1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Матеріали конференцій, семінарів, читань
  3. 2021
  4. IX науково-технічна конференція „Інформаційні моделі, системи та технології“ (2021)
霂瑞霂��撘����迨��辣: http://elartu.tntu.edu.ua/handle/lib/37587

摰����漯敶�
DC �������霂剛��
dc.contributor.authorБоднар, Р.
dc.contributor.authorКормило, І.
dc.contributor.authorЗадолинний, О.
dc.contributor.authorМаєвський, Т.
dc.contributor.authorBodnar, R.
dc.contributor.authorKormylo, I.
dc.contributor.authorZadolynnyi, O.
dc.contributor.authorMaievskyi, T.
dc.coverage.temporal08-09 грудня 2021 року
dc.coverage.temporal08-09 December 2021
dc.date.accessioned2022-03-23T22:38:59Z-
dc.date.available2022-03-23T22:38:59Z-
dc.date.created21-12-08
dc.date.issued21-12-08
dc.identifier.citationЗгорткові нейронні мережі для опрацювання даних в умовах пандемії / Р. Боднар, І. Кормило, О. Задолинний, Т. Маєвський // Матеріали Ⅸ науково-технічної конференції „Інформаційні моделі, системи та технології“, 08-09 грудня 2021 року. — Т. : ТНТУ, 2021. — С. 31–32. — (Інформаційні системи та технології, кібербезпека).
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/37587-
dc.format.extent31-32
dc.language.isouk
dc.publisherТНТУ
dc.publisherTNTU
dc.relation.ispartofМатеріали Ⅸ науково-технічної конференції „Інформаційні моделі, системи та технології“, 2021
dc.relation.ispartofProceedings of the scientific and technical conference "Information models, systems and technologies", 2021
dc.relation.urihttps://www.worldometers.info/coronavirus/
dc.subjectдані
dc.subjectопрацювання
dc.subjectнейронна мережа
dc.subjectпандемія
dc.subjectdata
dc.subjectprocessing
dc.subjectneural network
dc.subjectpandemic
dc.titleЗгорткові нейронні мережі для опрацювання даних в умовах пандемії
dc.title.alternativeConvolutional neural networks for data processing in a pandemic condition
dc.typeConference Abstract
dc.rights.holder© Тернопільський національний технічний університет імені Івана Пулюя, 2021
dc.coverage.placenameТернопіль
dc.coverage.placenameTernopil
dc.format.pages2
dc.subject.udc004.8
dc.relation.references1. Guo Y.R., Cao Q.D., Hong Z.S., et al. The origin, transmission and clinical therapies on corona virus disease 2019 (COVID-19) outbreak–an update on the status. Mil Med Res. 2020;7(1):1-10.
dc.relation.references2. Worldometer. COVID-19 CORONAVIRUS PANDEMIC. Coronavirus Cases. https://www.worldometers.info/coronavirus/.
dc.relation.references3. Hall L.O., Paul R., Goldgof D.B., Goldgof G.M. Finding COVID-19 from chest X-Rays using deep learning on a small dataset. arXiv preprint arXiv:2004.02060; 2020.
dc.relation.references4. Zhang J., Xie Y., Li Y., Shen C., Xia Y.. COVID-19 screening on chest X-Ray images using deep learning based anomaly detection. arXiv preprint arXiv:2003.12338; 2020.
dc.relation.references5. Ucar F., Korkmaz D. COVIDiagnosis-net: deep BayesSqueezeNet based diagnostic of the corona virus disease 2019 (COVID-19) from X-ray images. Med Hypotheses. 2020;140 (2020):1–12.
dc.relation.references6. Khalifa N.E.M., Taha M.H.N., Hassanien A.E., Elghamrawy S.. Detection of corona virus (COVID-19) associated pneumonia based on generative adversarial networks and a fine-tuned deep transfer learning model using chest X-Ray dataset. arXiv preprint arXiv:2004.01184; 2020.
dc.relation.references7. 7) Salman F.M., Abu-Naser SS, Alajrami E, Abu-Nasser BS, Alashqar BA, COVID-19 Detection Using Artificial Intelligence; United States: The DSpace Institutional Digital Repository System; 2020.
dc.relation.references8. Bassi P.R., Attux R. A deep convolutional neural network for COVID-19 detection using chest X-rays. arXiv preprint arXiv: 2005.01578; 2020.
dc.relation.referencesen1. Guo Y.R., Cao Q.D., Hong Z.S., et al. The origin, transmission and clinical therapies on corona virus disease 2019 (COVID-19) outbreak–an update on the status. Mil Med Res. 2020;7(1):1-10.
dc.relation.referencesen2. Worldometer. COVID-19 CORONAVIRUS PANDEMIC. Coronavirus Cases. https://www.worldometers.info/coronavirus/.
dc.relation.referencesen3. Hall L.O., Paul R., Goldgof D.B., Goldgof G.M. Finding COVID-19 from chest X-Rays using deep learning on a small dataset. arXiv preprint arXiv:2004.02060; 2020.
dc.relation.referencesen4. Zhang J., Xie Y., Li Y., Shen C., Xia Y.. COVID-19 screening on chest X-Ray images using deep learning based anomaly detection. arXiv preprint arXiv:2003.12338; 2020.
dc.relation.referencesen5. Ucar F., Korkmaz D. COVIDiagnosis-net: deep BayesSqueezeNet based diagnostic of the corona virus disease 2019 (COVID-19) from X-ray images. Med Hypotheses. 2020;140 (2020):1–12.
dc.relation.referencesen6. Khalifa N.E.M., Taha M.H.N., Hassanien A.E., Elghamrawy S.. Detection of corona virus (COVID-19) associated pneumonia based on generative adversarial networks and a fine-tuned deep transfer learning model using chest X-Ray dataset. arXiv preprint arXiv:2004.01184; 2020.
dc.relation.referencesen7. 7) Salman F.M., Abu-Naser SS, Alajrami E, Abu-Nasser BS, Alashqar BA, COVID-19 Detection Using Artificial Intelligence; United States: The DSpace Institutional Digital Repository System; 2020.
dc.relation.referencesen8. Bassi P.R., Attux R. A deep convolutional neural network for COVID-19 detection using chest X-rays. arXiv preprint arXiv: 2005.01578; 2020.
dc.identifier.citationenBodnar R., Kormylo I., Zadolynnyi O., Maievskyi T. (2021) Zghortkovi neironni merezhi dlia opratsiuvannia danykh v umovakh pandemii [Convolutional neural networks for data processing in a pandemic condition]. Proceedings of the scientific and technical conference "Information models, systems and technologies" (Tern., 08-09 December 2021), pp. 31-32 [in Ukrainian].
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюя, Україна
dc.contributor.affiliationТехнічний коледж ТНТУ імені Івана Пулюя, Україна
dc.citation.journalTitleМатеріали Ⅸ науково-технічної конференції „Інформаційні моделі, системи та технології“
dc.citation.spage31
dc.citation.epage32
dc.citation.conferenceⅨ науково-технічна конференція „Інформаційні моделі, системи та технології“
�蝷箔����:IX науково-технічна конференція „Інформаційні моделі, системи та технології“ (2021)

��辣銝剔�﹝獢�:
獢�獢� ��膩 憭批���撘� 
IMST_2021_Bodnar_R-Convolutional_neural_networks_31-32.pdf554,71 kBAdobe PDF璉�閫�/撘��
IMST_2021_Bodnar_R-Convolutional_neural_networks_31-32.djvu32,9 kBDjVu璉�閫�/撘��
IMST_2021_Bodnar_R-Convolutional_neural_networks_31-32__COVER.png525,26 kBimage/png璉�閫�/撘��
�蝷箸�辣蝞���漯敶�


�DSpace銝剜�������★��������雿��.