Magyar
Toggle navigation
Tudóstér
Magyar
Tudóstér
Keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Böngészés
Saját polc tartalma
(
0
)
Korábbi keresések
CCL parancs
CCL
Összesen 2 találat.
#/oldal:
12
36
60
120
Rövid
Hosszú
MARC
Részletezés:
Rendezés:
Szerző növekvő
Szerző csökkenő
Cím növekvő
Cím csökkenő
Dátum növekvő
Dátum csökkenő
1.
001-es BibID:
BIBFORM086136
Első szerző:
Majoros Tamás (mérnök, informatikus)
Cím:
Stability study of the neural network at particle physics detectors / Tamás Majoros, Balázs Ujvári
Dátum:
2018
ISSN:
1844-9689 2343-8908
Megjegyzések:
Neural networks are used as triggers at highenergy physics detectors. These triggers can separate the event that must be saved for later analysis from the other events or noises. Using the raw data of the detector, the signal and the background can be separated offline. After separation, sets of signals and backgrounds can be used to train the neural network. A gas-filled detector (multiwire proportional chamber) was used to study the trigger at different noise levels to find the most stable neural network that tolerates the random hits. The ratio of the recognized and the unrecognized signal and background events is used for the measurement. Its stability is part of the systematical uncertainty.
Tárgyszavak:
Műszaki tudományok
Informatikai tudományok
idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:
Carpathian Journal of Electronic and Computer Engineering. - 11 : 1 (2018), p. 48-52. -
További szerzők:
Ujvári Balázs (1977-) (fizikus)
Pályázati támogatás:
EFOP-3.6.3-VEKOP-16-2017-00002
EFOP
Internet cím:
Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:
2.
001-es BibID:
BIBFORM085997
Első szerző:
Majoros Tamás (mérnök, informatikus)
Cím:
EEG data processing with neural network / Tamás Majoros, Balázs Ujvári, Stefan Oniga
Dátum:
2019
ISSN:
1844-9689 2343-8908
Megjegyzések:
Machine-learning techniques allow to extract information from electroencephalographic (EEG) recordings of brain activity. By processing the measurement results of a publicly available EEG dataset, we were able to obtain information that could be used to train a feedforward neural network to classify two types of volunteer activities with high efficiency.
Tárgyszavak:
Műszaki tudományok
Informatikai tudományok
idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:
Carpathian Journal of Electronic and Computer Engineering. - 12 : 2 (2019), p. 33-36. -
További szerzők:
Ujvári Balázs (1977-) (fizikus)
Oniga István László (1960-) (villamosmérnök)
Pályázati támogatás:
EFOP-3.6.3-VEKOP-16-2017-00002
EFOP
Internet cím:
Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:
Rekordok letöltése
1
Corvina könyvtári katalógus v8.2.27
© 2023
Monguz kft.
Minden jog fenntartva.