Zobrazeno 1 - 10
of 171
pro vyhledávání: '"V, Vojtek"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Klinická onkologie
Background: Radiotherapy of locally advanced head and neck cancer represents a major clinical challenge. Any treatment intensification aiming at improved treatment outcomes potentially results in a higher toxicity. The search for optimal treatment
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::5b12cef1d53c927cb251c1adacc3a034
https://is.muni.cz/publication/2214997
https://is.muni.cz/publication/2214997
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.
Publikováno v:
Mycoses. 17:349-358
Autor:
V. Vojtek, P. Dubinsky, M. Marincak, P. Matula, M. Zgola, Branislav Jeremic, D. Nadzonova, G. Barilikova
Publikováno v:
International Journal of Radiation Oncology*Biology*Physics. 96:E386
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
V. Vojtek, P. Kocalka
Publikováno v:
Proceedings of the 23rd International Conference on Information Technology Interfaces, 2001. ITI 2001..
It is generally known that neural network algorithms are used for solving certain types of problems. Usually, we have a given problem and we look for the most suitable type of network, which would be able to solve the problem in the most effective wa
Publikováno v:
Artificial Neural Nets and Genetic Algorithms ISBN: 9783211830871
ICANNGA
ICANNGA
We study the problem of modeling long, complex symbolic sequences with recurrent neural networks (RNNs) and stochastic machines (SMs). RNNs are trained to predict the next symbol and the training process is monitored with information theory based per
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::2188b0277facac91b54e44ce9f02e256
https://doi.org/10.1007/978-3-7091-6492-1_101
https://doi.org/10.1007/978-3-7091-6492-1_101