Wyniki wyszukiwania

Wynik wyszukiwania

Zapytanie: DEEP NEURAL NETWORKS
Liczba odnalezionych rekordów: 16

| | | Przesłanie wyników do modułu analizy | excel |

1/16
Nr opisu: 0000135933
Deep learning based switching filter for impulsive noise removal in color images.
[Aut.]: Krystian Radlak, Łukasz Maliński, Bogdan Smołka.
-Sensors 2020 vol. 20 iss. 20, s. 1-23, bibliogr. 75 poz.. Impact Factor 3.275. Punktacja MNiSW 100.000

deep learning ; głębokie sieci neuronowe ; usuwanie szumów z obrazu ; poprawa jakości obrazu ; hałas impulsowy ; filtr komutacyjny

deep learning ; deep neural networks ; image denoising ; image enhancement ; impulsive noise ; switching filter

2/16
Nr opisu: 0000135370
Estimation of the energy consumption of battery electric buses for public transport networks using real-world data and deep learning.
[Aut.]: Teresa Pamuła, Wiesław Pamuła.
-Energies 2020 vol. 13 iss. 9, art. no. 2340 s. 1-17, bibliogr. 29 poz.. Impact Factor 2.702. Punktacja MNiSW 140.000

autobus elektryczny ; zużycie energii ; głębokie sieci neuronowe ; sieć transportu publicznego

battery electric bus ; energy consumption ; deep neural networks ; public transport network

3/16
Nr opisu: 0000134235
Fully-automated deep learning-powered system for DCE-MRI analysis of brain tumors.
[Aut.]: Jakub Nalepa, Pablo Ribalta Lorenzo, M. Marcinkiewicz, B. Bobek-Billewicz, P. Wawrzyniak, Maksym Walczak, Michał Kawulok, Wojciech Dudzik, Krzysztof Kotowski, I. Burda, B. Machura, Grzegorz Mrukwa, P. Ulrych, M. P. Hayball.
-Artif. Intell. Med. 2020 vol. 102, art. no. 101769 s. 1-21, bibliogr. 89 poz.. Impact Factor 4.383. Punktacja MNiSW 100.000

głębokie sieci neuronowe ; model farmakokinetyczny ; segmentacja guza ; DCE-MRI ; perfuzja ; mózg

deep neural networks ; pharmacokinetic model ; tumor segmentation ; DCE-MRI ; perfusion ; brain

4/16
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

5/16
Nr opisu: 0000132301
Protein secondary structure prediction: a review of progress and directions.
[Aut.]: Tomasz Smolarczyk, I. Roterman-Konieczna, Katarzyna Stąpor.
-Curr. Bioinform. 2020 vol. 15 iss. 2, s. 90-107, bibliogr. 129 poz.. Impact Factor 2.068. Punktacja MNiSW 40.000

przewidywanie struktury drugorzędowej białka ; dopasowanie wielu sekwencji ; PSSM ; głębokie sieci neuronowe ; uczenie maszynowe ; HHblits ; struktura wczesnego stadium białka

protein secondary structure prediction ; multiple sequence alignment ; PSSM ; deep neural networks ; machine learning ; HHblits ; protein early-stage structure

6/16
Nr opisu: 0000137038
The concept of a control system shell for autonomous mobile robots.
[Aut.]: Mateusz Kosior, Piotr Przystałka, Wawrzyniec Panfil.
W: Advances in signal processing and artificial intelligence. Proceedings of the 2nd International Conference on Advances in Signal Processing and Artificial Intelligence. ASPAI' 2020, 18-20 November 2020 Berlin, Germany. Proceedings of the 2nd International Conference on Advances in Signal Processing and Artificial Intelligence. ASPAI' 2020 18-20, November 2020 Berlin, Germany. Ed. by Sergey Y. Yurish. Ed. Sergey Y. Yurish. Barcelona : IFSA Publishing, 2020, s. 84-87, bibliogr. 17 poz.

robot autonomiczny ; powłoka systemu sterowania ; reprezentacja wiedzy ; głębokie sieci neuronowe

autonomous robot ; control system shell ; knowledge representation ; deep neural networks

7/16
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

8/16
Nr opisu: 0000134343
Data augmentation for brain-tumor segmentation: a review.
[Aut.]: Jakub Nalepa, M. Marcinkiewicz, Michał Kawulok.
-Front. Comput. Neurosci. 2019 vol. 13, art. no. 83 s. 1-18, bibliogr. 79 poz.. Impact Factor 2.535. Punktacja MNiSW 70.000

rozszerzanie danych ; uczenie głębokie ; głębokie sieci neuronowe ; segmentacja obrazów ; MRI

data augmentation ; deep learning ; deep neural networks ; image segmentation ; MRI

9/16
Nr opisu: 0000131968
Deep learning for impulsive noise removal in color digital images.
[Aut.]: Krystian Radlak, Łukasz Maliński, 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. 1099608 s. 1-9 (Proceedings of SPIE ; vol. 10996 0277-786X). Punktacja MNiSW 20.000

deep learning ; głębokie sieci neuronowe ; usuwanie szumów z obrazu ; poprawa jakości obrazu ; hałas impulsowy

deep learning ; deep neural networks ; image denoising ; image enhancement ; impulsive noise

10/16
Nr opisu: 0000129767
Segmenting brain tumors from FLAIR MRI using fully convolutional neural networks.
[Aut.]: Pablo Ribalta Lorenzo, Jakub Nalepa, B. Bobek-Billewicz, P. Wawrzyniak, G. Mrukwa, Michał Kawulok, P. Ulrych, M. P. Hayball.
-Comput. Methods Programs Biomed. 2019 vol. 176, s. 135-148, bibliogr. 55 poz.. Impact Factor 3.632. Punktacja MNiSW 100.000

segmentacja obrazu ; głębokie sieci neuronowe ; MRI ; guz mózgu

image segmentation ; deep neural networks ; MRI ; brain tumor

11/16
Nr opisu: 0000125422
Deep learning features for face age estimation: better than human?.
[Aut.]: Krzysztof Kotowski, Katarzyna Stąpor.
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. 376-389, bibliogr. 36 poz. (Communications in Computer and Information Science ; vol. 928 1865-0929). Punktacja MNiSW 20.000

głębokie sieci neuronowe ; ocena wieku ; analiza twarzy

deep neural networks ; age estimation ; face analysis

12/16
Nr opisu: 0000132446
Memetic evolution of deep neural networks.
[Aut.]: Pablo Ribalta Lorenzo, Jakub Nalepa.
W: Proceedings of the 2018 Genetic and Evolutionary Computation Conference Companion. GECCO'18, July, 15-19, 2018, Kyoto, Japan. Ed.: Hernan Aguirre. Association for Computing Machinery. New York : Association for Computing Machinery, 2018, s. 505-512, bibliogr. 35 poz.. Punktacja MNiSW 140.000

algorytm memetyczny ; głębokie sieci neuronowe ; segmentacja obrazu

memetic algorithm ; deep neural networks ; image segmentation

13/16
Nr opisu: 0000127021
Segmentation of hyperspectral images using quantized convolutional neural networks.
[Aut.]: Pablo Ribalta Lorenzo, M. Marcinkiewicz, Jakub Nalepa.
W: 21st Euromicro Conference on Digital System Design. DSD 2018, 29-31 August 2018 Prague, Czech Republic. Proceedings. Eds.: Martin Novotny, Nikos Konofaos, Amund Skavhaug. Piscataway : IEEE, 2018, s. 260-267, bibliogr. 38 poz.. Punktacja MNiSW 20.000

segmentacja ; obrazowanie hiperspektralne ; głębokie sieci neuronowe ; kwantyzacja wagi

segmentation ; hyperspectral imaging ; deep neural networks ; weight quantization

14/16
Nr opisu: 0000117947
Hyper-parameter selection in deep neural networks using parallel particle swarm optimization.
[Aut.]: Pablo Ribalta Lorenzo, Jakub Nalepa, L. S. Ramos, J. R. Pastor.
W: Proceedings of the 2017 Genetic and Evolutionary Computation Conference Companion. GECCO'17 Companion, July 15-19, 2017, Berlin, Germany. Association for Computing Machinery. New York : Association for Computing Machinery, 2017, s. 1864-1871, bibliogr. 25 poz.

głębokie sieci neuronowe ; dobór hiperparametrów ; optymalizacja rojem cząstek ; równoległy algorytm ewolucyjny

deep neural networks ; hyper-parameter selection ; particle swarm optimization ; parallel evolutionary algorithm

15/16
Nr opisu: 0000117928
Particle swarm optimization for hyper-parameter selection in deep neural networks.
[Aut.]: Pablo Ribalta Lorenzo, Jakub Nalepa, Michał Kawulok, L. S. Ramos, J. R. Pastor.
W: Proceedings of the 2017 Genetic and Evolutionary Computation Conference. GECCO'17, July 15-19, 2017, Berlin, Germany. Association for Computing Machinery. New York : Association for Computing Machinery, 2017, s. 481-488, bibliogr. 35 poz.

głębokie sieci neuronowe ; dobór hiperparametrów ; optymalizacja rojem cząstek

deep neural networks ; hyper-parameter selection ; particle swarm optimization

16/16
Nr opisu: 0000119902
Towards detecting high-uptake lesions from lung CT scans using deep learning.
[Aut.]: Krzysztof Pawełczyk, Michał Kawulok, Jakub Nalepa, M. Hayball, S. J. McQuaid, V. Prakash, B. Ganeshan.
W: Image analysis and processing - ICIAP 2017. 19th International Conference, Catania, Italy, September 11-15, 2017. Proceedings. Pt. 2. Eds. Sebastiano Battiato, Giovanni Gallo, Raimondo Schettini, Filippo Stanco. Cham : Springer, 2017, s. 310-320, bibliogr. 27 poz. (Lecture Notes in Computer Science ; vol. 10485 0302-9743). Punktacja MNiSW 70.000

głębokie sieci neuronowe ; wykrywanie uszkodzeń ; PET/CT zobrazowanie ; PET/CT

deep neural networks ; damage detection ; PET/CT imaging ; PET/CT

stosując format: