OU Portal
  • Log In

  • Welcome
  • Applicants
Z6_60GI02O0O8IDC0QEJUJ26TJDI4
{}

Pomocí tohoto dialogu můžete vyhledat domácí autory, čili autory, kteří jsou vedeni v personálních systémech Ostravské univerzity.

Do našeptávače níže napište hledaný text a tento text bude vyhledán ve jméně nebo příjmení autora. Autoři, kteří budou hledanému textu odpovídat, Vám budou nabídnuti v seznamu. Pomocí myši nebo šipek na klávesnici vyberte požadovaného autora.

Našeptávač : 
Přidat autora k záznamu Zavřít

Pomocí tohoto dialogu můžete k záznamu přidat cizího autora, čili autora, který nemá žádný pracovní ani studijní vztah k Ostravské univerzitě. Takto přidaný autor bude do RIV vykázán jako nedomácí.

Pro přidání autora vepište jeho jméno a příjmení do určených položek.

Jméno :
Příjmení :
Přidat k záznamu Zavřít
Zavřít
Publikační činnost


preloading...   Probíhá načítání, čekejte prosím...
publicationId :
tempRecordId :
actionDispatchIndex :
navigationBranch :
pageMode :
tabSelected :
isRivValid :
Typ záznamu * : prezentace (kongresy, sympózia, konference, workshopy)
Domácí pracoviště * : Katedra informatiky a počítačů (31400)
Název * : Convolutional neural networks
Citace : Molek, V. Convolutional neural networks. In: VŘSR. Křtiny. 2015.
Podnázev :
Rok : 2015
Obor : Informatika
Místo konání : Křtiny
Stát konání akce :
Název akce : VŘSR
Datum od :
Datum do :
Druh prezentace : Přednáška
Instituce :
Klíčová slova anglicky :
convolutinal neural networks, introduction, LeNet5, image classification, MNIST, Caffe
Popis v původním jazyce :
Introduction to convolutional neural networks and image classification. Brief description of the well known network LeNet5 and data set MNIST. Demonstration of the LeNet5 in framework Caffe.
Popis v anglickém jazyce :
Typ zdroje financování výsledku :
Seznam projektů :
ID Projektu Název projektu
Seznam ohlasů : 
Ohlas
R01:

© 2019 Centre for Information Technology

  • Technická podpora :
  • Mgr. Olga Blahutová (phone: +420 597 091 129, phone flap for UO: 1129)
  • Ing. Lucie Svitaneková (phone: +420 597 091 108, phone flap for UO: 1108)
Complementary Content
  • ${title}${badge}
${loading}