Wyniki wyszukiwania

Wynik wyszukiwania

Zapytanie: SPLOTOWA SIEĆ NEURONOWA
Liczba odnalezionych rekordów: 18

| | | Przesłanie wyników do modułu analizy | excel |

1/18
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

2/18
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

3/18
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

4/18
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

5/18
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

6/18
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

7/18
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

8/18
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

9/18
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

10/18
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

11/18
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

12/18
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

13/18
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

14/18
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

15/18
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

16/18
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

17/18
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

18/18
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: