Zobrazeno 1 - 10
of 604
pro vyhledávání: '"Ueno, Yuichiro"'
Autor:
Yoshida, Tatsuya, Aoki, Shohei, Ueno, Yuichiro, Terada, Naoki, Nakamura, Yuki, Shiobara, Kimie, Yoshida, Nao, Nakagawa, Hiromu, Sakai, Shotaro, Koyama, Shungo
The isotopic signature of atmospheric carbon offers a unique tracer for the history of the Martian atmosphere and the origin of organic matter on Mars. Photolysis of CO$_{2}$ is known to induce strong isotopic fractionation of carbon between CO$_{2}$
Externí odkaz:
http://arxiv.org/abs/2302.12457
Autor:
Ueno, Yuichiro
A set of three through-bond energy transfer cassettes based on BODIPY as a donor and cyanine dyes as acceptors has been prepared via Sonogashira couplings, and their photophysical properties were examined. These cassettes fluoresce around 600 to 800
Externí odkaz:
http://hdl.handle.net/1969.1/ETD-TAMU-2009-05-568
Large-scale distributed training of deep neural networks results in models with worse generalization performance as a result of the increase in the effective mini-batch size. Previous approaches attempt to address this problem by varying the learning
Externí odkaz:
http://arxiv.org/abs/2002.06015
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:
Sakurai, Hajime Tajima, Iwashita, Hidefumi, Arakawa, Satoko, Yikelamu, Alifu, Kusaba, Mizuki, Kofuji, Satoshi, Nishina, Hiroshi, Ishiyama, Munetaka, Ueno, Yuichiro, Shimizu, Shigeomi
Publikováno v:
In iScience 21 July 2023 26(7)
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Large-scale distributed training of deep neural networks suffer from the generalization gap caused by the increase in the effective mini-batch size. Previous approaches try to solve this problem by varying the learning rate and batch size over epochs
Externí odkaz:
http://arxiv.org/abs/1811.12019
Publikováno v:
In Chemical Geology 20 October 2022 609