Fred / Sansone / Gusikhin | Deep Learning Theory and Applications | E-Book | sack.de
E-Book

E-Book, Englisch, Band 1858, 121 Seiten, eBook

Reihe: Communications in Computer and Information Science

Fred / Sansone / Gusikhin Deep Learning Theory and Applications

Third International Conference, DeLTA 2022, Lisbon, Portugal, July 12–14, 2022, Revised Selected Papers
1. Auflage 2023
ISBN: 978-3-031-37317-6
Verlag: Springer International Publishing
Format: PDF
 Kopierschutz: 1 - PDF Watermark

Third International Conference, DeLTA 2022, Lisbon, Portugal, July 12–14, 2022, Revised Selected Papers

E-Book, Englisch, Band 1858, 121 Seiten, eBook

Reihe: Communications in Computer and Information Science

ISBN: 978-3-031-37317-6
Verlag: Springer International Publishing
Format: PDF
 Kopierschutz: 1 - PDF Watermark

This book constitutes the refereed post-conference proceedings of the Third International Conference on Deep Learning Theory and Applications, DeLTA 2022, held in Lisbon, Portugal, during January 17-18, 2022. The 6 full papers included in this book were carefully reviewed and selected from 36 submissions. They present recent research on machine learning and artificial intelligence in real-world applications such as computer vision, information retrieval and summarization from structured and unstructured multimodal data sources, natural language understanding and translation, and many other application domains.
Fred / Sansone / Gusikhin Deep Learning Theory and Applications jetzt bestellen!

Zielgruppe

Research

Autoren/Hrsg.

Fred, Ana
Sansone, Carlo
Gusikhin, Oleg
Madani, Kurosh

Weitere Infos & Material

Modified SkipGram Negative Sampling Model for Faster Convergence of Graph Embedding.- Active Collection of Well-being and Health Data in Mobile Devices.- Reliable Classification of Images by Calculating Their Credibility using a Layer-wise Activation Cluster Analysis of CNNs.- Trac Sign Repositories: Bridging the Gap between Real and Synthetic Data.- Convolutional Neural Networks for Structural Damage Localization on Digital Twins.- Evaluating and Improving RoSELS for Road Surface Extraction from 3D Automotive LiDAR Point Cloud Sequences.

Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.