Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki BIBLIOTEKA UCZELNIANA PANS W PRZEMYŚLU  Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaBIBLIOTEKA UCZELNIANA PANS W PRZEMYŚLU 

Wyszukujesz frazę "Long Short-Term Memory" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-10 z 13
Tytuł:
A novel method of health indicator construction and remaining useful life prediction based on deep learning
Autorzy:
Zhan, Xianbiao
Liu, Zixuan
Yan, Hao
Wu, Zhenghao
Guo, Chiming
Jia, Xisheng
Tematy:
stacked sparse autoencoder
health indicator
long short-term memory network
remaining useful life prediction
Pokaż więcej
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Dostawca treści:
Biblioteka Nauki
Artykuł
Szczegóły
Tytuł:
Forecasting future values of time series using the lstm network on the example of currencies and WIG20 companies
Prognozowanie przyszłych wartości szeregów czasowych z wykorzystaniem sieci lstm na przykładzie kursów walut i spółek WIG20
Autorzy:
Mróz, Bartosz
Nowicki, Filip
Tematy:
recurrent neural network
RNN
gated recurrent unit
GRU
long short-term memory
LSTM
rekurencyjna sieć neuronowa
blok rekurencyjny
pamięć długookresowa
Pokaż więcej
Data publikacji:
2020
Wydawca:
Politechnika Bydgoska im. Jana i Jędrzeja Śniadeckich. Wydawnictwo PB
Dostawca treści:
Biblioteka Nauki
Artykuł
Szczegóły
Tytuł:
Tool wear condition monitoring in milling process based on data fusion enhanced long short-term memory network under different cutting conditions
Autorzy:
Zheng, Guoxiao
Sun, Weifang
Zhang, Hao
Zhou, Yuqing
Gao, Chen
Tematy:
tool wear condition monitoring
empirical mode decomposition
variational mode decomposition
fourier synchro squeezed transform
neighborhood component analysis
long short-term memory network
Pokaż więcej
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Dostawca treści:
Biblioteka Nauki
Artykuł
Szczegóły
Tytuł:
Analysis and Forecasting of the Primary Energy Consumption in Poland Using Deep Learning
Analiza i prognozowanie zużycia energii pierwotnej w Polsce z wykorzystaniem technik głębokiego uczenia
Autorzy:
Manowska, Anna
Tematy:
primary energy consumption
deep learning methods
long short-term memory
deep neural network
konsumpcja energii pierwotnej
metody głębokiego uczenia
sztuczne sieci neuronowe
LSTM
Pokaż więcej
Data publikacji:
2020
Wydawca:
Polskie Towarzystwo Przeróbki Kopalin
Dostawca treści:
Biblioteka Nauki
Artykuł
Szczegóły
Tytuł:
An optimized parallel implementation of non-iteratively trained recurrent neural networks
Autorzy:
El Zini, Julia
Rizk, Yara
Awad, Mariette
Tematy:
GPU implementation
parallelization
Recurrent Neural Network
RNN
Long-short Term Memory
LSTM
Gated Recurrent Unit
GRU
Extreme Learning Machines
ELM
non-iterative training
Pokaż więcej
Data publikacji:
2021
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Dostawca treści:
Biblioteka Nauki
Artykuł
Szczegóły
Tytuł:
A deep hybrid model for human-computer interaction using dynamic hand gesture recognition
Autorzy:
Ramalingam, Brindha
Angappan, Geetha
Tematy:
dynamic hand gesture
human-computer interaction
long short-term memory
convolutional neural network
dynamiczny gest ręki
interakcja człowiek-komputer
pamięć krótkotrwała
konwolucyjna sieć neuronowa
Pokaż więcej
Data publikacji:
2023
Wydawca:
Instytut Podstawowych Problemów Techniki PAN
Dostawca treści:
Biblioteka Nauki
Artykuł
Szczegóły
Wyświetlanie 1-10 z 13

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies