Zobrazeno 1 - 10
of 143
pro vyhledávání: '"Lasya P"'
Autor:
Daphne Mary John, Nilesh S. Pillai, Akshay Sivan, Lasya P, Archana P, K.M. Sreekanth, Sivasubramanian G, Sreedhar K.M
Publikováno v:
Heliyon, Vol 10, Iss 13, Pp e33360- (2024)
Transition metal oxides like ZnO nanostructures are pivotal in various scientific and technological fields due to their chemical stability, high electrochemical coupling efficiency, and broad radiation absorption spectrum. This study offers an in-dep
Externí odkaz:
https://doaj.org/article/40326184d18f4d33a299b75c447fac50
Autor:
Chenchireddy Kalagotla, Varma N. Rajasekhar, Lasya Pendem, Paven Kalyan Goud N., Nithin Meegu, Kumarteja Mandadi
Publikováno v:
E3S Web of Conferences, Vol 472, p 01003 (2024)
Ensuring a reliable and stable power supply to consumers is of utmost importance in modern distribution systems. Many power quality issues, such as voltage fluctuations, harmonic distortions, transient events, load forecasting, and voltage sag/swell
Externí odkaz:
https://doaj.org/article/2081776ede2b4f328bda258d11524720
Autor:
Rongguang Wang, Vishnu Bashyam, Zhijian Yang, Fanyang Yu, Vasiliki Tassopoulou, Sai Spandana Chintapalli, Ioanna Skampardoni, Lasya P. Sreepada, Dushyant Sahoo, Konstantina Nikita, Ahmed Abdulkadir, Junhao Wen, Christos Davatzikos
Publikováno v:
NeuroImage, Vol 269, Iss , Pp 119898- (2023)
Generative adversarial networks (GANs) are one powerful type of deep learning models that have been successfully utilized in numerous fields. They belong to the broader family of generative methods, which learn to generate realistic data with a proba
Externí odkaz:
https://doaj.org/article/ca09970286d84f3c8b2dd41c60a136c9
Autor:
Ashok, Allamula, Rana, Pradeep Kumar, Jacob, Daljin, Lasya, Peela, Razi, P Muhammed, Yadav, Satyesh Kumar
This paper reports an effective method of stabilizing ultrathin Silver (Ag) films on substrates using a filler metal (Zn). Ag films with a thickness < 15 nm were deposited by DC magnetron sputtering above a Zn filler metal on glass, quartz, silicon a
Externí odkaz:
http://arxiv.org/abs/2306.15575
Autor:
Wang, Rongguang, Bashyam, Vishnu, Yang, Zhijian, Yu, Fanyang, Tassopoulou, Vasiliki, Chintapalli, Sai Spandana, Skampardoni, Ioanna, Sreepada, Lasya P., Sahoo, Dushyant, Nikita, Konstantina, Abdulkadir, Ahmed, Wen, Junhao, Davatzikos, Christos
Publikováno v:
NeuroImage 269:119898 (2023)
Generative adversarial networks (GANs) are one powerful type of deep learning models that have been successfully utilized in numerous fields. They belong to a broader family called generative methods, which generate new data with a probabilistic mode
Externí odkaz:
http://arxiv.org/abs/2206.07081
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:
Wang, Rongguang, Bashyam, Vishnu, Yang, Zhijian, Yu, Fanyang, Tassopoulou, Vasiliki, Chintapalli, Sai Spandana, Skampardoni, Ioanna, Sreepada, Lasya P., Sahoo, Dushyant, Nikita, Konstantina, Abdulkadir, Ahmed, Wen, Junhao, Davatzikos, Christos
Publikováno v:
In NeuroImage 1 April 2023 269
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.