Отрывок: 18) 𝑟𝑀𝑆𝐸𝑡 = 𝑡−1 𝑡 𝑟𝑀𝑆𝐸𝑡−1 + (𝑦𝑡−?̅?𝑡) 2 𝑡 , (3.19) где 𝑦𝑖 – исходное значение сигнала, ?̅?𝑖 – отфильтрованное значение сигнала, cMSE – кумулятивная среднеквадратичная ошибка, rMSE – рекурсивная среднеквадратичная ошибка. Кумулятивная среднеквадратичная ошибка использует все данные, полученные к текущему моменту времени, чтобы обновить значение, в отличие от рекурсивной. Стоит отметить, что низкое значение rMSE свидетельствует о более низком высокочастотном заг...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Давыдов Н. С. | ru |
dc.contributor.author | Министерство науки и высшего образования Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) | ru |
dc.contributor.author | Институт систем обработки изображений РАН - Филиал Федерального научно-исследовательского центра "Кристаллография и фотоника" Российской академии наук | ru |
dc.coverage.spatial | диссертации | ru |
dc.coverage.spatial | биомедицинские изображения | ru |
dc.coverage.spatial | искусственный интеллект (ИИ) | ru |
dc.coverage.spatial | магнитно-резонансная томография (МРТ) | ru |
dc.coverage.spatial | машинное обучение | ru |
dc.coverage.spatial | нейросетевые модели | ru |
dc.coverage.spatial | функциональная МРТ (фМРТ) | ru |
dc.creator | Давыдов Н. С. | ru |
dc.date.issued | 2023 | ru |
dc.identifier | RU\НТБ СГАУ\538844 | ru |
dc.identifier.citation | Давыдов, Н. С. Анализ одного класса последовательностей биомедицинских изображений с доменной адаптацией нейросетевых моделей и обучением на основе условно-реальных данных : дис. .. канд. техн. наук : 1.2.1 / Давыдов Никита Сергеевич ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т) ,Ин-т систем обработки изображений РАН - Фил. Федер. науч.-исслед. - Самаpа, 2023. - 1 файл (3,52 Мб). - Текст : электронный | ru |
dc.title | Анализ одного класса последовательностей биомедицинских изображений с доменной адаптацией нейросетевых моделей и обучением на основе условно-реальных данных | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 28.23 | ru |
dc.subject.udc | 004.032.26(043.3) | ru |
dc.subject.udc | 004.8(043.3) | ru |
dc.subject.udc | Дис | ru |
dc.textpart | 18) 𝑟𝑀𝑆𝐸𝑡 = 𝑡−1 𝑡 𝑟𝑀𝑆𝐸𝑡−1 + (𝑦𝑡−?̅?𝑡) 2 𝑡 , (3.19) где 𝑦𝑖 – исходное значение сигнала, ?̅?𝑖 – отфильтрованное значение сигнала, cMSE – кумулятивная среднеквадратичная ошибка, rMSE – рекурсивная среднеквадратичная ошибка. Кумулятивная среднеквадратичная ошибка использует все данные, полученные к текущему моменту времени, чтобы обновить значение, в отличие от рекурсивной. Стоит отметить, что низкое значение rMSE свидетельствует о более низком высокочастотном заг... | - |
Располагается в коллекциях: | Диссертации (Закрыто) |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Давыдов Н.С. Анализ одного класса последовательностей 2023.pdf | 3.56 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.