Evaluating the informativity of training sample for classification of images by deep learning methods

Evaluating the informativity of training sample for classification of images by deep learning methods

Gespeichert in:

Bibliographische Detailangaben
Datum:	2021
Hauptverfasser:	B. P. Rusyn, O. A. Lutsyk, Ya. Kosarevych
Format:	Artikel
Sprache:	English
Veröffentlicht:	2021
Schriftenreihe:	Cybernetics and Systems Analysis
Online Zugang:	http://jnas.nbuv.gov.ua/article/UJRN-0001284184
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

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

Method of features construction for remote sensing images based on the characteristics of random point fields
von: Ya. Kosarevych, et al.
Veröffentlicht: (2017)

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

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)

Machine learning methods analysis in the document classification problem
von: Zhyrkova, A.P., et al.
Veröffentlicht: (2021)

Machine learning methods analysis in the document classification problem
von: A. P. Zhyrkova, et al.
Veröffentlicht: (2020)

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

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

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

Modeling of pitting corrosion propagation using spot images
von: Ya. Kosarevych, et al.
Veröffentlicht: (2015)

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

Comparison of image segmentation methods on resistance to the impulse noise and blur distortion
von: T. I. Kerod, et al.
Veröffentlicht: (2015)

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

Minimax deviation strategies for machine learning and recognition with short learning samples
von: M. I. Schlesinger, et al.
Veröffentlicht: (2022)

Development of 3D surface reconstruction by the image triad based on the Lambertian reflection model
von: V. H. Ivaniuk, et al.
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)

Review of machine learning methods for Big satellite Data classification
von: M. S. Lavreniuk, et al.
Veröffentlicht: (2018)

Image Sampling with Quasicrystals
von: Grundland, M., et al.
Veröffentlicht: (2009)

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

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

Optimization method for segmentation of concrete components in digital images of test sample sections
von: T. S. Mandzii, et al.
Veröffentlicht: (2022)

The Influence of the Statistical Characteristics of the Training Sample on its Representativeness
von: V. V. Iskra, et al.
Veröffentlicht: (2013)

Method of exposure of signs of the digital editing in phonograms with the use of neuron networks of the deep learning
von: V. I. Solovev, et al.
Veröffentlicht: (2020)

МОДИФІКОВАНА АРХІТЕКТУРАТ КОМПРЕСІЇ ЗОБРАЖЕНЬ БЕЗ ВТРАТ НА БАЗІ FPGA ДЛЯ БОРТОВИХ ПРИСТРОЇВ З CCD-ЛІНІЙКОЮ
von: Rusyn, B.P., et al.
Veröffentlicht: (2025)

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

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

Method of evaluation newest of knowledge during training ontologies
von: V. M. Kovalevych, et al.
Veröffentlicht: (2013)

Using Gibbs Sampling to Estimate the Solution of the Unpaired Learning Problem
von: V. M. Krygin
Veröffentlicht: (2023)

On the finite convergence of the NN classification learning on mistakes
von: V. I. Norkin
Veröffentlicht: (2022)

On the finite convergence of the NN classification learning on mistakes
von: Norkin, V.I.
Veröffentlicht: (2022)

Discriminant functions quality estimation on the basis of training and testing samples
von: A. Sarychev, et al.
Veröffentlicht: (2012)

Discriminant Functions Quality Estimation on the Basis of Training and Testing Samples
von: Sarychev, A., et al.
Veröffentlicht: (2012)

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

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

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

Computer analysis of typical elements of fractographic images
von: Ya. Kosarevych, et al.
Veröffentlicht: (2012)

Review of standards for creating training materials in learning management systems
von: V. O. Soldatenko
Veröffentlicht: (2020)

Design training courses and e- books as an innovative means of learning
von: H. K. Barvitska, et al.
Veröffentlicht: (2015)

Application of deep reinforced learning for long-term dynamic composition of WEB services
von: Moroz, H.B.
Veröffentlicht: (2025)