Zobrazeno 1 - 10
of 58
pro vyhledávání: '"Compressed Learning"'
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.
Autor:
Karisma Trinanda Putra, Hsing-Chung Chen, Prayitno, Marek R. Ogiela, Chao-Lung Chou, Chien-Erh Weng, Zon-Yin Shae
Publikováno v:
Sensors, Vol 21, Iss 13, p 4586 (2021)
The sparse data in PM2.5 air quality monitoring systems is frequently happened on large-scale smart city sensing applications, which is collected via massive sensors. Moreover, it could be affected by inefficient node deployment, insufficient communi
Externí odkaz:
https://doaj.org/article/f2302c5bfabc41e8b222659353a000ba
Kniha
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Kniha
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Sangkyun Lee, Jeonghyun Lee
Publikováno v:
Applied Sciences, Vol 9, Iss 8, p 1669 (2019)
Deep neural networks (DNNs) have been quite successful in solving many complex learning problems. However, DNNs tend to have a large number of learning parameters, leading to a large memory and computation requirement. In this paper, we propose a mod
Externí odkaz:
https://doaj.org/article/e67dea07a963455896ae9c88f2659f75
Autor:
Artur Ferreira, Mario Figueiredo
Publikováno v:
ISEL Academic Journal of Electronics, Telecommunications and Computers, Vol 2, Iss 1 (2013)
In text classification based on the bag-of-words (BoW) or similar representations, we usually have a large number of features, many of which are irrelevant (or even detrimental) for classification tasks. Recent results show that compressed learning (
Externí odkaz:
https://doaj.org/article/e6cdf0799e8b48509203873ec2f1390e
Autor:
Jiménez Gómez, Marina
Publikováno v:
idUS. Depósito de Investigación de la Universidad de Sevilla
instname
instname
Compressed sensing is a new paradigm capable of sampling and compressing signals in one step. Its original purpose was to compress sparse or compressible signals in a way that reconstruction from the measurements taken were possible. However, many ap
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::fcd625c1a4833955aef731ae0079645d
Autor:
Jeonghyun Lee, Sangkyun Lee
Publikováno v:
Applied Sciences
Volume 9
Issue 8
Applied Sciences, Vol 9, Iss 8, p 1669 (2019)
Volume 9
Issue 8
Applied Sciences, Vol 9, Iss 8, p 1669 (2019)
Deep neural networks (DNNs) have been quite successful in solving many complex learning problems. However, DNNs tend to have a large number of learning parameters, leading to a large memory and computation requirement. In this paper, we propose a mod
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::cb61e7be9119612980e61cb9711531fb