Zobrazeno 1 - 10
of 21
pro vyhledávání: '"Dlugolinsky, Stefan"'
Autor:
Nguyen, Giang, Šipková, Viera, Dlugolinsky, Stefan, Nguyen, Binh Minh, Tran, Viet, Hluchý, Ladislav
Publikováno v:
In Array December 2021 12
Publikováno v:
Neural Computing & Applications; Aug2024, Vol. 36 Issue 24, p14925-14949, 25p
Publikováno v:
In Procedia Computer Science 2018 138:486-491
Autor:
Palacio, Aida, Antonacci, Marica, Heredia, Ignacio, Sainz-Pardo, Judith, Céspedes, Jaime, Moltó, Germán, Calatrava, Amanda, Caballer, Miguel, Tran, Viet, Seleng, Martin, Dlugolinsky, Stefan, David, Mario, Martín, Daniel San, Lisana Berberi
This implementation plan facilitates the execution of the initial project plan by defining the roadmap as well as the technologies used in each of the AI4EOSC phases. To follow a good implementation strategy, this document will explain the project ob
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::33cb0158a9dfcaf62fc1f156282a228f
Autor:
Antonacci, Marica, López, Álvaro, Palacio, Aida, Heredia, Ignacio, Sainz-Pardo, Judith, Céspedes, Jaime, Moltó, Germán, Calatrava, Amanda, Caballer, Miguel, Tran, Viet, Seleng, Martin, Dlugolinsky, Stefan, David, Mario, Martín, Daniel San, Lisana Berberi
This deliverable presents a detailed timeline outlining the steps for AI4EOSC Release 1, scheduled for M18, as well as for AI4EOSC Release 2, expected to be completed by the end of M33. While this plan serves as a starting point for project planning,
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::8f41cf3abe33ada95f17b1f482e1a9ba
Autor:
Alic, Andy S., Antonacci, Marica, Caballer, Miguel, Campos, Isabel, Costantini, Alessandro, David, Mario, Dlugolinsky, Stefan, Donvito, Giacinto, Gomes, Jorge, Hardt, Marcus, Heredia, Ignacio, Hluchy, Ladislav, Ito, Keiichi, Kozlov, Valentin, Lloret, Lara, López García, Alvaro, Marco, Jesus, Matyska, Ludek, Moltó, Germán, Nguyen, Giang, Orviz, Pablo, Plociennik, Marcin, Šustr, Zdeněk, Tran, Viet, Wolniewicz, Pawel, Castell, Wolfgang zu
The DEEP-Hybrid-DataCloud project developed a distributed architecture to leverage intensive computing techniques such as needed for deep learning. The DEEP framework applies a hybrid-cloud approach and provides a set of tools and cloud services to c
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______3596::02b045e54b797e00ad4a9705da2d7899
https://publikationen.bibliothek.kit.edu/1000125204
https://publikationen.bibliothek.kit.edu/1000125204
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:
Alic, Andy S., Antonacci, Marica, Caballer, Miguel, Campos, Isabel, David, Mario, Dlugolinsky, Stefan, Donvito, Giacinto, Duma, Doina Cristina, Gomes, Jorge, Hardt, Marcus, Heredia, Ignacio, Hluchy, Ladislav, Kozlov, Valentin, Lloret Iglesias, Lara, López García, Álvaro, Marco, Jesús, Matyska, Ludek, Moltó, Germán, Nguyen, Giang, Orviz, Pablo, Plociennik, Marcin, Castell, Wolfgang zu
Publikováno v:
Digital.CSIC. Repositorio Institucional del CSIC
instname
instname
Trabajo presentado al ISC High Performance, celebrado en Frankfurt (Alemania) del 16 al 20 de junio de 2019.
The DEEP-HybridDataCloud project researches on intensive computing techniques such as deep learning, that require specialized GPU hardwa
The DEEP-HybridDataCloud project researches on intensive computing techniques such as deep learning, that require specialized GPU hardwa
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::5178a7e5aa38a15bd76d3823cb825a50
http://hdl.handle.net/10261/214414
http://hdl.handle.net/10261/214414
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.