Zobrazeno 1 - 10
of 241
pro vyhledávání: '"ZHENG Xiaoqiang"'
Autor:
Ren, Mengdi a, 1, Wang, Yang b, c, d, 1, Zheng, Xiaoqiang a, e, Yang, Wenguang a, Liu, Mutian f, Xie, Siyun g, Yao, Yu a, Yan, Jin c, d, He, Wangxiao a, e, h, ⁎
Publikováno v:
In Journal of Controlled Release November 2024 375:654-666
Publikováno v:
You-qi chuyun, Vol 43, Iss 2, Pp 189-199 (2024)
[Objective] Work safety accidents in urban gas pipeline networks have been increasing in frequency in recent years in China,causing significant negative impacts on public security. However, existing research in this area lacks quantitative analysis o
Externí odkaz:
https://doaj.org/article/2e7f6c9597954899af4ca9550e3f6bec
Autor:
Liu, Na1 (AUTHOR), Zheng, Xiaoqiang1,2 (AUTHOR), Yan, Jin3,4 (AUTHOR), Jiang, Aimin1 (AUTHOR), Yao, Yu1 (AUTHOR), He, Wangxiao1,2,5 (AUTHOR) hewangxiao5366@xjtu.edu.cn
Publikováno v:
Advanced Science. 8/14/2024, Vol. 11 Issue 30, p1-18. 18p.
Autor:
Chen, Lijuan a, b, ⁎, Dong, Yinfu a, Zheng, Xiaoqiang a, Zhang, Mingjian a, Ou, Rong a, Ma, Xudong a, Yang, Li a, b, Xiang, Yujun c
Publikováno v:
In Materials Science & Engineering B October 2024 308
Publikováno v:
In Journal of Loss Prevention in the Process Industries August 2024 90
Autor:
Hu, Zhuotao a, Zhang, Dabin a, ⁎, Wu, Dongsheng b, ⁎, Zheng, Xiaoqiang a, Sun, Jie a, Geng, Peihao b, Ma, Ninshu b
Publikováno v:
In Surface & Coatings Technology 29 February 2024 478
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:
Yu, Yuan, Abadi, Martín, Barham, Paul, Brevdo, Eugene, Burrows, Mike, Davis, Andy, Dean, Jeff, Ghemawat, Sanjay, Harley, Tim, Hawkins, Peter, Isard, Michael, Kudlur, Manjunath, Monga, Rajat, Murray, Derek, Zheng, Xiaoqiang
Publikováno v:
EuroSys 2018: Thirteenth EuroSys Conference, April 23-26, 2018, Porto, Portugal. ACM, New York, NY, USA
Many recent machine learning models rely on fine-grained dynamic control flow for training and inference. In particular, models based on recurrent neural networks and on reinforcement learning depend on recurrence relations, data-dependent conditiona
Externí odkaz:
http://arxiv.org/abs/1805.01772
Autor:
Chen, Lijuan a, b, ⁎, Zhang, Mingjian a, Wu, Jianbo a, Zheng, Xiaoqiang a, Liao, Shiyi a, Ou, Baoli a, b, Tian, Li a, b
Publikováno v:
In Journal of Alloys and Compounds 15 December 2022 927