Literatura científica selecionada sobre o tema "Skinks Classification"
Crie uma referência precisa em APA, MLA, Chicago, Harvard, e outros estilos
Consulte a lista de atuais artigos, livros, teses, anais de congressos e outras fontes científicas relevantes para o tema "Skinks Classification".
Ao lado de cada fonte na lista de referências, há um botão "Adicionar à bibliografia". Clique e geraremos automaticamente a citação bibliográfica do trabalho escolhido no estilo de citação de que você precisa: APA, MLA, Harvard, Chicago, Vancouver, etc.
Você também pode baixar o texto completo da publicação científica em formato .pdf e ler o resumo do trabalho online se estiver presente nos metadados.
Artigos de revistas sobre o assunto "Skinks Classification"
Freitas, Elyse S., Aniruddha Datta-Roy, Praveen Karanth, L. Lee Grismer e Cameron D. Siler. "Multilocus phylogeny and a new classification for African, Asian and Indian supple and writhing skinks (Scincidae: Lygosominae)". Zoological Journal of the Linnean Society 186, n.º 4 (5 de abril de 2019): 1067–96. http://dx.doi.org/10.1093/zoolinnean/zlz001.
Texto completo da fonteHEDGES, S. BLAIR. "The high-level classification of skinks (Reptilia, Squamata, Scincomorpha)". Zootaxa 3765, n.º 4 (19 de fevereiro de 2014): 317. http://dx.doi.org/10.11646/zootaxa.3765.4.2.
Texto completo da fonteSHEA, GLENN M. "Nomenclature of supra-generic units within the Family Scincidae (Squamata)". Zootaxa 5067, n.º 3 (11 de novembro de 2021): 301–51. http://dx.doi.org/10.11646/zootaxa.5067.3.1.
Texto completo da fonteProkof’eva, Tatiana V. "Experience of the teaching of soil classification systems to students at different stages of education (Faculty of Soil Science, LMSU, Russia)". Bulletin of Geography. Physical Geography Series 14, n.º 1 (1 de junho de 2018): 85–90. http://dx.doi.org/10.2478/bgeo-2018-0008.
Texto completo da fonteNuriddinova, Madinabonu. "Classification Of Genres In Multimedia Journalism". American Journal of Social Science and Education Innovations 02, n.º 11 (23 de novembro de 2020): 112–18. http://dx.doi.org/10.37547/tajssei/volume02issue11-19.
Texto completo da fonteRohman, Abdul. "Implementasi Teori Pembelajaran Blended Learning dalam Menyeimbangkan Kapabilitas Belajar pada Era Digital (Studi Kasus di Prodi PAI Universitas Alma Ata Yogyakarta)". An-Nuha : Jurnal Kajian Islam, Pendidikan, Budaya dan Sosial 7, n.º 1 (15 de julho de 2020): 33–51. http://dx.doi.org/10.36835/annuha.v7i1.343.
Texto completo da fonteLavrentyeva, O. O. "TO THE CLASSIFICATION OF SKILLS". Educational Dimension 4 (26 de dezembro de 2002): 364–70. http://dx.doi.org/10.31812/educdim.5121.
Texto completo da fonteBelogurov, Anatoly, e Margarita Marushina. "Classification of corporate Executive training programs and clusters of competencies developed in them". KANT 35, n.º 2 (junho de 2020): 189–95. http://dx.doi.org/10.24923/2222-243x.2020-35.39.
Texto completo da fonteSriwong, Kittipat, Supaporn Bunrit, Kittisak Kerdprasop e Nittaya Kerdprasop. "Dermatological Classification Using Deep Learning of Skin Image and Patient Background Knowledge". International Journal of Machine Learning and Computing 9, n.º 6 (dezembro de 2019): 862–67. http://dx.doi.org/10.18178/ijmlc.2019.9.6.884.
Texto completo da fonteBEKTAŞ, Nurettin, Sümeyra BEKTAŞ e Arda ÖZTÜRK. "INVESTIGATION OF THE PROBLEM SOLVING AND DECISION-MAKING SKILLS OF KARATE REFEREES". International Refereed Journal of Humanities and Academic Sciences, n.º 27 (2022): 0. http://dx.doi.org/10.17368/uhbab.2022.27.01.
Texto completo da fonteTeses / dissertações sobre o assunto "Skinks Classification"
Al-Anezi, Yousuf. "Computer based learning environment for mathematical classification skills". Thesis, University of Leeds, 1994. https://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.666890.
Texto completo da fonteViana, Joaquim Mesquita da Cunha. "Classification of skin tumours through the analysis of unconstrained images". Thesis, De Montfort University, 2009. http://hdl.handle.net/2086/2400.
Texto completo da fonteWan, Fengkai. "Deep Learning Method used in Skin Lesions Segmentation and Classification". Thesis, KTH, Medicinsk teknik, 2018. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-233467.
Texto completo da fonteDhinagar, Nikhil J. "Non-Invasive Skin Cancer Classification from Surface Scanned Lesion Images". Ohio University / OhioLINK, 2013. http://rave.ohiolink.edu/etdc/view?acc_num=ohiou1366384987.
Texto completo da fonteMoulis, Armand. "Automatic Detection and Classification of Permanent and Non-Permanent Skin Marks". Thesis, Linköpings universitet, Datorseende, 2017. http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-138132.
Texto completo da fonteNär forensiker försöker identifiera förövaren till ett brott använder de individuella ansiktsmärken när de jämför den misstänkta med förövaren. Dessa ansiktsmärken identifieras och lokaliseras oftast manuellt idag. För att effektivisera denna process, är det önskvärt att detektera ansiktsmärken automatiskt. I rapporten beskrivs en framtagen metod som möjliggör automatiskt detektion och separation av permanenta och icke-permanenta ansiktsmärken. Metoden som är framtagen använder en snabb radial symmetri algoritm som en huvuddel i detektorn. När kandidater av ansiktsmärken har tagits, elimineras alla falska detektioner utifrån deras storlek, form och hårinnehåll. Utifrån studiens resultat visar sig detektorn ha en god känslighet men dålig precision. Eliminationsmetoderna av falska detektioner analyserades och olika attribut användes till klassificeraren. I rapporten kan det fastställas att färgskiftningar på ansiktsmärkena har en större inverkan än formen när det gäller att sortera dem i permanenta och icke-permanenta märken.
Ridell, Patric, e Henning Spett. "Training Set Size for Skin Cancer Classification Using Google’s Inception v3". Thesis, KTH, Skolan för datavetenskap och kommunikation (CSC), 2017. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-209443.
Texto completo da fonteDatorstödd diagnostik (CADx) är idag vanligt förekommande inom sjukvården. Med datorseende är det möjligt att undersöka huruvida bilder påvisar tecken för till exempel bröstcancer och lungsjukdomar. Träffsäkerheten för convolutional neural networks (CNN) klassificering av sjukdomar beror till viss del på hur mycket data det tränats på. Stora datamängder är en förutsättning för att CNN ska kunna ge pålitliga diagnoser. En stor mängd indata innebär dock att bräkningstiden ökar. Detta medför att det kan behöva göras en avvägning mellan träffsäkerhet och beräkningstid. Cho et al. har i en studie visat att träffsäkerhetens förbättring stagnerar när mängden indata ökar. Det finns därför ett intresse i att hitta den punkt där träffsäkerheten stagnerar, eftersom ytterligare ökning av indata skulle innebära längre beräkningstid men med liten förbättring i träffsäkerhet. I denna uppsats tränas Googles förtränade CNN om på varierade mängder bilder på hudfläckar, i syfte att avgöra om en bild föreställande en hudfläck visar tecken på malignt melanom eller om den bedöms vara godartad. Studiens resultat ger indikationer på att träffsäkerheten för klassificeraren förbättras när mängden träningsdata ökar. Däremot finns inte underlag för att fastställa en punkt då träffsäkerheten stagnerar.
Boman, Joakim, e Alexander Volminger. "Evaluating a deep convolutional neural network for classification of skin cancer". Thesis, KTH, Skolan för elektroteknik och datavetenskap (EECS), 2018. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-229740.
Texto completo da fonteComputer-aided diagnosis (CAD) har blivit en viktigt del av det medi-cinska området. Hudcancer är en vanlig och dödlig sjukdom som ett CAD system potentiellt kan upptäcka. Den är klart synlig på hudenoch därför skulle endast bilder av hudskador kunna användas för attge en diagnos. År 2017 utvecklade en forskningsgrupp från StanfordUniversity ett deep convolutional neural network (CNN) som preste-rade bättre än dermatologer vid klassificering av hudskador. Detta kandidatexamensarbete gör ett försök till att implementerametoden tillhandahållen i Stanford rapporten och utvärdera CNN:etsresultat vid klassifikation av hudskador som inte testades i deras stu-die. De binära fall som tidigare inte har testas är melanoma emot solarlentigo och melanoma emot seborrheic keratosis. Med hjälp av transferlearning tränades Inception v3 för olika hudskador. CNN:et tränadesmed 16 typer av hudförändringar. I valideringsprocessen uppmättesen korrekthet på 68.3% under 3-vals klassifikation. I tester av sammatyp av jämförelser som i Stanford studien uppmätes en korrekthet på71% för melanoma emot nevus och 91% för seborrheic keratosis emotbasal and squamous cell carcinoma. Resultatet av de nya jämförelser-na var 84% för seborrheic keratosis emot melanoma och 83% för solarlentigo emot melanoma. Resultaten tyder på att av de binära klassificeringarna utförda idenna studie, är nevus emot melanoma den svårast för CNN:et. Detbör noteras att våra resultat skilde sig från Stanford studien och attmer stat
Sahlgren, Michaela, e Nour Alhunda Almajni. "Skin Cancer Image Classification with Pre-trained Convolutional Neural Network Architectures". Thesis, KTH, Skolan för elektroteknik och datavetenskap (EECS), 2019. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-259622.
Texto completo da fonteI denna studie jämför vi hur väl olika förtränade konvolutionella neurala nätverksarkitekturer klassificerar bilder av potentiellt maligna födelsemärken. Detta med hjälp av datasetet ISIC, innehållande bilder av hudcancer. Våra resultat indikerar att alla arkitekturer som undersöktes gav likvärdiga resultat vad gäller hur väl de kan avgöra huruvida ett födelsemärke är malignt eller ej. Efter en femfaldig korsvalidering nådde de olika arkitekturerna ett ROC AUC-medelvärde mellan 0.82 och 0.89, där nätverket Vgg-11 gjorde allra bäst ifrån sig. Detta trots att samma nätvärk är avsevärt sämre på ILSVRC. Sammantaget indikterar våra resultat att valet av arkitektur kan vara mindre viktigt vid bildklassificering av hudcancer än vid klassificering av bilder på ImageNet.
Almasiri, osamah A. "SKIN CANCER DETECTION USING SVM-BASED CLASSIFICATION AND PSO FOR SEGMENTATION". VCU Scholars Compass, 2018. https://scholarscompass.vcu.edu/etd/5489.
Texto completo da fonteInal, Aydin. "Practical science process skills in physics, with special reference to test item assessment and classification". Master's thesis, University of Cape Town, 2002. http://hdl.handle.net/11427/11566.
Texto completo da fonteThis study describes the development, validation, classification, administration and assessment of a compact programme of ten core practical task items chosen from a pool of 33 practical tasks developed for the purpose of this study in basic school physical science. The practical items encouraged and measured various science process skills laid out in the South African Revised National Curriculum Statement Draft. The derivation and classification of the specially designed diagnostic practical task items by experienced lecturers, teachers and academics constitutes an original and crucial part of the study. The objective is to assess the consensus of juries of four to eleven expert science educators on classification of the ten core practical activities, matching the categories. The investigation establishes whether there is a perceived relevant match or a perceived "irrelevant" mismatch between the science process skills tested by the current experimental programme of practical items and the descriptive theories of practical science and its classification schemes and criteria proposed by (a) Franus (1992), (b) Gardner (1983), (c) White (1988), (d) Solomon (1998), (e) Lock (1990), (t) Kapenda, Kandjeo-Marenga, Gaoseb, Kasanda and Lubben's (2001) the Cambridge-based International General Certificate of Education after Millar, Ie Marechal and Tiberghiea (1999), (g) Race (1997) and (h) OBE (Revised National Curriculum Statement Draft, 2001). Lock's assessment framework for practical tasks was found to be the most relevant scheme among the others. The study also identified eight process skills that are highly relevant to practical tasks of the compact programme. These skills included: (a) comprehension skills; (b) recognising given item of apparatus; (c) following instructions; (d) carrying out tasks and handling science apparatus; (e) observation skills; (t) interpretation of the observations; (g) making predictions; and (h) reporting and communicating scientific information.
Livros sobre o assunto "Skinks Classification"
Ouboter, Paul E. A revision of the genus Scincella (Reptilia, Sauria, Scincidae) of Asia, with some notes on its evolution. Leiden: Rijksmuseum van Natuurlijke Historie, 1986.
Encontre o texto completo da fonteTowns, D. R. A field guide to the lizards of New Zealand. 2a ed. Wellington: Dept. of Conservation, 1988.
Encontre o texto completo da fonteZug, George R. Systematics of the Carlia "fusca" lizards (Squamata:Scincidae) of New Guinea and nearby islands. Honolulu: Bishop Museum Press, 2004.
Encontre o texto completo da fonteZug, George R. Systematics of the Carlia "fusca" lizards (Squamata: Scincidae) of New Guinea and nearby islands. Honolulu: Bishop Museum Press, 2004.
Encontre o texto completo da fonteFortune, Christopher Joseph. The investigation and classification of measurement skills. Salford: University of Salford, 1993.
Encontre o texto completo da fonteClaybourne, Anna. Can you tell a skink from a salamander?: Classification. Chicago, Ill: Raintree, 2005.
Encontre o texto completo da fonteZanzibar. Wizara ya Elimu, Utamaduni na Michezo. Second status report: Occupational analyses : technical support services for the establishment and operation skills development centres in Zanzibar. Zanzibar: Ministry of Education, Culture, and Sports, 2005.
Encontre o texto completo da fonteClaybourne, Anna. Can you tell a skink from a salamander? Oxford: Raintree, 2006.
Encontre o texto completo da fonteRoper, Clyde F. E. Comparative morphology and function of dermal structures in oceanic squids (Cephalopoda). Washington, D.C: Smithsonian Institution Press, 1990.
Encontre o texto completo da fonteGoyhman, Oskar. Organization and holding of events. ru: INFRA-M Academic Publishing LLC., 2020. http://dx.doi.org/10.12737/1071381.
Texto completo da fonteCapítulos de livros sobre o assunto "Skinks Classification"
Obagi, Zein E. "Skin Classification". In Obagi Skin Health Restoration and Rejuvenation, 65–85. New York, NY: Springer New York, 2000. http://dx.doi.org/10.1007/978-0-387-21801-4_5.
Texto completo da fonteHermanek, P., e L. H. Sobin. "Skin Tumours". In TNM Classification of Malignant Tumours, 83–91. Berlin, Heidelberg: Springer Berlin Heidelberg, 1987. http://dx.doi.org/10.1007/978-3-642-82982-6_6.
Texto completo da fonteZhang, Susu, Jeff Douglas, Shiyu Wang e Steven Andrew Culpepper. "Reduced Reparameterized Unified Model Applied to Learning Spatial Rotation Skills". In Handbook of Diagnostic Classification Models, 503–24. Cham: Springer International Publishing, 2019. http://dx.doi.org/10.1007/978-3-030-05584-4_24.
Texto completo da fonteHassan, Rola, Hanan Faruqui, Reem Alquraa, Ayman Eissa, Fatma Alshaiki e Mohamed Cheikh. "Classification Criteria and Clinical Practice Guidelines for Rheumatic Diseases". In Skills in Rheumatology, 521–66. Singapore: Springer Singapore, 2021. http://dx.doi.org/10.1007/978-981-15-8323-0_25.
Texto completo da fonteHexsel, Doris, Camile L. Hexsel e Fernanda Naspolini Bastos. "Cellulite: Classification and Scoring". In Measuring the Skin, 1–5. Cham: Springer International Publishing, 2015. http://dx.doi.org/10.1007/978-3-319-26594-0_93-1.
Texto completo da fonteHumbert, Philippe. "Classification of Facial Wrinkling". In Measuring the skin, 698–703. Berlin, Heidelberg: Springer Berlin Heidelberg, 2004. http://dx.doi.org/10.1007/978-3-662-08585-1_74.
Texto completo da fonteHexsel, Doris, Camile L. Hexsel e Fernanda Naspolini Bastos. "Cellulite: Classification and Scoring". In Agache's Measuring the Skin, 1385–89. Cham: Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-32383-1_93.
Texto completo da fonteXu, Xueli, e Matthias von Davier. "Applying the General Diagnostic Model to Proficiency Data from a National Skills Survey". In Handbook of Diagnostic Classification Models, 489–501. Cham: Springer International Publishing, 2019. http://dx.doi.org/10.1007/978-3-030-05584-4_23.
Texto completo da fonteManzato, Emilia. "Classification of Eating Disorders". In Eating Disorders and the Skin, 3–7. Berlin, Heidelberg: Springer Berlin Heidelberg, 2012. http://dx.doi.org/10.1007/978-3-642-29136-4_1.
Texto completo da fonteBonham, Mary Ben. "Double-Skin Façade Classifications". In Bioclimatic Double-Skin Façades, 41–75. New York : Routledge, 2020.: Routledge, 2019. http://dx.doi.org/10.4324/9781315661384-3.
Texto completo da fonteTrabalhos de conferências sobre o assunto "Skinks Classification"
Zhmakina, N. L., e K. S. Zdorovenko. "THE THEORETICAL STUDY OF THIRD-GRADERS’ COGNITIVE UNIVERSAL LEARNING SKILLS FORMATION TO SOLVE PROBLEMS IN MATH LESSONS". In Культура, наука, образование: проблемы и перспективы. Нижневартовский государственный университет, 2021. http://dx.doi.org/10.36906/ksp-2021/48.
Texto completo da fonteKumar, Ayushi, Ari Kapelyan e Avimanyou K. Vatsa. "Classification of Skin Phenotype: Melanoma Skin Cancer". In 2021 IEEE Integrated STEM Education Conference (ISEC). IEEE, 2021. http://dx.doi.org/10.1109/isec52395.2021.9763999.
Texto completo da fonteGinigaddara, B., S. Perera, Y. Feng e P. Rahnamayiezekavat. "Offsite construction skills prediction: A conceptual model". In 10th World Construction Symposium. Building Economics and Management Research Unit (BEMRU), University of Moratuwa, 2022. http://dx.doi.org/10.31705/wcs.2022.52.
Texto completo da fonteBissoto, Alceu, e Sandra Avila. "Improving Skin Lesion Analysis with Generative Adversarial Networks". In Conference on Graphics, Patterns and Images. Sociedade Brasileira de Computação, 2020. http://dx.doi.org/10.5753/sibgrapi.est.2020.12986.
Texto completo da fonteDubal, Pratik, Sankirtan Bhatt, Chaitanya Joglekar e Sonali Patil. "Skin cancer detection and classification". In 2017 6th International Conference on Electrical Engineering and Informatics (ICEEI). IEEE, 2017. http://dx.doi.org/10.1109/iceei.2017.8312419.
Texto completo da fonteGouda, Niharika, e J. Amudha. "Skin Cancer Classification using ResNet". In 2020 IEEE 5th International Conference on Computing Communication and Automation (ICCCA). IEEE, 2020. http://dx.doi.org/10.1109/iccca49541.2020.9250855.
Texto completo da fonteOjha, Mritunjay Kumar, Dilrose Reji Karakattil, Akshat Devendra Sharma e Sneha Mary Bency. "Skin Disease Detection and Classification". In 2022 IEEE India Council International Subsections Conference (INDISCON). IEEE, 2022. http://dx.doi.org/10.1109/indiscon54605.2022.9862834.
Texto completo da fonteChen, Wei, Mohsen Ardabilian, Abdelmalek Zine e Hassan Zahouani. "Reflectance spectra based skin and non-skin classification". In 2015 IEEE International Conference on Image Processing (ICIP). IEEE, 2015. http://dx.doi.org/10.1109/icip.2015.7350900.
Texto completo da fonteYoon, Sangho, Michael Harville, Harlyn Baker e Nina Bhatii. "Automatic Skin Pixel Selection and Skin Color Classification". In 2006 International Conference on Image Processing. IEEE, 2006. http://dx.doi.org/10.1109/icip.2006.312630.
Texto completo da fonteGuo, Jiexin, e Prahlad G. Menon. "Feature Based Classification of Melanoma From Skin Images". In ASME 2015 International Mechanical Engineering Congress and Exposition. American Society of Mechanical Engineers, 2015. http://dx.doi.org/10.1115/imece2015-50055.
Texto completo da fonteRelatórios de organizações sobre o assunto "Skinks Classification"
Sheehan, Kathleen, Kikumi Tatsuoka e Charles Lewis. A Diagnostic Classification Model for Document Processing Skills. Fort Belvoir, VA: Defense Technical Information Center, outubro de 1993. http://dx.doi.org/10.21236/ada273790.
Texto completo da fonteAltamirano, Álvaro, e Nicole Amaral. A Skills Taxonomy for LAC: Lessons Learned and a Roadmap for Future Users. Inter-American Development Bank, novembro de 2020. http://dx.doi.org/10.18235/0002898.
Texto completo da fonteEvans, Julie, Kendra Sikes e Jamie Ratchford. Vegetation classification at Lake Mead National Recreation Area, Mojave National Preserve, Castle Mountains National Monument, and Death Valley National Park: Final report (Revised with Cost Estimate). National Park Service, outubro de 2020. http://dx.doi.org/10.36967/nrr-2279201.
Texto completo da fonteNechypurenko, Pavlo, Tetiana Selivanova e Maryna Chernova. Using the Cloud-Oriented Virtual Chemical Laboratory VLab in Teaching the Solution of Experimental Problems in Chemistry of 9th Grade Students. [б. в.], junho de 2019. http://dx.doi.org/10.31812/123456789/3175.
Texto completo da fonteKumar, Indraneel, Lionel Beaulieu, Annie Cruz-Porter, Chun Song, Benjamin St. Germain e Andrey Zhalnin. An Assessment of the Workforce and Occupations in the Highway, Street, and Bridge Construction Industries in Indiana. Purdue University, 2020. http://dx.doi.org/10.5703/1288284315018.
Texto completo da fonteKiianovska, N. M. The development of theory and methods of using cloud-based information and communication technologies in teaching mathematics of engineering students in the United States. Видавничий центр ДВНЗ «Криворізький національний університет», dezembro de 2014. http://dx.doi.org/10.31812/0564/1094.
Texto completo da fonte