Zobrazeno 1 - 10
of 129
pro vyhledávání: '"Adaptive Computation"'
Publikováno v:
IEEE Access, Vol 12, Pp 140847-140869 (2024)
The landscape of medical imaging, particularly in brain tumor analysis and survival prediction, necessitates advancements due to the inherent complexities and life-threatening nature of brain tumors. Existing methodologies often struggle with precisi
Externí odkaz:
https://doaj.org/article/b2d54c6a93bf4aedbacc4cf19c7af80b
A multigrid discretization scheme of discontinuous Galerkin method for the Steklov-Lamé eigenproblem
Autor:
Liangkun Xu, Hai Bi
Publikováno v:
AIMS Mathematics, Vol 8, Iss 6, Pp 14207-14231 (2023)
In this paper, for the Steklov-Lamé eigenvalue problem, we propose a multigrid discretization scheme of discontinuous Galerkin method based on the shifted-inverse iteration. Based on the existing a priori error estimates, we give the error estimates
Externí odkaz:
https://doaj.org/article/74673e7e4df34d1187fadb76513d3f17
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.
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.
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:
Bulletin of the Polish Academy of Sciences: Technical Sciences, Vol 66, Iss No 6 (Special Section on Deep Learning: Theory and Practice), Pp 811-820 (2018)
Externí odkaz:
https://doaj.org/article/888cee7ea32247be8f64321b52addd38
Publikováno v:
Entropy, Vol 24, Iss 1, p 1 (2021)
In this paper, we propose a new approach to train a deep neural network with multiple intermediate auxiliary classifiers, branching from it. These ‘multi-exits’ models can be used to reduce the inference time by performing early exit on the inter
Externí odkaz:
https://doaj.org/article/0bfeb80bee04472fa56ec10de2f528ab
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.