ISSN:
eISSN:
Dyscypliny:
- informatyka techniczna i telekomunikacja (Dziedzina nauk inżynieryjno-technicznych)
- inżynieria bezpieczeństwa (Dziedzina nauk inżynieryjno-technicznych)
- inżynieria biomedyczna (Dziedzina nauk inżynieryjno-technicznych)
- inżynieria mechaniczna (Dziedzina nauk inżynieryjno-technicznych)
- nauki o zarządzaniu i jakości (Dziedzina nauk społecznych)
- stosunki międzynarodowe (Dziedzina nauk społecznych)
Punkty Ministerialne: Pomoc
Rok | Punkty | Lista |
---|---|---|
Rok 2024 | 40 | Ministerialna lista czasopism punktowanych 2024 |
Rok | Punkty | Lista |
---|---|---|
2024 | 40 | Ministerialna lista czasopism punktowanych 2024 |
2023 | 40 | Lista ministerialna czasopism punktowanych 2023 |
2022 | 40 | Lista ministerialna czasopism punktowanych (2019-2022) |
2021 | 40 | Lista ministerialna czasopism punktowanych (2019-2022) |
2020 | 40 | Lista ministerialna czasopism punktowanych (2019-2022) |
2019 | 40 | Lista ministerialna czasopism punktowanych (2019-2022) |
Model czasopisma:
Punkty CiteScore:
Rok | Punkty |
---|---|
Rok 2023 | 2.5 |
Rok | Punkty |
---|---|
2023 | 2.5 |
2022 | 2.4 |
2021 | 1.2 |
2020 | 1.2 |
2019 | 1.2 |
2018 | 0.9 |
2017 | 0.5 |
2016 | 0.4 |
2015 | 0.1 |
Impact Factor:
Prace opublikowane w tym czasopiśmie
Filtry
wszystkich: 2
Katalog Czasopism
Rok 2020
-
Benchmarking Deep Neural Network Training Using Multi- and Many-Core Processors
PublikacjaIn the paper we provide thorough benchmarking of deep neural network (DNN) training on modern multi- and many-core Intel processors in order to assess performance differences for various deep learning as well as parallel computing parameters. We present performance of DNN training for Alexnet, Googlenet, Googlenet_v2 as well as Resnet_50 for various engines used by the deep learning framework, for various batch sizes. Furthermore,...
-
Collaborative Data Acquisition and Learning Support
PublikacjaWith the constant development of neural networks, traditional algorithms relying on data structures lose their significance as more and more solutions are using AI rather than traditional algorithms. This in turn requires a lot of correctly annotated and informative data samples. In this paper, we propose a crowdsourcing based approach for data acquisition and tagging with support for Active Learning where the system acts as an...
wyświetlono 616 razy