Buchumschlag

Developing a semantic image model using machine learning based on convolutional neural networks

Gespeichert in:

Bibliographische Detailangaben
Datum:	2020
Hauptverfasser:	P. I. Andon, A. M. Hlybovets, V. V. Kuryliak
Format:	Artikel
Sprache:	Englisch
Veröffentlicht:	2020
Schriftenreihe:	Problems in programming
Online Zugang:	http://jnas.nbuv.gov.ua/article/UJRN-0001163071
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Library portal of National Academy of Sciences of Ukraine \| LibNAS

Institution

Library portal of National Academy of Sciences of Ukraine | LibNAS

Ähnliche Einträge

Developing a semantic image model using machine learning based on convolutional neural networks
von: Andon, P.I., et al.
Veröffentlicht: (2020)

Histological and cytological images classification based on convolutional neural networks
von: O. M. Berezkyi, et al.
Veröffentlicht: (2017)

Improving face recognition models using convolutional neural networks, metric learning and optimization methods
von: A. M. Litvynchuk, et al.
Veröffentlicht: (2021)

Using convolutional neural networks for breast cancer diagnosing
von: M. Naderan, et al.
Veröffentlicht: (2019)

Convolutional neural networks in tasks of agricultural vegetation state monitoring on aerial images
von: V. V. Ganchenko, et al.
Veröffentlicht: (2018)

Convolutional neural network model and software for classification of typical pests
von: Bezliudnyi, Y.S., et al.
Veröffentlicht: (2022)

The image oversampling using means of machine learning
von: R. O. Tkachenko, et al.
Veröffentlicht: (2016)

Analysis of fundus images based on machine learning
von: O. V. Karas, et al.
Veröffentlicht: (2024)

Ukrainian dactyl alphabet gesture recognition using convolutional neural networks with 3D convolutions
von: S. S. Kondratiuk
Veröffentlicht: (2019)

Information technology for the early diagnosys of pneumonia using convolutional neural networks
von: P. M. Radjuk, et al.
Veröffentlicht: (2021)

Using an ensemble of convolutional neural networks to process remote sensing data
von: E. E. Marushko, et al.
Veröffentlicht: (2018)

Analysis of remote sensing images by methods of convolutional neural networks and marked random point fields
von: Ya. Kosarevych, et al.
Veröffentlicht: (2021)

A prediction of the frequency of non-periodic signals based on convolutional neural networks
von: Subbotin, S. A., et al.
Veröffentlicht: (2018)

A prediction of the frequency of non-periodic signals based on convolutional neural networks
von: S. O. Subbotin, et al.
Veröffentlicht: (2018)

Neural networks’ learning process acceleration
von: Katerynych, L., et al.
Veröffentlicht: (2020)

Neural networks’ learning process acceleration
von: Katerynych, L., et al.
Veröffentlicht: (2020)

Simple architecture of convolution neural network for handwritten digit recognition
von: V. V. Lukovich
Veröffentlicht: (2013)

Recognition of Handwritten Texts on Images Using Deep Machine Learning
von: M. D. Snitko, et al.
Veröffentlicht: (2024)

Two dimensional model of learning in spiking neural networks with homeostasis and reward
von: V. M. Osaulenko
Veröffentlicht: (2017)

Image compression module based neural network autoencoders
von: Lesyk, V.O., et al.
Veröffentlicht: (2023)

Development of a Cluster with Cloud Computing Based on Neural Networks With Deep Learning for Modeling Multidimensional Fields
von: M. Kosovets, et al.
Veröffentlicht: (2021)

Analysis of satellite data time series for forest monitoring using neural networks based on three-dimensional convolutions
von: A. Shelestov, et al.
Veröffentlicht: (2024)

Structural and Parametric Synthesis of Deep Learning Neural Networks
von: V. M. Syniehlazov, et al.
Veröffentlicht: (2020)

Increasing the reliability of mobile intelligent machines based on deep neural networks
von: S. V. Kovalevskyi, et al.
Veröffentlicht: (2018)

Deep neural network based on generalized neo-fuzzy neurons and its learning based on backpropagation
von: Ye. V. Bodianskyi, et al.
Veröffentlicht: (2021)

Neural networks&#039; learning process acceleration
von: L. Katerynych, et al.
Veröffentlicht: (2020)

Construction of diagnostic expert-medical system using neural networks
von: M. M. Hlybovets, et al.
Veröffentlicht: (2020)

Ukrainian dactyl alphabet gesture recognition using cross platform software and convolutional neural networks
von: S. S. Kondratiuk
Veröffentlicht: (2019)

Evaluation of the Features Significance Based on Neural Networks in Tasks of the Analysis of the Distance Learning Quality
von: E. M. Filonenko, et al.
Veröffentlicht: (2018)

Development and research of a modified convolutional neural network for malaria cell pattern recognition
von: Федорченко, Є. М., et al.
Veröffentlicht: (2023)

Neural network control of mobile machines with parallel structures
von: S. V. Kovalevskyi, et al.
Veröffentlicht: (2016)

Analyzing the models of speech recognition on the basis of neural networks of deep learning for examination of digital phonograms
von: V. I. Solovev, et al.
Veröffentlicht: (2021)

Convolutional Neural Networks for Determining the Ion Beam Impact on a Space Debris Object
von: M. O. Redka, et al.
Veröffentlicht: (2023)

The Principles of Application of Machine Learning in Classification of Network Traffic
von: Ya. M. Antonyuk, et al.
Veröffentlicht: (2018)

A classification of text as images using neural networks pre-trained on the imagenet
von: V. Slyusar
Veröffentlicht: (2023)

Intelligent recognition and integration of graphical elements into virtual surrounding within augmented reality using hybrid convolutional neural networks
von: V. Sineglazov, et al.
Veröffentlicht: (2023)

Using machine learning methods in practice
von: Ya. O. Tupalo
Veröffentlicht: (2018)

Application of convolutional neural networks for improving the accuracy of multistatic localization of radio emission sources
von: Dziuba, Volodymyr
Veröffentlicht: (2025)

Neural network technologies to processing natural language texts in adaptive learning systems
von: I. M. Domanetska, et al.
Veröffentlicht: (2017)

Enhancing image inpainting through image decomposition and deep neural networks
von: K. Bellaj, et al.
Veröffentlicht: (2023)