Buchumschlag

Increasing the reliability of mobile intelligent machines based on deep neural networks

Gespeichert in:

Bibliographische Detailangaben
Datum:	2018
Hauptverfasser:	S. V. Kovalevskyi, O. S. Kovalevska
Format:	Artikel
Sprache:	Englisch
Veröffentlicht:	2018
Schriftenreihe:	Artificial intelligence
Online Zugang:	http://jnas.nbuv.gov.ua/article/UJRN-0001152035
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

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

Concept of reconfiguated production on the base of mobile intelligent technology machines
von: S. V. Kovalevskyi, et al.
Veröffentlicht: (2017)

Synthesis of executive parts of mobile intelligent machines
von: O. S. Kovalevska
Veröffentlicht: (2018)

Formal verification of deep neural networks
von: Panchuk, B.O.
Veröffentlicht: (2024)

Synthesis of optimal structure of deep neural network
von: Yu. Koval, et al.
Veröffentlicht: (2016)

The ways of increase of reliability of the power electric machines
von: O. I. Tytko
Veröffentlicht: (2014)

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

Deep neural network elements and their implementation in FPGA Xilinx
von: T. A. Samoliuk
Veröffentlicht: (2015)

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

Application of technology of artificial intelligence in management by executing movements of mechanisms with parallel structure
von: S. V. Kovalevskyi, et al.
Veröffentlicht: (2017)

Increase reliability details of mining machines by the method of surface hardening
von: V. V. Zakora, et al.
Veröffentlicht: (2016)

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)

Increasing intelligence of mobile devices on the example of secure group communication algorithms
von: A. K. Novokshonov
Veröffentlicht: (2016)

Automatic development of deep neural networks for improving numerical meteorological forecast
von: Doroshenko, А.Yu., et al.
Veröffentlicht: (2024)

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

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

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

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)

Artificial intelligence in cloud-based mobile radar computing
von: Коsovets, M., et al.
Veröffentlicht: (2023)

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

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

Short-term electrical load forecasting for the electrical supply company with deep neural network
von: P. O. Chernenko, et al.
Veröffentlicht: (2018)

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)

Comparative Features of Multilayered Iterative Algorithm GMDH and Deep Feed-Forward Neural Networks
von: O. H. Moroz, et al.
Veröffentlicht: (2021)

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)

Increasing the Accuracy of Determining the Cardiothoracic Ratio with the Help of an Ensemble of Neural Networks
von: Конюхов, В. Д., et al.
Veröffentlicht: (2024)

Increasing the Accuracy of Determining the Cardiothoracic Ratio with the Help of an Ensemble of Neural Networks
von: Конюхов, В. Д., et al.
Veröffentlicht: (2024)

Neural network synthesis based on evolutionary optimization
von: Oliinyk, A.A., et al.
Veröffentlicht: (2015)

Neural network synthesis based on evolutionary optimization
von: A. A. Oliinyk, et al.
Veröffentlicht: (2015)

ON THE NEED TO INCREASE THE RELIABILITY OF LINEAR INSULATORS FOR DISTRIBUTION NETWORKS 10-20 KV
von: Shumilov, Yu. N., et al.
Veröffentlicht: (2018)

Neural network-based seismic resolution enhancement technology
von: O. V. Noskov
Veröffentlicht: (2024)

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

Increase of wheel centers reliability
von: V. M. Kuzmichev, et al.
Veröffentlicht: (2012)

Increasing the accuracy of short-term forecasts of PVSPP generation based on artificial neural networks and taking additional factors into account
von: V. O. Miroshnyk, et al.
Veröffentlicht: (2024)

The Virtual Sensors for Intelligent Control of the Mobile Robot
von: O. N. Sukhoruchkina
Veröffentlicht: (2019)

The Virtual Sensors for Intelligent Control of the Mobile Robot
von: Sukhoruchkina, O.N.
Veröffentlicht: (2019)

Double layer back propagation neural network based on restricted Boltzmann machines for forecasting daily particulate matter 2.5
von: Fu, Minglei, et al.
Veröffentlicht: (2017)

Double layer back propagation neural network based on restricted Boltzmann machines for forecasting daily particulate matter 2.5
von: Minglei Fu, et al.
Veröffentlicht: (2017)

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

Dynamic routing of wireless electrical sensors based on neural networks
von: Yamnenko, Ju., et al.
Veröffentlicht: (2016)