Buchumschlag

Method of exposure of signs of the digital editing in phonograms with the use of neuron networks of the deep learning

Gespeichert in:

Bibliographische Detailangaben
Datum:	2020
Hauptverfasser:	V. I. Solovev, O. V. Rybalskij, V. V. Zhuravel
Format:	Artikel
Sprache:	Englisch
Veröffentlicht:	2020
Schriftenreihe:	International Scientific Technical Journal «Problems of Control and Informatics»
Online Zugang:	http://jnas.nbuv.gov.ua/article/UJRN-0001265921
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

System of automatic segmentation of pauses in phonograms on the basis of neuron networks of the deep learning
von: V. I. Solovev, et al.
Veröffentlicht: (2021)

Substantiating the fundamental fitness of deep learnng neuron networks for construction of a system of for detecting traces of digital treatment of phonograms
von: V. I. Solovev, et al.
Veröffentlicht: (2020)

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)

Traces of editing in digital phonograms performed by method of excision and transposition of fragments
von: Rybalsky, O. V., et al.
Veröffentlicht: (2016)

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

The Identification of Signs Installation of a Phonogram, on the Basis of Linguistic Analysis Sounding Speech
von: O. A. Kaplina, et al.
Veröffentlicht: (2014)

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

Digital twins in intrusion detection systems based on deep learning
von: Letychevskyi, O.O., et al.
Veröffentlicht: (2025)

Classification of surface technological defects of metal roll in metal-roll by means of deep neuron network
von: I. V. Konovalenko, et al.
Veröffentlicht: (2020)

English Accent Recognition Using Deep Machine Learning
von: A. V. Manokhin, et al.
Veröffentlicht: (2021)

APPLICATION OF DEEP LEARNING NEURAL NETWORK FOR CLASSIFICATION OF BIG DATA OF ASTRONOMIC OBSERVATIONS
von: Gorbunov, A. A., et al.
Veröffentlicht: (2017)

Application of Deep Learning Neural Network for Classification of Big Data of Astronomic Observations
von: A. A. Gorbunov, et al.
Veröffentlicht: (2017)

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

Software architectural design for the interactive learning of sign language
von: Kryvonos, Yu.G., et al.
Veröffentlicht: (2025)

Deep learning for photovoltaic panels segmentation
von: K. Bouzaachane, et al.
Veröffentlicht: (2023)

Image segmentation of clouds based on deep learning
von: B. P. Rusyn, et al.
Veröffentlicht: (2020)

Compression Methods of Deep Learning Models Based on Student-Teacher Method
von: I. V. Stetsenko, et al.
Veröffentlicht: (2019)

Digital Sign Correlometer for Radio Astronomical Spectroscopy
von: Stepkin, S. V.
Veröffentlicht: (2012)

Archival phonograms on the musical radio as a type of service auditory documents
von: O. Mazur
Veröffentlicht: (2020)

Problem of Sonstructing the GMDH Neural Networks with Active Neurons
von: O. H. Moroz, et al.
Veröffentlicht: (2022)

The Problem of Constructing the GMDH Neural Networks with Active Neurons
von: O. H. Moroz
Veröffentlicht: (2021)

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)

Practical content of the elements of petrophysical model of terrigenous sandstones — oil and gas reservoirs in neural networks, deep learning and regression methods
von: Vyzhva, Serhiy, et al.
Veröffentlicht: (2025)

Digital Transformations and Mass Continuous Learning
von: V. I. Gritsenko, et al.
Veröffentlicht: (2018)

Evaluating the informativity of training sample for classification of images by deep learning methods
von: B. P. Rusyn, et al.
Veröffentlicht: (2021)

Neuron network simulation of seismic waves travel time curves
von: M. A. Lazarenko, et al.
Veröffentlicht: (2010)

Methods of artificial intelligence for acoustic emission diagnostics of fracture stages (A review). P. 2: Artificial neural network and deep learning
von: O. M. Stankevych, et al.
Veröffentlicht: (2024)

Detection of a transversal crack in the rail head by wavelet transformations and neuron networks
von: L. V. Vashchyshyn, et al.
Veröffentlicht: (2014)

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

Neuron based on a single flux qubit
von: N. V. Klenov, et al.
Veröffentlicht: (2019)

Aplication of deep learning technology for creating intellectual autonomous machines
von: O. S. Bilokon
Veröffentlicht: (2020)

Application of deep learning technology for creating intellectual autonomous machines
von: Bilokon, O.S.
Veröffentlicht: (2020)

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

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

Neuron. Molecular supercomputer
von: V. Yashchenko
Veröffentlicht: (2022)

Review of deep learning methods in applied problems of economic monitoring based on geospatial data
von: M. S. Lavreniuk, et al.
Veröffentlicht: (2022)

Redundancy of information in the construction of systems for the examination of audio signals on deep educating neural networks
von: V. I. Soloviov, et al.
Veröffentlicht: (2022)

Information techniques of deep machine learning for the analysis of land cover changes
von: N. N. Kussul, et al.
Veröffentlicht: (2016)

Application of YOLOX deep learning model for automated object detection on thermograms
von: I. O. Skladchykov, et al.
Veröffentlicht: (2022)

USING THE BROADBAND DIGITAL RECEIVERS IN INTERFEROMETER OBSERVATIONS WITH THE URAN NETWORK
von: Shepelev, V. A., et al.
Veröffentlicht: (2017)