Zobrazeno 1 - 10
of 108
pro vyhledávání: '"Deep architectures"'
Publikováno v:
IEEE Access, Vol 9, Pp 113954-113996 (2021)
The spectrum low utilization and high demand conundrum created a bottleneck towards fulfilling the requirements of next-generation networks. The cognitive radio (CR) technology was advocated as a de facto technology to alleviate the scarcity and unde
Externí odkaz:
https://doaj.org/article/c88459bc35de408ab8de909d1b462da9
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:
Sensors, Vol 22, Iss 24, p 9764 (2022)
The analysis of infrared spectroscopy of substances is a non-invasive measurement technique that can be used in analytics. Although the main objective of this study is to provide a review of machine learning (ML) algorithms that have been reported fo
Externí odkaz:
https://doaj.org/article/2d26125044df484497722652861473a7
Publikováno v:
IEEE Access, Vol 7, Pp 30220-30233 (2019)
Recently, many deep models have been proposed in different fields, such as image classification, object detection, and speech recognition. However, most of these architectures require a large amount of training data and employ random initialization.
Externí odkaz:
https://doaj.org/article/4887523a02d5467c9e61ed7d95a42c5e
Publikováno v:
ISPRS International Journal of Geo-Information, Vol 10, Iss 11, p 768 (2021)
The selection of road networks is very important for cartographic generalization. Traditional artificial intelligence methods have improved selection efficiency but cannot fully extract the spatial features of road networks. However, current selectio
Externí odkaz:
https://doaj.org/article/228e322f366f4c72b9d81525a0efd174
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:
Electronics; Volume 12; Issue 7; Pages: 1537
In recent years, researchers have proposed many deep learning algorithms for data representation learning. However, most deep networks require extensive training data and a lot of training time to obtain good results. In this paper, we propose a nove
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::eea63f20c477d58a5f7c9bf3952ec8bd
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.