Zobrazeno 1 - 10
of 162
pro vyhledávání: '"Tošić, Ivana"'
Autor:
Djurdjević, Vladimir, Stosic, Borko, Tošić, Milica, Lazić, Irida, Putniković, Suzana, Stosic, Tatijana, Tošić, Ivana
Publikováno v:
In Atmospheric Research July 2024 304
Autor:
Novotný, Michal, Šipka, Milan, Miino, Marco Carnevale, Raček, Jakub, Chorazy, Tomáš, Petreje, Marek, Tošić, Ivana, Hlavínek, Petr, Marković, Mihajlo
Publikováno v:
In Sustainable Chemistry and Pharmacy April 2024 38
The use of biochar made from biomass and biosolids as a substrate for green infrastructure: A review
Autor:
Novotný, Michal, Marković, Mihajlo, Raček, Jakub, Šipka, Milan, Chorazy, Tomáš, Tošić, Ivana, Hlavínek, Petr
Publikováno v:
In Sustainable Chemistry and Pharmacy May 2023 32
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.
Autor:
Radaković, Milica G., Gavrilov, Milivoj B., Hambach, Ulrich, Schaetzl, Randall J., Tošić, Ivana, Ninkov, Jordana, Vasin, Jovica, Marković, Slobodan B.
Publikováno v:
In Quaternary International 26 January 2019 502 Part A:85-94
Autor:
Tosic, Ivana, Drewes, Sarah
This paper presents a method for learning overcomplete dictionaries composed of two modalities that describe a 3D scene: image intensity and scene depth. We propose a novel Joint Basis Pursuit (JBP) algorithm that finds related sparse features in two
Externí odkaz:
http://arxiv.org/abs/1201.0566
This paper introduces a new method for learning and inferring sparse representations of depth (disparity) maps. The proposed algorithm relaxes the usual assumption of the stationary noise model in sparse coding. This enables learning from data corrup
Externí odkaz:
http://arxiv.org/abs/1011.6656