Wyniki wyszukiwania dla: asymmetric network - MOST Wiedzy

Wyszukiwarka

Wyniki wyszukiwania dla: asymmetric network

Najlepsze wyniki w katalogu: Potencjał Badawczy Pokaż wszystkie wyniki (28)

Wyniki wyszukiwania dla: asymmetric network

  • Zespół Sieci Teleinformacyjnych

    Potencjał Badawczy

    Dzisiejsza telekomunikacja przechodzi bardzo szybkie i radykalne zmiany wynikające nie tylko z szybkiego postępu technologicznego ale też z potrzeb społeczeństwa informacyjnego. Informacja stała się dobrem, które ma istotny wpływ na kierunek i szybkość zmian kulturowych i materialnych w globalizującym się świecie. Zatem wyzwania, jakie stoją przed telekomunikacją, a tym samym wobec każdego, kto zajmuje się i planuje działać w tym...

  • Zespół Inżynierii Mikrofalowej i Antenowej

    Specjalność badawcza KIMiA wiąże się z techniką b.w.cz. i dotyczy zakresu częstotliwości od setek megaherców do kilkudziesięciu gigaherców. Przedmiotem badań teoretycznych (analiza, synteza, symulacja i modelowanie komputerowe,) oraz eksperymentalnych są elementy (prowadnice, sprzęgacze, rozgałęzienia) oraz układy pasywne (cyrkulatory, przesuwniki fazy, obciążenia, tłumiki) i aktywne (wzmacniacze, mieszacze, powielacze, modulatory),...

  • Zespół Katedry Zarządzania w Budownictwie i Inżynierii Sejsmicznej

    Potencjał Badawczy

    Katedra Zarządzania w Budownictwie i Inżynierii Sejsmicznej jest kontynuatorem tradycji Katedry Ekonomiki Budownictwa, powołanej na Politechnice Gdańskiej w 1965 r. W 1974 r. powstała pierwsza w Polsce specjalność Organizacja i Zarządzanie w Budownictwie, która nieprzerwanie od tego czasu prowadzona jest przez pracowników katedry. W swojej długiej historii, katedra podlegała licznym przekształceniom organizacyjnym, kilkakrotnie...

Najlepsze wyniki w katalogu: Oferta Biznesowa Pokaż wszystkie wyniki (3)

Wyniki wyszukiwania dla: asymmetric network

Pozostałe wyniki Pokaż wszystkie wyniki (96)

Wyniki wyszukiwania dla: asymmetric network

  • Neural network training with limited precision and asymmetric exponent

    Publikacja

    Along with an extremely increasing number of mobile devices, sensors and other smart utilities, an unprecedented growth of data can be observed in today’s world. In order to address multiple challenges facing the big data domain, machine learning techniques are often leveraged for data analysis, filtering and classification. Wide usage of artificial intelligence with large amounts of data creates growing demand not only for storage...

    Pełny tekst do pobrania w portalu

  • Time Synchronization between the eNBs in E-UTRAN under the Asymmetric IP Network

    Publikacja

    - Rok 2019

    In this paper, we present a method for a time synchronization between the two eNodeBs (eNBs) in E-UTRAN (Evolved Universal Terrestrial Radio Access) network. The...

    Pełny tekst do pobrania w serwisie zewnętrznym

  • Towards a classification of networks with asymmetric inputs

    Publikacja

    - NONLINEARITY - Rok 2021

    Coupled cell systems associated with a coupled cell network are determined by (smooth) vector fields that are consistent with the network structure. Here, we follow the formalisms of Stewart et al (2003 SIAM J. Appl. Dyn. Syst. 2, 609–646), Golubitsky et al (2005 SIAM J. Appl. Dyn. Syst. 4, 78–100) and Field (2004 Dyn. Syst. 19, 217–243). It is known that two non-isomorphic n-cell coupled networks can determine the same sets of...

    Pełny tekst do pobrania w portalu

  • Call Processing Performance in a Multidomain IMS/NGN with Asymmetric Traffic

    Publikacja

    - Rok 2014

    In this paper we continue our research using the previously proposed analytical traffic model of a multidomain Next Generation Network (NGN), which is standardized for delivering multimedia services based on the IP Multimedia Subsystem (IMS). The aim of the model is to assess mean Call Set-up Delay (CSD) and mean Call Disengagement Delay (CDD), which are standardized call processing performance parameters. The output variables...

  • Resource constrained neural network training

    Publikacja

    Modern applications of neural-network-based AI solutions tend to move from datacenter backends to low-power edge devices. Environmental, computational, and power constraints are inevitable consequences of such a shift. Limiting the bit count of neural network parameters proved to be a valid technique for speeding up and increasing efficiency of the inference process. Hence, it is understandable that a similar approach is gaining...

    Pełny tekst do pobrania w portalu