Zobrazeno 1 - 9
of 9
pro vyhledávání: '"Setiawan, Budi Darma"'
Self-supervised learning is popular method because of its ability to learn features in images without using its labels and is able to overcome limited labeled datasets used in supervised learning. Self-supervised learning works by using a pretext tas
Externí odkaz:
http://arxiv.org/abs/2307.14897
Publikováno v:
In Procedia Computer Science 2022 204:346-353
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:
Prasetio, Barlian Henryranu, Supianto, Ahmad Afif, Setiawan, Gembong Edhi, Setiawan, Budi Darma, Cholissodin, Imam, Akbar, Sabriansyah R.
Publikováno v:
Telkomnika; Sep2015, Vol. 13 Issue 3, p1021-1028, 8p
Autor:
Xinrui Wang1,2, Rui Jin1 jinrui@lzb.ac.cn, Weizhen Wang1, Feinan Xu1, Liying Geng1, Donghang Shao1
Publikováno v:
International Journal of Digital Earth. Jan2024, Vol. 17 Issue 1, p1-27. 27p.
Publikováno v:
Sensors
Volume 21
Issue 20
Sensors, Vol 21, Iss 6892, p 6892 (2021)
Sensors (Basel, Switzerland)
Volume 21
Issue 20
Sensors, Vol 21, Iss 6892, p 6892 (2021)
Sensors (Basel, Switzerland)
The recent explosive growth in the number of smart technologies relying on data collected from sensors and processed with machine learning classifiers made the training data imbalance problem more visible than ever before. Class-imbalanced sets used
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::e672cb88e93e1cf71d797c74da67dcba