Artykuły w czasopismach na temat „DEEP framework”
Utwórz poprawne odniesienie w stylach APA, MLA, Chicago, Harvard i wielu innych
Sprawdź 50 najlepszych artykułów w czasopismach naukowych na temat „DEEP framework”.
Przycisk „Dodaj do bibliografii” jest dostępny obok każdej pracy w bibliografii. Użyj go – a my automatycznie utworzymy odniesienie bibliograficzne do wybranej pracy w stylu cytowania, którego potrzebujesz: APA, MLA, Harvard, Chicago, Vancouver itp.
Możesz również pobrać pełny tekst publikacji naukowej w formacie „.pdf” i przeczytać adnotację do pracy online, jeśli odpowiednie parametry są dostępne w metadanych.
Przeglądaj artykuły w czasopismach z różnych dziedzin i twórz odpowiednie bibliografie.
V, Anjanadevi, Hemalatha R, Venkateshwar R, Naren J i Vithya G. "A framework for the Diagnosis of Diabetic Retinopathy Using Deep Learning Techniques". International Journal of Psychosocial Rehabilitation 23, nr 1 (20.02.2019): 405–11. http://dx.doi.org/10.37200/ijpr/v23i1/pr190252.
Pełny tekst źródłaFiorini, Rodolfo A. "New CICT Framework for Deep Learning and Deep Thinking Application". International Journal of Software Science and Computational Intelligence 8, nr 2 (kwiecień 2016): 1–20. http://dx.doi.org/10.4018/ijssci.2016040101.
Pełny tekst źródłaRichards, Blake A., Timothy P. Lillicrap, Philippe Beaudoin, Yoshua Bengio, Rafal Bogacz, Amelia Christensen, Claudia Clopath i in. "A deep learning framework for neuroscience". Nature Neuroscience 22, nr 11 (28.10.2019): 1761–70. http://dx.doi.org/10.1038/s41593-019-0520-2.
Pełny tekst źródłaCharalampous, Konstantinos, i Antonios Gasteratos. "A tensor-based deep learning framework". Image and Vision Computing 32, nr 11 (listopad 2014): 916–29. http://dx.doi.org/10.1016/j.imavis.2014.08.003.
Pełny tekst źródłaCrunkhorn, Sarah. "Deep learning framework for repurposing drugs". Nature Reviews Drug Discovery 20, nr 2 (11.01.2021): 100. http://dx.doi.org/10.1038/d41573-021-00006-w.
Pełny tekst źródłaZhang, Hongjing, Tianyang Zhan, Sugato Basu i Ian Davidson. "A framework for deep constrained clustering". Data Mining and Knowledge Discovery 35, nr 2 (17.01.2021): 593–620. http://dx.doi.org/10.1007/s10618-020-00734-4.
Pełny tekst źródłaSassu, Alessandro, Jose Francisco Saenz-Cogollo i Maurizio Agelli. "Deep-Framework: A Distributed, Scalable, and Edge-Oriented Framework for Real-Time Analysis of Video Streams". Sensors 21, nr 12 (11.06.2021): 4045. http://dx.doi.org/10.3390/s21124045.
Pełny tekst źródłaYe, Jong Chul, Yoseob Han i Eunju Cha. "Deep Convolutional Framelets: A General Deep Learning Framework for Inverse Problems". SIAM Journal on Imaging Sciences 11, nr 2 (styczeń 2018): 991–1048. http://dx.doi.org/10.1137/17m1141771.
Pełny tekst źródłaXu, Erci, i Shanshan Li. "Revisiting Resource Management for Deep Learning Framework". Electronics 8, nr 3 (16.03.2019): 327. http://dx.doi.org/10.3390/electronics8030327.
Pełny tekst źródłaSallab, AhmadEL, Mohammed Abdou, Etienne Perot i Senthil Yogamani. "Deep Reinforcement Learning framework for Autonomous Driving". Electronic Imaging 2017, nr 19 (29.01.2017): 70–76. http://dx.doi.org/10.2352/issn.2470-1173.2017.19.avm-023.
Pełny tekst źródłaKalash, Mahmoud, Mrigank Rochan, Noman Mohammed, Neil Bruce, Yang Wang i Farkhund Iqbal. "A Deep Learning Framework for Malware Classification". International Journal of Digital Crime and Forensics 12, nr 1 (styczeń 2020): 90–108. http://dx.doi.org/10.4018/ijdcf.2020010105.
Pełny tekst źródłaNguyen, Thanh Thi, Ngoc Duy Nguyen, Peter Vamplew, Saeid Nahavandi, Richard Dazeley i Chee Peng Lim. "A multi-objective deep reinforcement learning framework". Engineering Applications of Artificial Intelligence 96 (listopad 2020): 103915. http://dx.doi.org/10.1016/j.engappai.2020.103915.
Pełny tekst źródłaDai, Yinglong, i Guojun Wang. "A deep inference learning framework for healthcare". Pattern Recognition Letters 139 (listopad 2020): 17–25. http://dx.doi.org/10.1016/j.patrec.2018.02.009.
Pełny tekst źródłaGalanti, Tomer, Lior Wolf i Tamir Hazan. "A theoretical framework for deep transfer learning". Information and Inference 5, nr 2 (28.04.2016): 159–209. http://dx.doi.org/10.1093/imaiai/iaw008.
Pełny tekst źródłaLi, Ruichang, Honglei Zhu, Liao Fan i Xuekun Song. "Hybrid Deep Framework for Group Event Recommendation". IEEE Access 8 (2020): 4775–84. http://dx.doi.org/10.1109/access.2019.2962780.
Pełny tekst źródłaBedi, Jatin, i Durga Toshniwal. "Deep learning framework to forecast electricity demand". Applied Energy 238 (marzec 2019): 1312–26. http://dx.doi.org/10.1016/j.apenergy.2019.01.113.
Pełny tekst źródłaTzelepi, Maria, i Anastasios Tefas. "Deep convolutional image retrieval: A general framework". Signal Processing: Image Communication 63 (kwiecień 2018): 30–43. http://dx.doi.org/10.1016/j.image.2018.01.007.
Pełny tekst źródłaSánchez-DelaCruz, Eddy, Juan P. Salazar López, David Lara Alabazares, Edgar Tello Leal i Mirta Fuentes-Ramos. "Deep learning framework for leaf damage identification". Concurrent Engineering 29, nr 1 (marzec 2021): 25–34. http://dx.doi.org/10.1177/1063293x21994953.
Pełny tekst źródłaKoroniotis, Nickolaos, Nour Moustafa i Elena Sitnikova. "A new network forensic framework based on deep learning for Internet of Things networks: A particle deep framework". Future Generation Computer Systems 110 (wrzesień 2020): 91–106. http://dx.doi.org/10.1016/j.future.2020.03.042.
Pełny tekst źródłaMurillo, Raul, Alberto A. Del Barrio i Guillermo Botella. "Deep PeNSieve: A deep learning framework based on the posit number system". Digital Signal Processing 102 (lipiec 2020): 102762. http://dx.doi.org/10.1016/j.dsp.2020.102762.
Pełny tekst źródłaYang, Lei, Huaixin Wang, Qingshan Zeng, Yanhong Liu i Guibin Bian. "A hybrid deep segmentation network for fundus vessels via deep-learning framework". Neurocomputing 448 (sierpień 2021): 168–78. http://dx.doi.org/10.1016/j.neucom.2021.03.085.
Pełny tekst źródłaLi, Xingyi, Zhongang Qi, Xiaoli Fern i Fuxin Li. "ScaleNet - Improve CNNs through Recursively Rescaling Objects". Proceedings of the AAAI Conference on Artificial Intelligence 34, nr 07 (3.04.2020): 11426–33. http://dx.doi.org/10.1609/aaai.v34i07.6806.
Pełny tekst źródłaTiwari, Shamik. "A Comparative Study of Deep Learning Models With Handcraft Features and Non-Handcraft Features for Automatic Plant Species Identification". International Journal of Agricultural and Environmental Information Systems 11, nr 2 (kwiecień 2020): 44–57. http://dx.doi.org/10.4018/ijaeis.2020040104.
Pełny tekst źródłaSharma, Dilip Kumar, i A. K. Sharma. "Deep Web Information Retrieval Process". International Journal of Information Technology and Web Engineering 5, nr 1 (styczeń 2010): 1–22. http://dx.doi.org/10.4018/jitwe.2010010101.
Pełny tekst źródłaPacheco, Maria Leonor, i Dan Goldwasser. "Modeling Content and Context with Deep Relational Learning". Transactions of the Association for Computational Linguistics 9 (luty 2021): 100–119. http://dx.doi.org/10.1162/tacl_a_00357.
Pełny tekst źródłaRavi, Nagarathna, Vimala Rani P, Rajesh Alias Harinarayan R, Mercy Shalinie S, Karthick Seshadri i Pariventhan P. "Deep Learning-based Framework for Smart Sustainable Cities". International Journal of Intelligent Information Technologies 15, nr 4 (październik 2019): 76–107. http://dx.doi.org/10.4018/ijiit.2019100105.
Pełny tekst źródłaMATSUNO, Toshifumi, Tatsuya SONOBE, Ryosuke TAKAHASHI, Kazutoshi HIGASHIYAMA i Kazuhiro HOSHI. "Close in on Domestic Deep Learning Framework "Chainer"". Journal of The Institute of Electrical Engineers of Japan 138, nr 5 (1.05.2018): 294–97. http://dx.doi.org/10.1541/ieejjournal.138.294.
Pełny tekst źródłaLore, Kin Gwn, Daniel Stoecklein, Michael Davies, Baskar Ganapathysubramanian i Soumik Sarkar. "A deep learning framework for causal shape transformation". Neural Networks 98 (luty 2018): 305–17. http://dx.doi.org/10.1016/j.neunet.2017.12.003.
Pełny tekst źródłaSingari, Ranganath, Karun Singla i Gangesh Chawla. "Deep Learning Framework for Steel Surface Defects Classification". INTERNATIONAL JOURNAL OF ADVANCED PRODUCTION AND INDUSTRIAL ENGINEERING 4, nr 1 (5.01.2019): 25–32. http://dx.doi.org/10.35121/ijapie201901135.
Pełny tekst źródłaIlidrissi, Amine, i Joo Kooi Tan. "A deep unified framework for suspicious action recognition". Artificial Life and Robotics 24, nr 2 (19.12.2018): 219–24. http://dx.doi.org/10.1007/s10015-018-0518-y.
Pełny tekst źródłaGu, Yuanli, Zhuangzhuang Shao, Lingqiao Qin, Wenqi Lu i Meng Li. "A Deep Learning Framework for Cycling Maneuvers Classification". IEEE Access 7 (2019): 28799–809. http://dx.doi.org/10.1109/access.2019.2898852.
Pełny tekst źródłaHou, Weilong, i Xinbo Gao. "Saliency-Guided Deep Framework for Image Quality Assessment". IEEE MultiMedia 22, nr 2 (kwiecień 2015): 46–55. http://dx.doi.org/10.1109/mmul.2014.55.
Pełny tekst źródłaZhang, Weishan, Pengcheng Duan, Zhongwei Li, Qinghua Lu, Wenjuan Gong i Su Yang. "A Deep Awareness Framework for Pervasive Video Cloud". IEEE Access 3 (2015): 2227–37. http://dx.doi.org/10.1109/access.2015.2497278.
Pełny tekst źródłaKleftogiannis, Dimitrios, Panos Kalnis i Vladimir B. Bajic. "DEEP: a general computational framework for predicting enhancers". Nucleic Acids Research 43, nr 1 (5.11.2014): e6-e6. http://dx.doi.org/10.1093/nar/gku1058.
Pełny tekst źródłaPang, Sh Ch, Anan Du i Zh Zh Yu. "Robust multi-object tracking using deep learning framework". Journal of Optical Technology 82, nr 8 (1.08.2015): 516. http://dx.doi.org/10.1364/jot.82.000516.
Pełny tekst źródłaKim, Dahun, Sanghyun Woo, Joon-Young Lee i In So Kweon. "Recurrent Temporal Aggregation Framework for Deep Video Inpainting". IEEE Transactions on Pattern Analysis and Machine Intelligence 42, nr 5 (1.05.2020): 1038–52. http://dx.doi.org/10.1109/tpami.2019.2958083.
Pełny tekst źródłaShih, Frank Y., Yucong Shen i Xin Zhong. "Development of Deep Learning Framework for Mathematical Morphology". International Journal of Pattern Recognition and Artificial Intelligence 33, nr 06 (21.04.2019): 1954024. http://dx.doi.org/10.1142/s0218001419540247.
Pełny tekst źródłaZhang, Weishan, Liang Xu, Zhongwei Li, Qinghua Lu i Yan Liu. "A Deep-Intelligence Framework for Online Video Processing". IEEE Software 33, nr 2 (marzec 2016): 44–51. http://dx.doi.org/10.1109/ms.2016.31.
Pełny tekst źródłaYi, Ping, Yuxiang Guan, Futai Zou, Yao Yao, Wei Wang i Ting Zhu. "Web Phishing Detection Using a Deep Learning Framework". Wireless Communications and Mobile Computing 2018 (26.09.2018): 1–9. http://dx.doi.org/10.1155/2018/4678746.
Pełny tekst źródłaLiu, Peng, Guoyu Wang, Hao Qi, Chufeng Zhang, Haiyong Zheng i Zhibin Yu. "Underwater Image Enhancement With a Deep Residual Framework". IEEE Access 7 (2019): 94614–29. http://dx.doi.org/10.1109/access.2019.2928976.
Pełny tekst źródłaJin, Zhi, Muhammad Zafar Iqbal, Dmytro Bobkov, Wenbin Zou, Xia Li i Eckehard Steinbach. "A Flexible Deep CNN Framework for Image Restoration". IEEE Transactions on Multimedia 22, nr 4 (kwiecień 2020): 1055–68. http://dx.doi.org/10.1109/tmm.2019.2938340.
Pełny tekst źródłaLin, Ching-Nung, Jr-Chang Chen i Shi-Jim Yen. "Deep Learning Competition Framework on Othello for Education". IEEE Transactions on Games 11, nr 3 (wrzesień 2019): 300–304. http://dx.doi.org/10.1109/tg.2019.2931153.
Pełny tekst źródłaMasood, Khalid, i Mohammed A. Alghamdi. "Modeling Mental Stress Using a Deep Learning Framework". IEEE Access 7 (2019): 68446–54. http://dx.doi.org/10.1109/access.2019.2917718.
Pełny tekst źródłaWang, Qi, Zequn Qin, Feiping Nie i Xuelong Li. "C2DNDA: A Deep Framework for Nonlinear Dimensionality Reduction". IEEE Transactions on Industrial Electronics 68, nr 2 (luty 2021): 1684–94. http://dx.doi.org/10.1109/tie.2020.2969072.
Pełny tekst źródłaOnihunwa, John, Olufade Onifade, Isaac Ariyo, Stephen Omotugba i Deji Joshua. "Scalable Framework for Locating Deep Web Entry Points". IOSR Journal of Computer Engineering 19, nr 02 (kwiecień 2017): 45–55. http://dx.doi.org/10.9790/0661-1902034555.
Pełny tekst źródłaBu, Shuhui, Pengcheng Han, Zhenbao Liu, Junwei Han i Hongwei Lin. "Local deep feature learning framework for 3D shape". Computers & Graphics 46 (luty 2015): 117–29. http://dx.doi.org/10.1016/j.cag.2014.09.007.
Pełny tekst źródłaLyu, Yuting, Junghui Chen i Zhihuan Song. "Image-based process monitoring using deep learning framework". Chemometrics and Intelligent Laboratory Systems 189 (czerwiec 2019): 8–17. http://dx.doi.org/10.1016/j.chemolab.2019.03.008.
Pełny tekst źródłaHarrou, Fouzi, Abdelkader Dairi, Farid Kadri i Ying Sun. "Forecasting emergency department overcrowding: A deep learning framework". Chaos, Solitons & Fractals 139 (październik 2020): 110247. http://dx.doi.org/10.1016/j.chaos.2020.110247.
Pełny tekst źródłaYonekura, Kazuo, i Hitoshi Hattori. "Framework for design optimization using deep reinforcement learning". Structural and Multidisciplinary Optimization 60, nr 4 (2.05.2019): 1709–13. http://dx.doi.org/10.1007/s00158-019-02276-w.
Pełny tekst źródłaBlackburn, Christopher, Anthony Harding i Juan Moreno-Cruz. "Toward Deep-Decarbonization: an Energy-Service System Framework". Current Sustainable/Renewable Energy Reports 4, nr 4 (9.08.2017): 181–90. http://dx.doi.org/10.1007/s40518-017-0088-y.
Pełny tekst źródła