Találati lista | Tudóstér

001-es BibID:	BIBFORM104895
035-os BibID:	(Scopus)85140973619
Első szerző:	Mudhafar, Yousif (mérnökinformatikus)
Cím:	Neural Network Based Comparison of Real and Synthetic Data Series in TeraHertz Domain / Yousif Mudhafar, Djamila Talbi, Zoltan Gal
Dátum:	2022
Megjegyzések:	Extension of real data by synthetic data becomes more important aspect of the virtualization technics today. In this paper we demonstrate how synthetic data generated from real data can be used in the supervised classification process of three different recurrent neural networks: Long-Short Term Memory (LSTM), Bidirectional LSTM (BiLSTM) and Gated Recurrent Unit (GRU). Other aspect is presented concerning the influence of the noise to the classification of real and synthetic data series. The paper demonstrates that LSTM network has better classification performance than GRU, even the last one has higher accuracy during the training. Synthetic data can eternalize just part of the features of the original real data and extraction efficiency of these characteristics depend on the applied neural network.
ISBN:	9781665496537 9781665496520
Tárgyszavak:	Műszaki tudományok Informatikai tudományok előadáskivonat könyvrészlet TeraHertz communication synthetic data Gaussian white noise recurrent neural network Long-Short Term Memory Gated Recurrent Unit
Megjelenés:	2022 IEEE 2nd Conference on Information Technology and Data Science (CITDS) / ed. Fazekas István. - p. 152-156. -
További szerzők:	Talbi, Djamila (1999-) (mérnök informatikus) Gál Zoltán (1966-) (informatikus)
Pályázati támogatás:	TKP2021-NKTA Egyéb
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: