Zobrazeno 1 - 10
of 10 243
pro vyhledávání: '"P EVEREST"'
Autor:
Caban Miroslav
Cestovní reportáž detailně, den po dni, mapuje autorovu úspěšnou horolezeckou expedici z r. 2002, kdy bez kyslíkové masky vystoupil na nejvyšší horu Země - Mount Everest. Doplněno množstvím atraktivních barevných fotografií.
Autor:
Bonington Chris
Reportáž je sestavená ze vzpomínek a deníkových záznamů autora i ostatních členů expedice. Popisuje náročný a obtížný výstup na nejvyšší horu světa nejstrmější jihozápadní stěnou a vše, s čím se museli členové expedic
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:
Pilato, Christian, Banik, Subhadeep, Beranek, Jakub, Brocheton, Fabien, Castrillon, Jeronimo, Cevasco, Riccardo, Cmar, Radim, Curzel, Serena, Ferrandi, Fabrizio, Friebel, Karl F. A., Galizia, Antonella, Grasso, Matteo, Silva, Paulo, Martinovic, Jan, Palermo, Gianluca, Paolino, Michele, Parodi, Andrea, Parodi, Antonio, Pintus, Fabio, Polig, Raphael, Poulet, David, Regazzoni, Francesco, Ringlein, Burkhard, Rocco, Roberto, Slaninova, Katerina, Slooff, Tom, Soldavini, Stephanie, Suchert, Felix, Tibaldi, Mattia, Weiss, Beat, Hagleitner, Christoph
Modern big data workflows are characterized by computationally intensive kernels. The simulated results are often combined with knowledge extracted from AI models to ultimately support decision-making. These energy-hungry workflows are increasingly e
Externí odkaz:
http://arxiv.org/abs/2402.12612
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.
Temporal motif mining is the task of finding the occurrences of subgraph patterns within a large input temporal graph that obey the specified structural and temporal constraints. Despite its utility in several critical application domains that demand
Externí odkaz:
http://arxiv.org/abs/2310.02800
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.