Zobrazeno 1 - 10
of 370
pro vyhledávání: '"Milosavljevic, Milos"'
Autor:
Milosavljevic, Milos1 (AUTHOR) marina.ignjatovic@fon.bg.ac.rs, Ignjatovic, Marina1 (AUTHOR), Spasenić, Željko1 (AUTHOR), Milanović, Nemanja1 (AUTHOR), Đoković, Aleksandar1 (AUTHOR)
Publikováno v:
Economies. Aug2024, Vol. 12 Issue 8, p193. 16p.
Autor:
Bhardwaj, Kartikeya, Milosavljevic, Milos, O'Neil, Liam, Gope, Dibakar, Matas, Ramon, Chalfin, Alex, Suda, Naveen, Meng, Lingchuan, Loh, Danny
With the advent of smart devices that support 4K and 8K resolution, Single Image Super Resolution (SISR) has become an important computer vision problem. However, most super resolution deep networks are computationally very expensive. In this paper,
Externí odkaz:
http://arxiv.org/abs/2103.09404
Recent work has introduced a simple numerical method for solving partial differential equations (PDEs) with deep neural networks (DNNs). This paper reviews and extends the method while applying it to analyze one of the most fundamental features in nu
Externí odkaz:
http://arxiv.org/abs/1905.04351
Autor:
Hong, Sungryong, Jeong, Donghui, Hwang, Ho Seong, Kim, Juhan, Hong, Sungwook E., Park, Changbom, Dey, Arjun, Milosavljevic, Milos, Gebhardt, Karl, Lee, Kyoung-Soo
By utilizing large-scale graph analytic tools implemented in the modern Big Data platform, Apache Spark, we investigate the topological structure of gravitational clustering in five different universes produced by cosmological $N$-body simulations wi
Externí odkaz:
http://arxiv.org/abs/1903.07626
Publikováno v:
In Economic Modelling April 2023 121
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.
We demonstrate physics-blind and purely data-based nucleosynthetic archetype discovery from heterogeneous stellar elemental abundance measurements. Archetype extraction is performed via non-negative matrix factorization (NMF). Because stellar element
Externí odkaz:
http://arxiv.org/abs/1809.02660