Wynik wyszukiwania
Zapytanie:
ROZSZERZANIE DANYCH
Liczba odnalezionych rekordów:
9
Przejście do opcji zmiany formatu
|
Wyświetlenie wyników w wersji do druku
|
Pobranie pliku do edytora
|
Przesłanie wyników do modułu analizy
|
excel
|
Nowe wyszukiwanie
1/9
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
2/9
Nr opisu:
0000139046
Empirical mode decomposition based data augmentation for time series prediction using NARX network.
[Aut.]: O.O.
Abayomi-Alli
, T.
Sidekerskiene
, Robertas
Damasevicius
, Jakub
Siłka
, Dawid
Połap
.
W:
Artificial intelligence and soft computing
. 19th International conference, ICAISC 2020, Zakopane, Poland, October 12-14, 2020. Proceedings. Pt. 1. Eds. Leszek Rutkowski, Rafał Scherer, Marcin Korytkowski, Witold Pedrycz, Ryszard Tadeusiewicz, Jacek M. Zurada. Cham : Springer, 2020
, s. 702-711, bibliogr. 23 poz. (
Lecture Notes in Computer Science
; vol. 12415
Lecture Notes in Artificial Intelligence
; 0302-9743).
Punktacja MNiSW
20.000
rozszerzanie danych
;
empiryczna dekompozycja sygnału
;
dane zastępcze
;
prognoza szeregów czasowych
;
sieć NARX
data augmentation
;
empirical mode decomposition
;
surrogate data
;
time series forecasting
;
NARX network
3/9
Nr opisu:
0000137661
Multi-patch blending improves lung cancer growth pattern segmentation in whole-slide images.
[Aut.]: Ż.
Świderska-Chadaj
, E.
Stoelinga
, Arkadiusz
Gertych
, F.
Ciompi
.
W:
Proceedings of 2020 IEEE 21st International Conference on Computational Problems of Electrical Engineering (CPEE), Pińczów, Poland, 16-19th September 2020. Online conference
. Piscataway : Institute of Electrical and Electronics Engineers, 2020
, s. 1-4, bibliogr. 15 poz.
uczenie głębokie
;
rak płuc
;
wzorzec wzrostu guza
;
rozszerzanie danych
;
cycle-GAN
deep learning
;
lung cancer
;
tumor growth pattern
;
data augmentation
;
cycle-GAN
4/9
Nr opisu:
0000139125
Pearson correlation-based feature selection for document classification using balanced training.
[Aut.]: I. M.
Nasir
, M. A.
Khan
, M.
Yasmin
, J. H.
Shah
, M.
Gabryel
, R.
Scherer
, Robertas
Damasevicius
.
-
Sensors
2020 vol. 20 iss. 23
, s. 1-18, bibliogr. 53 poz..
Impact Factor
3.275.
Punktacja MNiSW
100.000
klasyfikacja dokumentów
;
uczenie głębokie
;
selekcja cech
;
rozszerzanie danych
;
niezrównoważony zbiór danych
document classification
;
deep learning
;
feature selection
;
data augmentation
;
imbalanced dataset
5/9
Nr opisu:
0000132851
Training- and test-time data augmentation for hyperspectral image segmentation.
[Aut.]: Jakub
Nalepa
, Michał
Myller
, Michał
Kawulok
.
-
IEEE Geosci. Remote Sens. Lett.
2020 vol. 17 iss. 2
, s. 292-296, bibliogr. 17 poz..
Impact Factor
3.833.
Punktacja MNiSW
140.000
klasyfikacja
;
rozszerzanie danych
;
deep learning
;
obrazowanie hiperspektralne
;
analiza składowych głównych
;
PCA
;
segmentacja
classification
;
data augmentation
;
deep learning
;
hyperspectral imaging
;
principal component analysis
;
PCA
;
segmentation
6/9
Nr opisu:
0000133871
Automated identification of wood veneer surface defects using faster region-based convolutional neural network with data augmentation and transfer learning.
[Aut.]: A.
Urbonas
, V.
Raudonis
, Rytis
Maskeliunas
, Robertas
Damasevicius
.
-
Appl. Sci.
2019 vol. 9 iss. 22
, art. no. 4898 s. 1-20, bibliogr. 66 poz..
Impact Factor
2.474.
Punktacja MNiSW
70.000
detekcja defektów
;
kontrola jakości
;
okleina drzewna
;
rozszerzanie danych
;
transfer learning
;
faster R-CNN
;
uczenie głębokie
defect detection
;
quality control
;
wood veneer
;
data augmentation
;
transfer learning
;
faster R-CNN
;
deep learning
7/9
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
8/9
Nr opisu:
0000130985
Data augmentation via image registration.
[Aut.]: Jakub
Nalepa
, Grzegorz
Mrukwa
, Szymon
Piechaczek
, Pablo
Ribalta Lorenzo
, M.
Marcinkiewicz
, B.
Bobek-Billewicz
, P.
Wawrzyniak
, P.
Ulrych
, J.
Szymanek
, M.
Cwiek
, Wojciech
Dudzik
, Michał
Kawulok
, M. P.
Hayball
.
W:
2019 IEEE International Conference on Image Processing, September 22-25, 2019, Taipei, Taiwan
. Proceedings. Piscataway : IEEE, 2019
, s. 4250-4254, bibliogr. 19 poz..
Punktacja MNiSW
70.000
deep learning
;
rozszerzanie danych
;
rejestracja obrazu
;
segmentacja guza mózgu
deep learning
;
data augmentation
;
image registration
;
brain tumor segmentation
9/9
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
stosując format:
standardowy
pełny z etykietami pól
roboczy
redakcja skr.
redakcja peł.
kontrolny
Nowe wyszukiwanie