food and Biobased Research, 2018. http://dx.doi.org/10.18174/563391.
Texto completoThegeya, Aaron, Thomas Mitterling, Arturo Martinez Jr, Joseph Albert Niño Bulan, Ron Lester Durante y Jayzon Mag-atas. Application of Machine Learning Algorithms on Satellite Imagery for Road Quality Monitoring: An Alternative Approach to Road Quality Surveys. Asian Development Bank, diciembre de 2022. http://dx.doi.org/10.22617/wps220587-2.
Texto completoVecherin, Sergey, Stephen Ketcham, Aaron Meyer, Kyle Dunn, Jacob Desmond y Michael Parker. Short-range near-surface seismic ensemble predictions and uncertainty quantification for layered medium. Engineer Research and Development Center (U.S.), septiembre de 2022. http://dx.doi.org/10.21079/11681/45300.
Texto completoJohnson, Paul C. Prediction of Groundwater Quality Improvement Down-Gradient of In Situ Permeable Treatment Barriers and Fully Remediated Source Zones. Fort Belvoir, VA: Defense Technical Information Center, diciembre de 2008. http://dx.doi.org/10.21236/ada602219.
Texto completoPeterson, Warren. PR-663-19600-Z01 Develop Guidance for Calculation of HCDP in Pipelines. Chantilly, Virginia: Pipeline Research Council International, Inc. (PRCI), marzo de 2020. http://dx.doi.org/10.55274/r0011659.
Texto completo