Wynik wyszukiwania
Zapytanie: CONVOLUTIONAL NEURAL NETWORK
Liczba odnalezionych rekordów: 37



Przejście do opcji zmiany formatu | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Przesłanie wyników do modułu analizy | excel | Nowe wyszukiwanie
1/37
Nr opisu: 0000137379
Automated classification of axial CT slices using convolutional neural network.
[Aut.]: Paweł Badura, Jan Juszczyk, P. Bożek, Michał Smoliński.
W: Innovations in biomedical engineering. AAB 2020. International Scientific Conference Advances in Applied Biomechanics, Wisła, Poland, 15-17 May 2020. Eds. Marek Gzik, Zbigniew Paszenda, Ewa Pietka, Ewaryst Tkacz, Krzysztof Milewski. Cham : Springer, 2021, s. 329-336, bibliogr. 11 poz. (Advances in Intelligent Systems and Computing ; vol. 1223 2194-5357)

rozpoznawanie obrazów ; tomografia komputerowa ; klasyfikacja ; uczenie głębokie ; konwolucyjna sieć neuronowa

image recognition ; computed tomography ; classification ; deep learning ; convolutional neural network

2/37
Nr opisu: 0000136718
Deep learning approach to automated segmentation of tongue in camera images for computer-aided speech diagnosis.
[Aut.]: Agata Sage, Zuzanna Miodońska, Michał Kręcichwost, J. Trzaskalik, E. Kwaśniok, Paweł Badura.
W: Information Technology in Biomedicine. Eds. Ewa Pietka, Pawel Badura, Jacek Kawa, Wojciech Wieclawek. Cham : Springer, 2021, s. 41-51, bibliogr. 18 poz. (Advances in Intelligent Systems and Computing ; vol. 1186 2194-5357)

komputerowe wspomaganie logopedii ; język ; segmentacja ; konwolucyjna sieć neuronowa

computer-assisted speech therapy ; tongue ; segmentation ; convolutional neural network

3/37
Nr opisu: 0000136678   
A novel method for detection of tuberculosis in chest radiographs using artificial ecosystem-based optimisation of deep neural network features.
[Aut.]: A. T. Sahlol, M. Abd Elaziz, A. T. Jamal, Robertas Damasevicius, O. F. Hassan.
-Symmetry 2020 vol. 12 no. 7, s. 1-17, bibliogr. 61 poz.. Impact Factor 2.645. Punktacja MNiSW 70.000

gruźlica ; transfer learning ; konwolucyjna sieć neuronowa ; uczenie głębokie ; przetwarzanie obrazu ; optymalizacja oparta na sztucznym ekosystemie

tuberculosis ; transfer learning ; convolutional neural network ; deep learning ; image processing ; artificial ecosystem-based optimization

4/37
Nr opisu: 0000135324
A smart home system development.
[Aut.]: Vasyl Lytvyn, V. Vysotska, N. Shakhovska, V. Mykhailyshyn, M.O. Medykovskyy, I. Peleshchak, V. B. Fernandes, R. Peleshchak, S. Shcherbak.
W: International Conference on Computer Science and Information Technologies. CSIT 2019, Lviv, Ukraine, September 17-20, 2019. Selected papers. Cham : Springer, 2020, s. 804-830, bibliogr. 66 poz. (Advances in Intelligent Systems and Computing ; vol. 1080 2194-5357)

inteligentny dom ; interfejs użytkownika ; urządzenie inteligentne ; pulpit operatora ; system inteligentny ; Internet Rzeczy ; mobilna sieć komunikacyjna ; konwolucyjna sieć neuronowa ; system wspomagania decyzji ; metoda hierarchii analitycznej ; Apple Home Kit

smart home ; user interface ; intelligent device ; control panel ; intelligent system ; Internet of Things ; mobile communication network ; convolutional neural network ; decision support system ; analytical hierarchy method ; Apple Home Kit

5/37
Nr opisu: 0000136190   
Accurate and fast URL phishing detector: a convolutional neural network approach.
[Aut.]: W. Wei, Q. Ke, J. Nowak, M. Korytkowski, R. Scherer, Marcin Woźniak.
-Comput. Netw. 2020 vol. 178, s. 1-9, bibliogr. 38 poz.. Impact Factor 3.111. Punktacja MNiSW 100.000

phishing ; URL ; uczenie maszynowe ; konwolucyjna sieć neuronowa

phishing ; URL ; machine learning ; convolutional neural network

6/37
Nr opisu: 0000137550   
An adaptive genetic algorithm as a supporting mechanism for microscopy image analysis in a cascade of convolution neural networks.
[Aut.]: Dawid Połap.
-Appl. Soft Comput. 2020 vol. 97 Pt. B, s. 1-11, bibliogr. 36 poz.. Impact Factor 5.472. Punktacja MNiSW 200.000

klasyfikacja obrazów ; algorytm genetyczny ; konwolucyjna sieć neuronowa ; analiza mikroskopowa

image classification ; genetic algorithm ; convolutional neural network ; microscopic analysis

7/37
Nr opisu: 0000136197   
Analiza przestrzennych modeli akustycznych głosek dentalizowanych w diagnostyce sygmatyzmu. Rozprawa doktorska.
[Aut.]: Michał Kręcichwost.
Gliwice, 2020, 172 s., bibliogr. 194 poz.
Politechnika Śląska. Wydział Inżynierii Biomedycznej. Promotor: dr hab. inż. Paweł Badura, dr inż. Joanna Czajkowska

logopedia ; diagnostyka ; wspomaganie komputerowe ; sygmatyzm ; sygnał mowy ; model akustyczny ; konwolucyjna sieć neuronowa

logopedia ; diagnostics ; computer support ; sigmatism ; speech signal ; acoustic model ; convolutional neural network

8/37
Nr opisu: 0000135373   
Application of deep learning object classifier to improve e-waste collection planning.
[Aut.]: Piotr Nowakowski, Teresa Pamuła.
-Waste Manage. 2020 vol. 109, s. 1-9, bibliogr. 42 poz.. Impact Factor 5.448. Punktacja MNiSW 200.000

e-odpady ; zużyty sprzęt elektryczny i elektroniczny ; deep learning ; klasyfikator obiektów ; detektor odpadów elektronicznych ; konwolucyjna sieć neuronowa ; planowanie zbiórki odpadów

e-waste ; waste electrical and electronic equipment ; deep learning ; object classifier ; e-waste detector ; convolutional neural network ; waste collection planning

9/37
Nr opisu: 0000138124   
Convolutional neural network in upper limb functional motion analysis after stroke.
[Aut.]: Agnieszka Szczęsna, M. Błaszczyszyn, A. Kawala-Sterniuk.
-PeerJ 2020 vol. 8, s. 1-20, bibliogr. 49 poz.. Impact Factor 2.379. Punktacja MNiSW 100.000

konwolucyjna sieć neuronowa ; hiperparametr ; funkcjonalna analiza ruchu ; udar ; ruch podnoszący ; optyczne przechwytywanie ruchu

convolutional neural network ; hyper-parameter ; functional motion analysis ; stroke ; lifting movement ; optical motion capture

10/37
Nr opisu: 0000139037
Data augmentation using principal component resampling for image recognition by deep learning.
[Aut.]: O.O. Abayomi-Alli, Robertas Damasevicius, Michał Wieczorek, Marcin Woźniak.
W: Artificial intelligence and soft computing. 19th International conference, ICAISC 2020, Zakopane, Poland, October 12-14, 2020. Proceedings. Pt. 2. Eds. Leszek Rutkowski, Rafał Scherer, Marcin Korytkowski, Witold Pedrycz, Ryszard Tadeusiewicz, Jacek M. Zurada. Cham : Springer, 2020, s. 39-48, bibliogr. 23 poz. (Lecture Notes in Computer Science ; vol. 12416 Lecture Notes in Artificial Intelligence ; 0302-9743). Punktacja MNiSW 20.000

rozpoznawanie obrazów ; konwolucyjna sieć neuronowa ; analiza głównych składowych ; rozszerzanie danych ; małe dane ; uczenie głębokie

image recognition ; convolutional neural network ; principal component analysis ; data augmentation ; small data ; deep learning

11/37
Nr opisu: 0000132738   
Deep learning for multiple-image super-resolution.
[Aut.]: Michał Kawulok, Paweł Benecki, Szymon Piechaczek, Krzysztof Hrynczenko, Daniel Kostrzewa, Jakub Nalepa.
-IEEE Geosci. Remote Sens. Lett. 2020 vol. 17 iss. 6, s. 1062-1066, bibliogr. 22 poz.. Impact Factor 3.833. Punktacja MNiSW 140.000

konwolucyjna sieć neuronowa ; CNN ; uczenie głębokie ; przetwarzanie obrazów ; nadrozdzielczość ; SR

convolutional neural network ; CNN ; deep learning ; image processing ; super-resolution ; SR

12/37
Nr opisu: 0000134860   
Hyperspectral band selection using attention-based convolutional neural networks.
[Aut.]: Pablo Ribalta Lorenzo, Łukasz Tulczyjew, M. Marcinkiewicz, Jakub Nalepa.
-IEEE Access 2020 vol. 8, s. 42384-42403, bibliogr. 101 poz.. Impact Factor 3.745. Punktacja MNiSW 100.000

uczenie głębokie ; konwolucyjna sieć neuronowa ; klasyfikacja ; wybór pasma ; mechanizm skupienia uwagi

deep learning ; convolutional neural network ; classification ; band selection ; attention mechanism

13/37
Nr opisu: 0000139000   
Konwolucyjne sieci neuronowe w zagadnieniach klasyfikacji.
[Aut.]: Paweł Śliwa, Witold Beluch.
W: Metody komputerowe - 2020. Studencka konferencja naukowa, Gliwice, wrzesień 2020. Red.: Grzegorz Dziatkiewicz, Jacek Ptaszny. Katedra Mechaniki i Inżynierii Obliczeniowej. Wydział Mechaniczny Technologiczny. Politechnika Śląska. Gliwice : Katedra Mechaniki i Inżynierii Obliczeniowej. Wydział Mechaniczny Technologiczny. Politechnika Śląska, 2020, s. 149-152, bibliogr. 2 poz.

konwolucyjna sieć neuronowa ; głęboka sieć neuronowa ; trening sieci neuronowej

convolutional neural network ; deep neural networks ; neural networks training

14/37
Nr opisu: 0000138282   
Long-range dependent traffic classification with convolutional neural networks based on hurst exponent analysis.
[Aut.]: K. Filus, Adam Domański, J. Domańska, Dariusz Marek, Jakub Szyguła.
-Entropy 2020 vol. 22 iss. 10, s. 1-15, bibliogr. 43 poz.. Impact Factor 2.494. Punktacja MNiSW 100.000

sieć neuronowa ; konwolucyjna sieć neuronowa ; wykładnik Hursta ; samopodobieństwo ; ruch internetowy ; ułamkowy szum gaussowski

neural network ; convolutional neural network ; Hurst exponent ; self-similarity ; Internet traffic ; fractional gaussian noise

15/37
Nr opisu: 0000138065   
Machine learning in object recognition and segmentation by certain class neural networks.
[Aut.]: W. Westwańska, Jerzy Respondek.
W: 2020 20th International Conference on Computational Science and its Applications. ICCSA 2020, 1-4 July 2020, online event. Proceedings. Piscataway : Institute of Electrical and Electronics Engineers, 2020, s. 67-73, bibliogr. 26 poz.

konwolucyjna sieć neuronowa ; U-Net ; segmentacja obiektu ; rozpoznawanie obiektów

convolutional neural network ; U-Net ; object segmentation ; object recognition

16/37
Nr opisu: 0000135881   
Neural image reconstruction using a heuristic validation mechanism.
[Aut.]: Dawid Połap, G. Srivastava.
-Neural Comput. Appl. 2020, s. 1-11, bibliogr. 36 poz.
Special issue: Hybridization of neural computing with nature inspired algorithms. Impact Factor 4.774. Punktacja MNiSW 100.000

rekonstrukcja obrazów ; algorytm heurystyczny ; konwolucyjna sieć neuronowa

image reconstruction ; heuristic algorithm ; convolutional neural network

17/37
Nr opisu: 0000138081   
Recognition of drivers' activity based on 1D convolutional neural network.
[Aut.]: Rafał Doniec, Szymon Sieciński, Konrad Duraj, Natalia Piaseczna, K. Mocny-Pachońska, Ewaryst Tkacz.
-Electronics - Switz. 2020 vol. 9 iss. 12, s. 1-17, bibliogr. 42 poz.. Impact Factor 2.412. Punktacja MNiSW 100.000

rozpoznawanie aktywności ; jazda samochodem ; klasyfikacja ; elektrookulografia ; konwolucyjna sieć neuronowa ; inteligentne okulary ; urządzenie do noszenia

activity recognition ; car driving ; classification ; electrooculography ; convolutional neural network ; smart glasses ; wearable devices

18/37
Nr opisu: 0000135681
Sieci neuronowe w inżynierii budowlanej.
[Aut.]: Mateusz Żarski.
W: Współczesne zagadnienia z inżynierii lądowej. Prace naukowe doktorantów. Red. Iwona Pokorska-Silva, Krzysztof Gromysz. Gliwice : Wydaw. Politechniki Śląskiej, 2020, s. 225-235, bibliogr. 21 poz. (Monografia ; [Politechnika Śląska] nr 837). Punktacja MNiSW 20.000

konwolucyjna sieć neuronowa ; zastosowanie ; inżynieria budowlana

convolutional neural network ; application ; civil engineering

19/37
Nr opisu: 0000134128   
Soft trees with neural components as image-processing technique for archeological excavations.
[Aut.]: Marcin Woźniak, Dawid Połap.
-Pers. Ubiquitous Comput. 2020 vol. 24 iss. 3, s. 363-375, bibliogr. 29 poz.. Impact Factor 2.000. Punktacja MNiSW 100.000

teoria zbiorów miękkich ; drzewo decyzyjne ; splotowa sieć neuronowa ; wzbogacenie kulturowe ; wykopaliska archeologiczne

soft set theory ; decision tree ; convolutional neural network ; cultural enrichment ; archeological excavations

20/37
Nr opisu: 0000134615   
Strengthening the perception of the virtual worlds in a virtual reality environment.
[Aut.]: Dawid Połap, Karolina Kęsik, Alicja Winnicka, Marcin Woźniak.
-ISA Trans. 2020 vol. 102, s. 397-406, bibliogr. 30 poz.. Impact Factor 4.305. Punktacja MNiSW 140.000

rzeczywistość wirtualna ; gra na telefon ; zachowanie gracza ; przetwarzanie obrazu ; splotowa sieć neuronowa

virtual reality ; mobile game ; player behavior ; image processing ; convolutional neural network

21/37
Nr opisu: 0000134271   
Towards resource-frugal deep convolutional neural networks for hyperspectral image segmentation.
[Aut.]: Jakub Nalepa, M. Antoniak, Michał Myller, Pablo Ribalta Lorenzo, M. Marcinkiewicz.
-Microprocess. Microsyst. 2020 vol. 73, art. no. 102994 s. 1-14, bibliogr. 98 poz.. Impact Factor 1.161. Punktacja MNiSW 40.000

obrazowanie hiperspektralne ; głębokie sieci neuronowe ; splotowa sieć neuronowa ; kwantyzacja ; segmentacja ; klasyfikacja

hyperspectral imaging ; deep neural networks ; convolutional neural network ; quantization ; segmentation ; classification

22/37
Nr opisu: 0000132098   
Bacteria shape classification by the use of region covariance and Convolutional Neural Network.
[Aut.]: Dawid Połap, Marcin Woźniak.
W: 2019 International Joint Conference on Neural Networks. IJCNN, Budapest, Hungary, 14-19 July 2019. Los Alamitos : Institute of Electrical and Electronics Engineers, 2019, s. 1-7, bibliogr. 23 poz.. Punktacja MNiSW 140.000

wykrywanie kształtu bakterii ; splotowa sieć neuronowa ; kowariancja regionu

bacteria shape detection ; convolutional neural network ; region covariance

23/37
Nr opisu: 0000130421
Convolutional neural networks for computer aided diagnosis of interdental and rustling sigmatism.
[Aut.]: A. Woloshuk, Michał Kręcichwost, Zuzanna Miodońska, Dominika Korona, Paweł Badura.
W: Information technology in biomedicine. International Conference, ITIB 2019, Kamień Śląski, Poland, June 18-20, 2019. Eds. Ewa Pietka, Pawel Badura, Jacek Kawa, Wojciech Wieclawek. Cham : Springer, 2019, s. 179-186, bibliogr. 26 poz. (Advances in Intelligent Systems and Computing ; vol. 1011 2194-5357). Punktacja MNiSW 20.000

wspomaganie komputerowe wymowy ; spółgłoska sycząca ; diagnostyka sygmatyzmu ; splotowa sieć neuronowa

computer-aided pronunciation evaluation ; sibilant ; sigmatism diagnosis ; convolutional neural network

24/37
Nr opisu: 0000129762
Image augmentation techniques for road sign detection in automotive vision system.
[Aut.]: Paulina Bugiel, Jacek Izydorczyk, Tomasz Sułkowski.
W: Artificial intelligence methods in intelligent algorithms. Proceedings of 8th Computer Science On-line Conference 2019. Vol. 2. Ed. Radek Silhavy. Cham : Springer, 2019, s. 229-242, bibliogr. 16 poz. (Advances in Intelligent Systems and Computing ; vol. 985 2194-5357). Punktacja MNiSW 20.000

detekcja obiektów ; widzenie maszynowe ; splotowa sieć neuronowa ; położenie próbki

object detection ; machine vision ; convolutional neural network ; sample placement ; image augmentation ; automotive

25/37
Nr opisu: 0000131970
On data augmentation for segmenting hyperspectral images.
[Aut.]: Jakub Nalepa, Michał Myller, Michał Kawulok, Bogdan Smołka.
W: Real-Time Image Processing and Deep Learning 2019, Baltimore, Maryland, United States, 15-16 April 2019. Eds. Nasser Kehtarnavaz, Matthias F. Carlsohn. Bellingham : SPIE, 2019, art. no. 1099609 s. 1-8 (Proceedings of SPIE ; vol. 10996 0277-786X). Punktacja MNiSW 20.000

splotowa sieć neuronowa ; rozszerzanie danych ; deep learning ; obrazowanie hiperspektralne ; GANs

convolutional neural network ; data augmentation ; deep learning ; hyperspectral imaging ; GANs

26/37
Nr opisu: 0000125001
Parallel processing of computed tomography images.
[Aut.]: Dawid Połap, Marcin Woźniak.
W: Information Systems Architecture and Technology. Proceedings of 39th International Conference on Information Systems Architecture and Technology - ISAT 2018. Pt. 2. Eds.: Jerzy Świątek, Leszek Borzemski, Zofia Wilimowska. Cham : Springer, 2019, s. 95-104, bibliogr. 18 poz. (Advances in Intelligent Systems and Computing ; vol. 853 2194-5357). Punktacja MNiSW 20.000

przetwarzanie obrazu ; splotowa sieć neuronowa ; obrazy tomografii komputerowej

image processing ; convolutional neural network ; CT images

27/37
Nr opisu: 0000129745   
Super-resolution reconstruction using deep learning: should we go deeper?.
[Aut.]: Daniel Kostrzewa, Szymon Piechaczek, Krzysztof Hrynczenko, Paweł Benecki, Jakub Nalepa, Michał Kawulok.
W: Beyond databases, architectures and structures. Paving the road to smart data processing and analysis. 15th International conference, BDAS 2019, Ustroń, Poland, May 28-31, 2019. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. Cham : Springer, 2019, s. 204-216, bibliogr. 42 poz. (Communications in Computer and Information Science ; vol. 1018 1865-0929). Punktacja MNiSW 20.000

rekonstrukcja super-rozdzielcza ; przetwarzanie obrazu ; splotowa sieć neuronowa ; uczenie głębokie

super-resolution reconstruction ; image processing ; convolutional neural network ; deep learning

28/37
Nr opisu: 0000125436   
Automatic segmentation of corneal endothelium images with convolutional neural network.
[Aut.]: Karolina Nurzyńska.
W: Beyond databases, architectures and structures. Facing the challenges of data proliferation and growing variety. 14th International conference, BDAS 2018 held at the 24th IFIP World Computer Congress, WCC 2018, Poznan, Poland, September 18-20, 2018. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. Cham : Springer, 2018, s. 323-333, bibliogr. 19 poz. (Communications in Computer and Information Science ; vol. 928 1865-0929). Punktacja MNiSW 20.000

obraz śródbłonka rogówki ; konwolucyjna sieć neuronowa ; segmentacja ; klasyfikacja

corneal endothelium images ; convolutional neural network ; segmentation ; classification

29/37
Nr opisu: 0000125182   
Genetically-trained deep neural networks.
[Aut.]: Jakub Nalepa, Krzysztof Pawełczyk, Michał Kawulok.
W: Proceedings of the 2018 Genetic and Evolutionary Computation Conference Companion. GECCO'18 Companion, Kyoto, Japan, 15-19 July 2018. Association for Computing Machinery. New York : Association for Computing Machinery, 2018, s. 63-64, bibliogr. 7 poz.. Punktacja MNiSW 140.000

splotowa sieć neuronowa ; deep learning ; algorytm genetyczny

convolutional neural network ; deep learning ; genetic algorithm

30/37
Nr opisu: 0000127722
Hand gesture classification with use of convolutional neural networks.
[Aut.]: Tomasz Grzejszczak, R. Roth, R. Moller.
W: 32nd Annual European Simulation and Modelling Conference. ESM 2018, Ghent, Belgium, 24-26 October 2018. [B.m.] : EUROSIS, 2018, s. 49-53, bibliogr. 27 poz.. Punktacja MNiSW 5.000

CNN ; splotowa sieć neuronowa ; uczenie głębokie ; gesty ; HCI ; HMI ; język migowy

CNN ; convolutional neural network ; deep learning ; hand gestures ; HCI ; HMI ; sign language

31/37
Nr opisu: 0000124245   
How to extract interesting information for identity verification process from spectrograms?.
[Aut.]: Kamil Książek, Karolina Kęsik, Zbigniew Marszałek.
-J. Univ. Comput. Sci. 2018 vol. 24 no. 4, s. 444-459, bibliogr. 28 poz.
Special issue: Advances in security and privacy of multimodal interfaces. Eds. Robertas Damasevicius, Marcin Woźniak, Vicente Alarcon-Aquino, Ivan Ganchev, Wei Wei. Impact Factor 0.910. Punktacja MNiSW 20.000

splotowa sieć neuronowa ; weryfikacja tożsamości ; przykładowe dane ; spektrogram

convolutional neural network ; identity verification ; sample data ; spectrogram

32/37
Nr opisu: 0000126071   
Object detection and recognition via clustered features.
[Aut.]: Marcin Woźniak, Dawid Połap.
-Neurocomputing 2018 vol. 320, s. 76-84, bibliogr. 39 poz.. Impact Factor 4.072. Punktacja MNiSW 30.000

splotowa sieć neuronowa ; system adaptacyjny ; zautomatyzowany system wspomagania ; przetwarzanie obrazów

convolutional neural network ; adaptive system ; automated decision support ; image processing

33/37
Nr opisu: 0000124778   
Road traffic conditions classification based on multilevel filtering of image content using convolutional neural networks.
[Aut.]: Teresa Pamuła.
-IEEE Intell. Transp. Syst. Mag. 2018 vol. 10 iss. 3, s. 11-21, bibliogr. 28 poz.. Impact Factor 3.294. Punktacja MNiSW 25.000

sterowanie ruchem ; segmentacja obrazu ; kamera ; splotowa sieć neuronowa ; analiza zadań ; filtr nieliniowy ; układ sterowania

traffic control ; image segmentation ; camera ; convolutional neural network ; task analysis ; nonlinear filter

34/37
Nr opisu: 0000121164   
Convolutional neural network based solar photovoltaic panel detection in satellite photos.
[Aut.]: V. Golovko, S. Bezobrazov, A. Kroshchanka, Anatoliy* Sachenko, M. Komar, A. Karachka.
W: Proceedings of the 2017 IEEE 9th International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Application (IDAACS). IDAACS'2017, September 21-23, 2017, Bucharest, Romania. Vol. 2. Piscataway : IEEE, 2017, s. 14-19, bibliogr. 11 poz.. Punktacja MNiSW 15.000

splotowa sieć neuronowa ; produkcja energii ; dane geoprzestrzenne ; moc znamionowa ; zdjęcia satelitarne ; wykrywanie paneli słonecznych

convolutional neural network ; energy production ; geospatial data ; power capacity ; satellite photos ; solar panels detection

35/37
Nr opisu: 0000121617   
Image approach to voice recognition.
[Aut.]: Dawid Połap, Marcin Woźniak.
W: 2017 IEEE Symposium Series on Computational Intelligence. (SSCI), Honolulu, Hawai, USA, 27 November - 1 December 2017. Proceedings. Piscataway : IEEE, 2017, s. 1-7, bibliogr. 28 poz.. Punktacja MNiSW 15.000

rozpoznawanie głosu ; heurystyka ; splotowa sieć neuronowa

voice processing ; heuristics ; convolutional neural network

36/37
Nr opisu: 0000121616   
Lung segmentation on x-ray images with neural validation.
[Aut.]: Dawid Połap, Marcin Woźniak.
W: 2017 IEEE Symposium Series on Computational Intelligence. (SSCI), Honolulu, Hawai, USA, 27 November - 1 December 2017. Proceedings. Piscataway : IEEE, 2017, s. 1-7, bibliogr. 27 poz.. Punktacja MNiSW 15.000

medyczne przetwarzanie obrazu ; segmantacja obrazów ; splotowa sieć neuronowa

medical image processing ; image segmentation ; convolutional neural network

37/37
Nr opisu: 0000120477   
Obstacle detection as a safety alert in augmented reality models by the use of deep learning techniques.
[Aut.]: Dawid Połap, Karolina Kęsik, Kamil Książek, Marcin Woźniak.
-Sensors 2017 vol. 17 iss. 12, art. no. 2803 s. 1-16, bibliogr. 28 poz.. Impact Factor 2.475. Punktacja MNiSW 30.000

splotowa sieć neuronowa ; sieci neuronowe typu spiking ; architektura hybrydowa ; wykrywanie przeszkód ; rzeczywistość rozszerzona

convolutional neural network ; spiking neural network ; hybrid architecture ; obstacle detection ; augmented reality

stosując format:
Nowe wyszukiwanie