Digitalni repozitorij raziskovalnih organizacij Slovenije

Iskanje po repozitoriju
A+ | A- | Pomoč | SLO | ENG

Iskalni niz: išči po
išči po
išči po
išči po

Možnosti:
  Ponastavi


Iskalni niz: "avtor" (Gregor %C5%BDerjav) .

301 - 310 / 378
Na začetekNa prejšnjo stran27282930313233343536Na naslednjo stranNa konec
301.
DNA vakcine za zdravljenje raka
Špela Kos, Gregor Serša, 2019, strokovni članek

Povzetek: DNA vakcine predstavljajo obetaven pristop imunoterapije raka, predvsem zaradi njihove enostavnosti, stabilnosti in varnosti. DNA vakcine temeljijo na vnosu plazmidne DNA z zapisom za enega ali več tumorskih antigenov, udeleženih v nastanku, napredovanju ali zasevanju rakavih celic. Z vnosom DNA vakcine spodbudimo imunski odziv usmerjen proti tumorskemu antigenu, kar potencialno vodi do uničenja rakavih celic. Kljub številnim prednostim DNA vakcin pred klasičnimi vakcinami njihovo uporabo v humani kliniki omejuje prešibak antigen-specifični imunski odziv. Za izboljšanje imunogenosti DNA vakcin se razvoj osredotoča na optimizacijo sestave plazmidne DNA, raziskovanje novih tumorskih antigenov, razvoj novih dostavnih sistemov in sočasna uporaba adjuvantnih in imunomodulatornih molekul. Tovrstni pristopi so del številnih kliničnih raziskav na področju imunoterapije raka in predstavljajo korak bližje k izboljšanju imunogenosti DNA vakcin, učinkovitejšemu uničenju rakavih celic in lažjemu prenosu DNA vakcinacije v humano klinično prakso.
Ključne besede: DNK vakcine, dostavni sistemi, tumorski antigeni, imunogenost
Objavljeno v DiRROS: 26.06.2019; Ogledov: 2556; Prenosov: 686
.pdf Celotno besedilo (310,15 KB)

302.
303.
Thermal phenomena in LTCC sensor structures
Marina Santo-Zarnik, Franc Novak, Gregor Papa, 2019, izvirni znanstveni članek

Objavljeno v DiRROS: 07.05.2019; Ogledov: 2638; Prenosov: 1092
.pdf Celotno besedilo (1,65 MB)

304.
Pomen kliničnih raziskav za bolnike z rakom : priročnik za bolnike z rakom
2005, slovar, enciklopedija, leksikon, priročnik, atlas, zemljevid

Povzetek: Priročnik je namenjen onkološkim bolnikom, njihovim družinam in prijateljem. Pomagal jim bo razumeti , kaj klinične raziskave pravzaprav so, kako so zasnovane in kako potekajo.
Objavljeno v DiRROS: 25.03.2019; Ogledov: 1955; Prenosov: 487
.pdf Celotno besedilo (5,07 MB)

305.
Construction of Heuristic for Protein Structure Optimization using deep reinforcement learning
Rok Hribar, Jurij Šilc, Gregor Papa, 2018, objavljeni znanstveni prispevek na konferenci

Objavljeno v DiRROS: 15.03.2019; Ogledov: 2433; Prenosov: 1163
.pdf Celotno besedilo (510,93 KB)

306.
The concept of an ecosystem model to support the transformation to sustainable energy systems
Anja Kostevšek, Jiri Klemeš, Petar Varbanov, Gregor Papa, Janez Petek, 2016, izvirni znanstveni članek

Objavljeno v DiRROS: 15.03.2019; Ogledov: 2246; Prenosov: 1128
.pdf Celotno besedilo (1,01 MB)

307.
Multi-hop communication in Bluetooth Low Energy ad-hoc wireless sensor network
Branko Skočir, Gregor Papa, Anton Biasizzo, 2018, izvirni znanstveni članek

Objavljeno v DiRROS: 15.03.2019; Ogledov: 2609; Prenosov: 637
.pdf Celotno besedilo (992,95 KB)

308.
Sensors in proactive maintenance : a case of LTCC pressure sensors
Marina Santo-Zarnik, Franc Novak, Gregor Papa, 2018, izvirni znanstveni članek

Objavljeno v DiRROS: 15.03.2019; Ogledov: 2292; Prenosov: 794
.pdf Celotno besedilo (630,49 KB)

309.
A comparison of models for forecasting the residential natural gas demand of an urban area
Rok Hribar, Primož Potočnik, Jurij Šilc, Gregor Papa, 2019, izvirni znanstveni članek

Povzetek: Forecasting the residential natural gas demand for large groups of buildings is extremely important for efficient logistics in the energy sector. In this paper different forecast models for residential natural gas demand of an urban area were implemented and compared. The models forecast gas demand with hourly resolution up to 60 h into the future. The model forecasts are based on past temperatures, forecasted temperatures and time variables, which include markers for holidays and other occasional events. The models were trained and tested on gas-consumption data gathered in the city of Ljubljana, Slovenia. Machine-learning models were considered, such as linear regression, kernel machine and artificial neural network. Additionally, empirical models were developed based on data analysis. Two most accurate models were found to be recurrent neural network and linear regression model. In realistic setting such trained models can be used in conjunction with a weather-forecasting service to generate forecasts for future gas demand.
Ključne besede: demand forecasting, buildings, energy modeling, forecast accuracy, machine learning
Objavljeno v DiRROS: 15.03.2019; Ogledov: 2324; Prenosov: 1086
.pdf Celotno besedilo (968,06 KB)

310.
A formal framework of human-machine interaction in proactive maintenance : MANTIS experience
Špela Poklukar, Gregor Papa, Franc Novak, 2017, izvirni znanstveni članek

Objavljeno v DiRROS: 15.03.2019; Ogledov: 2285; Prenosov: 1064
.pdf Celotno besedilo (1,95 MB)

Iskanje izvedeno v 0.27 sek.
Na vrh