Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "deep neural architecture" wg kryterium: Wszystkie pola


Wyświetlanie 1-18 z 18
Tytuł:
Advancing blood glucose prediction with neural architecture search and deep reinforcement learning for type 1 diabetics
Autorzy:
Domanski, Peter
Ray, Aritra
Lafata, Kyle
Firouzi, Farshad
Chakrabarty, Krishnendu
Pflüger, Dirk
Data publikacji:
2024
Słowa kluczowe:
deep reinforcement learning
neural architecture search
blood glucose prediction
type 1 diabetes
uczenie przez wzmacnianie
przewidywanie poziomu glukozy
cukrzyca typu 1
Pokaż więcej
Dostawca treści:
BazTech
Artykuł
Tytuł:
Analysis of FPGA accelerator architecture for Fast Statistical Convolutional Neural Network in real time Emotional Recognition System
Autorzy:
Immanuel, Samson J.
Manoj, G.
Prince, Shajin
Du John, Victor H.
Data publikacji:
2021
Słowa kluczowe:
adaptable architecture
fast statistical convolutional neural network
FSCNNs
emotional recognistion system
ERS
deep learning
dynamic reconfiguration
hardware accelerator
field programmable gate array
FPGAs
rozpoznawanie emocji
układ FPGA
sieć neuronowa
deep lerning
Pokaż więcej
Dostawca treści:
BazTech
Artykuł
Tytuł:
The Study of the Influence of Architecture on Effectiveness of Deep Neural Networks Training
Badania wpływu architektury na skuteczność uczenia głębokich sieci neuronowych
Autorzy:
Kolbusz, Janusz
Różycki, Paweł
Bartczak, Tomasz
Data publikacji:
2018
Wydawca:
Akademia Finansów i Biznesu Vistula
Tematy:
deep learning
ANN architectures
Bridged MLP
NBN
uczenie głębokie
architektury sztucznych sieci neuronowych
Pokaż więcej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
EMGHandNet: A hybrid CNN and Bi-LSTM architecture for hand activity classification using surface EMG signals
Autorzy:
Karnam, Naveen Kumar
Dubey, Shiv Ram
Turlapaty, Anish Chand
Gokaraju, Balakrishna
Data publikacji:
2022
Słowa kluczowe:
CNN
convolutional neural network
bidirectional LSTM
deep learning
hand activity classification
sEMG signal
exoskeleton control
sieć neuronowa konwolucyjna
uczenie głębokie
egzoszkielet
Pokaż więcej
Dostawca treści:
BazTech
Artykuł
Tytuł:
Constant Q-transform-based deep learning architecture for detection of obstructive sleep apnea
Autorzy:
Kandukuri, Usha Rani
Prakash, Allam Jaya
Patro, Kiran Kumar
Neelapu, Bala Chakravarthy
Tadeusiewicz, Ryszard
Pławiak, Paweł
Data publikacji:
2023
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
sleep apnea
convolutional neural network
constant Q-transform
deep learning
single lead ECG signal
non apnea
obstructive sleep apnea
bezdech senny
sieć neuronowa konwolucyjna
uczenie głębokie
sygnał EKG
obturacyjny bezdech senny
Pokaż więcej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multiple input CNN architecture for tool state recognition in the milling process based on time series signals
Autorzy:
Bukowski, Michał
Antoniuk, Izabella
Szymanowski, Karol
Krupa, Artur
Kurek, Jarosław
Data publikacji:
2024
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
convolution neural network
tool condition monitoring
multiple input convolution neural network
deep learning
Pokaż więcej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Deep Learning transformer architecture for Named Entity Recognition on low resourced languages: state of the art results
Autorzy:
Hanslo, Ridewaan
Data publikacji:
2022
Słowa kluczowe:
named-entity recognition
NER
natural language processing
neural network
sequence tagging
XLM-R
machine learning
transformer model
przetwarzanie języka naturalnego
sieć neuronowa
uczenie maszynowe
model transformatora
Pokaż więcej
Dostawca treści:
BazTech
Artykuł
    Wyświetlanie 1-18 z 18

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies