Podrobno

Dispersion parameters for litter size and teat number in Krškopolje pig
ID Urankar, Janja (Avtor), ID Malovrh, Špela (Avtor), ID Kovač, Milena (Avtor)

URLURL - Predstavitvena datoteka, za dostop obiščite http://aas.bf.uni-lj.si/zootehnika/supl/4-2013/PDF/4-2013-57-60.pdf Povezava se odpre v novem oknu

Jezik:Angleški jezik
Ključne besede:prašiči, pasme, krškopoljski prašič, velikost gnezda, število seskov, parametri disperzije
Vrsta gradiva:Delo ni kategorizirano
Tipologija:1.08 - Objavljeni znanstveni prispevek na konferenci
Organizacija:BF - Biotehniška fakulteta
Založnik:Biotehniška fakulteta
Leto izida:2013
Št. strani:Str. 57-60
Številčenje:Suppl. 4
PID:20.500.12556/RUL-77209 Povezava se odpre v novem oknu
UDK:636.4
ISSN pri članku:1854-4800
COBISS.SI-ID:3282824 Povezava se odpre v novem oknu
Datum objave v RUL:30.12.2015
Število ogledov:2724
Število prenosov:333
Metapodatki:XML DC-XML DC-RDF
:
URANKAR, Janja, MALOVRH, Špela in KOVAČ, Milena, 2013, Dispersion parameters for litter size and teat number in Krškopolje pig. V : 8th International Symposium on the Mediterranean Pig, Slovenia, Ljubljana, October 10th-12th, 2013 [na spletu]. Objavljeni znanstveni prispevek na konferenci. Biotehniška fakulteta. 2013. p. 57–60. [Dostopano 11 julij 2025]. Pridobljeno s: http://aas.bf.uni-lj.si/zootehnika/supl/4-2013/PDF/4-2013-57-60.pdf
Kopiraj citat
Objavi na:Bookmark and Share

Gradivo je del zbornika

Naslov:8th International Symposium on the Mediterranean Pig, Slovenia, Ljubljana, October 10th-12th, 2013
COBISS.SI-ID:268610304 Povezava se odpre v novem oknu

Gradivo je del revije

Naslov:Acta agriculturae slovenica
Založnik:Biotehniška fakulteta
ISSN:1854-4800
COBISS.SI-ID:225696256 Povezava se odpre v novem oknu

Podobna dela

Podobna dela v RUL:
  1. DEEP LEARNING METHODS FOR BIOMETRIC RECOGNITION BASED ON EYE INFORMATION
  2. Part of speech tagging of slovene language using deep neural networks
  3. Automatic classification of buildings with deep learning
  4. Object detection and classification in aquatic environment using convolutional neural networks
  5. Superposition and compression of deep neutral networks
Podobna dela v drugih slovenskih zbirkah:
  1. Time series classification based on convolutional neural networks
  2. The preparation of photos' dataset and its classification using deep neural networks
  3. Prediction of geospatial raster data using convolutional neural networks
  4. Development of an advanced system for lane detection on GPU platforms
  5. Comparison of different deep neural network learning algorithms in autonomous driving

Nazaj