Zobrazeno 1 - 10
of 351 020
pro vyhledávání: '"AET"'
Publikováno v:
Scientific Reports. 8/26/2024, Vol. 14 Issue 1, p1-17. 17p.
Publikováno v:
Scientific Reports, Vol 14, Iss 1, Pp 1-17 (2024)
Abstract Monitoring while drilling (MWD) is a crucial task in mining operations. Accurately measuring drill and rock-related operating parameters can significantly reduce the cost of drilling operations. This study explores the potential of monitorin
Externí odkaz:
https://doaj.org/article/7477ec6452b0430a9ce2876e9126b2c2
Publikováno v:
Tourism Recreation Research; Aug2024, Vol. 49 Issue 4, p740-756, 17p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Water Research 1 May 2024 254
Autor:
Nguyen, Nhuong, Han, Song
Communication cost is the main bottleneck for the design of effective distributed learning algorithms. Recently, event-triggered techniques have been proposed to reduce the exchanged information among compute nodes and thus alleviate the communicatio
Externí odkaz:
http://arxiv.org/abs/2112.13935
Autor:
D'Onofrio, Raffaella, Sperduti, Isabella, Piacentini, Federico, Barbolini, Monica, Omarini, Claudia, Toss, Angela, Cortesi, Laura, Barbieri, Elena, Canino, Fabio, Dominici, Massimo, Moscetti, Luca
Publikováno v:
In Clinical Breast Cancer December 2023 23(8):e534-e541
Autor:
Le Wang1, Tingting Zhu1, Rodriguez, Juan C.1, Deal, Karin R.1, Dubcovsky, Jorge1, McGuire, Patrick E.1, Lux, Thomas2, Spannagl, Manuel2, Mayer, Klaus F. X.2, Baldrich, Patricia3, Meyers, Blake C.3,4, Naxin Huo5, Gu, Yong Q.5, Hongye Zhou6, Devos, Katrien M.7,8,9, Bennetzen, Jeffrey L.10, Unver, Turgay11, Budak, Hikmet12, Gulick, Patrick J.13, Galiba, Gabor14,15
Publikováno v:
G3: Genes | Genomes | Genetics. Dec2021, Vol. 11 Issue 12, p1-13. 13p.
Dark environment becomes a challenge for computer vision algorithms owing to insufficient photons and undesirable noise. To enhance object detection in a dark environment, we propose a novel multitask auto encoding transformation (MAET) model which i
Externí odkaz:
http://arxiv.org/abs/2205.03346