Поиск

Выпуск
Название
Авторы
Том 29, № 3 (2019)
A Clustering Based Classification Approach Based on Modified Cuckoo Search Algorithm
Dhal K., Das A., Ray S., Das S.
PDF
(Eng)
Том 28, № 2 (2018)
Epileptiform Activity Detection and Classification Algorithms of Rats with Post-traumatic Epilepsy
Obukhov K., Kersher I., Komoltsev I., Obukhov Y.
PDF
(Eng)
Том 27, № 3 (2017)
Texture classification using partial differential equation approach and wavelet transform
Hiremath P., Bhusnurmath R.
PDF
(Eng)
Том 26, № 4 (2016)
Semi-supervised classification using multiple clusterings
Yu G., Feng L., Yao G., Wang J.
PDF
(Eng)
Том 26, № 2 (2016)
Reduction based similarity learning for high dimensional problems
Iofina G., Maximov Y.
PDF
(Eng)
Том 29, № 2 (2019)
Effect on the Performance of a Support Vector Machine Based Machine Vision System with Dry and Wet Ore Sample Images in Classification and Grade Prediction
Patel A., Chatterjee S., Gorai A.
PDF
(Eng)
Том 28, № 2 (2018)
An Obstacle Detection Method for Visually Impaired Persons by Ground Plane Removal Using Speeded-Up Robust Features and Gray Level Co-Occurrence Matrix
Jindal A., Aggarwal N., Gupta S.
PDF
(Eng)
Том 27, № 3 (2017)
Vicinal support vector classifier: A novel approach for robust classification based on SKDA
Ngadi M., Amine A., Hachimi H., El-Attar A.
PDF
(Eng)
Том 26, № 4 (2016)
Tight risk bounds for multi-class margin classifiers
Maximov Y., Reshetova D.
PDF
(Eng)
Том 26, № 2 (2016)
On metric spaces arising during formalization of recognition and classification problems. Part 1: Properties of compactness
Torshin I., Rudakov K.
PDF
(Eng)
Том 29, № 4 (2019)
Using the K-Nearest Neighbors Algorithm for Automated Detection of Myocardial Infarction by Electrocardiogram Data Entries
Savostin A., Ritter D., Savostina G.
PDF
(Eng)
Том 29, № 1 (2019)
Dimensionality Reduction of Hyperspectral Images Using Pooling
Paul A., Chaki N.
PDF
(Eng)
Том 28, № 1 (2018)
Traffic Sign Classification with a Convolutional Network
Staravoitau A.
PDF
(Eng)
Том 27, № 2 (2017)
A method for recognizing changes in stomach mucosal microstructure by video endoscopy
Kadushnikov R., Mizgulin V., Kulagina O., Fedorov E., Starodubov D., Studenok S., Erendzhenova K., Kamenin I., Davi Y.
PDF
(Eng)
Том 26, № 3 (2016)
Methods for discrete analysis of medical data on the basis of recognition theory and some of their applications
Zhuravlev Y., Nazarenko G., Vinogradov A., Dokukin A., Katerinochkina N., Kleimenova E., Konstantinova M., Ryazanov V., Sen’ko O., Cherkashov A.
PDF
(Eng)
Том 26, № 2 (2016)
Optimisation of multiclass supervised classification based on using output codes with error-correcting
Ryazanov V.
PDF
(Eng)
Том 29, № 4 (2019)
An Efficient Human Activity Recognition Technique Based on Deep Learning
Khelalef A., Ababsa F., Benoudjit N.
PDF
(Eng)
Том 29, № 1 (2019)
An Intelligent Information Technology for Symbol-Extraction from Weakly Formalized Graphic Documents
Vasin Y., Vasin D.
PDF
(Eng)
Том 28, № 1 (2018)
A Coarse-to-Fine Strategy for Vehicle Logo Recognition from Frontal-View Car Images
Sotheeswaran S., Ramanan A.
PDF
(Eng)
Том 27, № 2 (2017)
Combinatorial analysis of the solvability properties of the problems of recognition and completeness of algorithmic models. Part 2: Metric approach within the framework of the theory of classification of feature values
Torshin I., Rudakov K.
PDF
(Eng)
Том 26, № 3 (2016)
Signal classification and software–hardware implementation of digital filter banks based on field-programmable gate arrays and compute unified device architecture
Kaplun D., Klionskiy D., Gulvanskiy V., Voznesenskiy A., Golubkov A., Geppener V., Kupriyanov M.
PDF
(Eng)
Том 26, № 1 (2016)
Solving problems of clustering and classification of cancer diseases based on DNA methylation data
Polovinkin A., Krylov I., Druzhkov P., Ivanchenko M., Meyerov I., Zaikin A., Zolotykh N.
PDF
(Eng)
Том 29, № 4 (2019)
Surface Classification of Damaged Concrete Using Deep Convolutional Neural Network
Hung P., Su N., Diep V.
PDF
(Eng)
Том 28, № 4 (2018)
An Adaptive Entropy Based Scale Invariant Face Recognition Face Altered by Plastic Surgery
Sable A., Talbar S.
PDF
(Eng)
Том 28, № 1 (2018)
Empirical Mode Decomposition for Signal Preprocessing and Classification of Intrinsic Mode Functions
Klionskiy D., Kaplun D., Geppener V.
PDF
(Eng)
1 - 25 из 44 результатов 1 2 > >> 
Подсказки:
  • Ключевые слова чувствительны к регистру
  • Английские предлоги и союзы игнорируются
  • По умолчанию поиск проводится по всем ключевым словам (агенс AND экспериенцер)
  • Используйте OR для поиска того или иного термина, напр. образование OR обучение
  • Используйте скобки для создания сложных фраз, напр. архив ((журналов OR конференций) NOT диссертаций)
  • Для поиска точной фразы используйте кавычки, напр. "научные исследования"
  • Исключайте слово при помощи знака - (дефис) или оператора NOT; напр. конкурс -красоты или же конкурс NOT красоты
  • Используйте * в качестве версификатора, напр. научн* охватит слова "научный", "научные" и т.д.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».