OU Portal
  • Log In
  • Welcome
  • Applicants
Z6_60GI02O0O8IDC0QEJUJ26TJDI4
{}

Pomocí tohoto dialogu můžete vyhledat domácí autory, čili autory, kteří jsou vedeni v personálních systémech Ostravské univerzity.

Do našeptávače níže napište hledaný text a tento text bude vyhledán ve jméně nebo příjmení autora. Autoři, kteří budou hledanému textu odpovídat, Vám budou nabídnuti v seznamu. Pomocí myši nebo šipek na klávesnici vyberte požadovaného autora.

Našeptávač : 
Přidat autora k záznamu Zavřít

Pomocí tohoto dialogu můžete k záznamu přidat cizího autora, čili autora, který nemá žádný pracovní ani studijní vztah k Ostravské univerzitě. Takto přidaný autor bude do RIV vykázán jako nedomácí.

Pro přidání autora vepište jeho jméno a příjmení do určených položek.

Jméno :
Příjmení :
Přidat k záznamu Zavřít
Zavřít

Pomocí tohoto dialogu můžete k záznamu nahrát soubor PDF. Tento soubor musí obsahovat text tohoto záznamu (text článku, knihy, atd.). Tento soubor je důležitý pro RIV, protože může být použit jako důkaz existence tohoto záznamu.

Pro nahrání souboru klikněte na tlačítko Browse a vyberte soubor, který chcete nahrát. Nahrávání souboru zahájíte tlačítkem Nahrát soubor.

Maximální velikost souboru PDF je omezena na 100 MB.

Soubor : 

Nahrát soubor
Zavřít

Pomocí tohoto dialogu můžete stáhnout PDF soubor přiřazený tomuto záznamu. Pro stažení souboru klikněte níže na název tohoto souboru a bude Vám nabídnuta možnost soubor uložit.

Věnujte prosím pozornost také velikosti PDF souboru. Velké soubory se mohou stahovat delší dobu, pokud máte pomalé internetové připojení.

Název souboru :
Velikost souboru :
Zavřít
Publikační činnost


preloading...   Probíhá načítání, čekejte prosím...
publicationId :
tempRecordId :
actionDispatchIndex :
navigationBranch :
pageMode :
tabSelected :
isRivValid :
Typ záznamu * : článek v odborném periodiku (J)
Domácí pracoviště * : Katedra chemie (31500)
Název * : Neural Network Modelling for Prediction of Zeta Potential
Citace : Maršálek, R., Kotyrba, M., Volná, E. a Jarušek, R. Neural Network Modelling for Prediction of Zeta Potential. Mathematics. 2021, 9(23), s. 3089-3111. ISSN 2227-7390.
Podnázev :
Rok * : 2021
Obor * : Fyzikální chemie a teoretická chemie
Kód ISSN * : 2227-7390
Oficiální název periodika * : Mathematics
Stát vydavatele periodika * : Švýcarská konfederace
Svazek periodika * : 9
Číslo periodika v rámci svazku * : 23
Číslo článku :
Ročník :
Počet stran článku * : 13
Strana od * : 3089
Strana do * : 3111
Kód UT WoS : 000734544200001
EID : 2-s2.0-85120413557
Poddruh recenzovaného článku : Článek v impaktovaném časopise (Jimp)
Klíčová slova anglicky * :
artificial neural network; prediction; zeta potential; titania nanoparticles
Popis v původním jazyce * :
The study is focused on monitoring the influence of selected parameters on the zeta potential values of titanium dioxide nanoparticles. The influence of pH, temperature, ionic strength, and mass content of titanium dioxide in the suspension was assessed. More than a thousand samples were measured by combining these variables. On the basis of results, the model of artificial neural network was proposed and tested. The authors have rich experiences with neural networks applications and this case shows that the neural network model works with a very high prediction success rate of zeta potential. Clearly, pH has the greatest effect on zeta potential values. The influence of other variables is not so significant. However, it can be said that increasing temperature results in an increase in the value of the zeta potential of titanium dioxide nanoparticles. The ionic force affects the zeta potential depending on the pH; in the vicinity of the isoelectric point, its effect is negligible. The effect of the mass content of titanium dioxide in the suspension is absolutely minor.
Popis v anglickém jazyce * :
The study is focused on monitoring the influence of selected parameters on the zeta potential values of titanium dioxide nanoparticles. The influence of pH, temperature, ionic strength, and mass content of titanium dioxide in the suspension was assessed. More than a thousand samples were measured by combining these variables. On the basis of results, the model of artificial neural network was proposed and tested. The authors have rich experiences with neural networks applications and this case shows that the neural network model works with a very high prediction success rate of zeta potential. Clearly, pH has the greatest effect on zeta potential values. The influence of other variables is not so significant. However, it can be said that increasing temperature results in an increase in the value of the zeta potential of titanium dioxide nanoparticles. The ionic force affects the zeta potential depending on the pH; in the vicinity of the isoelectric point, its effect is negligible. The effect of the mass content of titanium dioxide in the suspension is absolutely minor.
Typ zdroje financování výsledku * : Specifický výzkum
Seznam projektů :
ID Projektu Název projektu
Seznam ohlasů : 
Ohlas
R01: RIV/61988987:17310/21:A2202BOF

© 2019 Centre for Information Technology

  • Technická podpora :
  • Mgr. Olga Blahutová (phone: +420 597 091 129, phone flap for UO: 1129)
  • Ing. Lucie Svitaneková (phone: +420 597 091 108, phone flap for UO: 1108)
Complementary Content
  • ${title}${badge}
${loading}