Applied Problems

Выпуск Название Файл
Том 29, № 4 (2019) A Lightweight Network Based on Pyramid Residual Module for Human Pose Estimation PDF
(Eng)
Gao B., Ma K., Bi H., Wang L.
Том 29, № 4 (2019) Surface Classification of Damaged Concrete Using Deep Convolutional Neural Network PDF
(Eng)
Hung P., Su N., Diep V.
Том 29, № 4 (2019) A Method for Predicting Rare Events by Multidimensional Time Series with the Use of Collective Methods PDF
(Eng)
Zhuravlev Y., Sen’ko O., Bondarenko N., Ryazanov V., Dokukin A., Vinogradov A.
Том 29, № 4 (2019) Estimation of Blood Flow Velocity in Coronary Arteries Based on the Movement of Radiopaque Agent PDF
(Eng)
Sokolov S., Volchkov S., Bessonov I., Chestukhin V., Kurlyandskaya G., Blyakhman F.
Том 29, № 4 (2019) Segmentation and Feature Extraction of Endoscopic Images for Making Diagnosis of Acute Appendicitis PDF
(Eng)
Ye S., Nedzvedz A., Ye F., Ablameyko S.
Том 29, № 4 (2019) Using the K-Nearest Neighbors Algorithm for Automated Detection of Myocardial Infarction by Electrocardiogram Data Entries PDF
(Eng)
Savostin A., Ritter D., Savostina G.
Том 29, № 4 (2019) Strong-Structural Convolution Neural Network for Semantic Segmentation PDF
(Eng)
Ouyang Y.
Том 29, № 4 (2019) An Efficient Human Activity Recognition Technique Based on Deep Learning PDF
(Eng)
Khelalef A., Ababsa F., Benoudjit N.
Том 29, № 4 (2019) Application of Graphic and Image Technology in Strong Convective Weather Monitoring and Early-Warning System PDF
(Eng)
Jiao F., Huang T.
Том 29, № 4 (2019) An Effective Feature Descriptor with Gabor Filter and Uniform Local Binary Pattern Transcoding for Iris Recognition PDF
(Eng)
Huo G., Guo H., Zhang Y., Zhang Q., Li W., Li B.
Том 29, № 3 (2019) A Noninvasive Computerized Technique to Detect Anemia Using Images of Eye Conjunctiva PDF
(Eng)
Bauskar S., Jain P., Gyanchandani M.
Том 29, № 3 (2019) A Fast Action Recognition Strategy Based on Motion Trajectory Occurrences PDF
(Eng)
Garzón G., Martínez F.
Том 29, № 3 (2019) About methods of Synthesis Complete Regression Decision Trees PDF
(Eng)
Genrikhov I., Djukova E.
Том 29, № 3 (2019) Application of Particle Filter Algorithm Based on Gaussian Clustering in Dynamic Target Tracking PDF
(Eng)
Yang K., Wang J., Shen Z., Pan Z., Yu W.
Том 29, № 3 (2019) Application of Quantum-Clustering on Thermograms of WiFi Circuits in Different Operation Modes PDF
(Eng)
Yassin N., Farouk M.
Том 29, № 3 (2019) Detection and Restoration of Image from Multi-Color Fence Occlusions PDF
(Eng)
Varalakshmamma M., Venkateswarlu T.
Том 29, № 3 (2019) An Automatic Detection of Blood Vessel in Retinal Images Using Convolution Neural Network for Diabetic Retinopathy Detection PDF
(Eng)
Raja C., Balaji L.
Том 29, № 3 (2019) Predictive Diagnosis of Glaucoma Based on Analysis of Focal Notching along the Neuro-Retinal Rim Using Machine Learning PDF
(Eng)
Mukherjee R., Kundu S., Dutta K., Sen A., Majumdar S.
Том 29, № 3 (2019) Vision Based Approach for Adaptive Parking Lots Occupancy Estimation PDF
(Eng)
Masmoudi I., Wali A.
Том 29, № 3 (2019) Detection and Removal of Foreground Objects in Spherical Images for the Synthesis of Photorealistic Intermediate Images PDF
(Eng)
Gorbachev V., Osokin I.
Том 29, № 3 (2019) A Combination of Global and Local Features for Brain White Matter Lesion Classification PDF
(Eng)
Khatabi A., Cherif W.
Том 29, № 3 (2019) Construction of a Class of Logistic Chaotic Measurement Matrices for Compressed Sensing PDF
(Eng)
Kong X., Bi H., Lu D., Li N.
Том 29, № 3 (2019) A Computational Approach to Pertinent Feature Extraction for Diagnosis of Melanoma Skin Lesion PDF
(Eng)
Majumder S., Ullah M.
Том 29, № 2 (2019) A New Algorithm for Locating and Extracting Minutiae from Fingerprint Images PDF
(Eng)
Al-Refoa A., Alshraideh M., Sharieh A.
Том 29, № 2 (2019) A Quasi-Isometric Embedding Algorithm PDF
(Eng)
Dreisigmeyer D.
1 - 25 из 185 результатов 1 2 3 4 5 6 7 8 > >> 

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».