Поиск

Выпуск
Название
Авторы
Том 27, № 2 (2017)
Construction of an optimal collective decision in cluster analysis on the basis of an averaged co-association matrix and cluster validity indices
Berikov V.
PDF
(Eng)
Том 26, № 3 (2016)
Multilevel models for solution of multiclass recognition problems
Dokukin A., Ryazanov V., Shut O.
PDF
(Eng)
Том 26, № 1 (2016)
Synthesis of quasi-invariant controllers using pattern recognition methods
Balandin D., Kotel’nikov I., Teklina L.
PDF
(Eng)
Том 29, № 2 (2019)
Handwritten Gujarati Character Recognition Using Structural Decomposition Technique
Sharma A., Thakkar P., Adhyaru D., Zaveri T.
PDF
(Eng)
Том 28, № 4 (2018)
Relevance of a Set of Topical Texts to a Knowledge Unit and the Estimation of the Closeness of Linguistic Forms of Its Expression to a Semantic Pattern
Emelyanov G., Mikhailov D., Kozlov A.
PDF
(Eng)
Том 27, № 4 (2017)
Three dimensional radial Tchebichef moment invariants for volumetric image recognition
El Mallahi M., Zouhri A., El-Mekkaoui J., Qjidaa H.
PDF
(Eng)
Том 26, № 4 (2016)
Recognition of biomedical signals based on their spectral description data analysis
Manilo L., Nemirko A.
PDF
(Eng)
Том 26, № 2 (2016)
Speaker recognition regardless of context and language on a fixed set of competitors
Sorokin V., Leonov A., Trunov V.
PDF
(Eng)
Том 26, № 1 (2016)
Coordination of contour descriptions in the class of equivalence with the group of affine transformations
Lebedev L., Vasin Y.
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, № 2 (2019)
Building Recognition Using Gist Feature Based on Locality Sensitive Histograms of Oriented Gradients
Li B., Sun F., Zhang Y.
PDF
(Eng)
Том 28, № 4 (2018)
On Recognition of Graphs and Images
Leontiev V., Gordeev E.
PDF
(Eng)
Том 28, № 3 (2018)
High-Performance Iris Recognition for Mobile Platforms
Odinokikh G., Fartukov A., Eremeev V., Gnatyuk V., Korobkin M., Rychagov M.
PDF
(Eng)
Том 27, № 4 (2017)
An expansion of intelligent systems complex for express-diagnostics and prevention of organizational stress, depression, and deviant behavior on the basis of the biopsychosocial approach
Yankovskaya A., Kornetov A., Il’inskikh N., Obukhovskaya V.
PDF
(Eng)
Том 26, № 4 (2016)
Quaternion angular radial transform and properties transformation for color-based object recognition
Khatabi A., Tmiri A., Serhir A.
PDF
(Eng)
Том 26, № 2 (2016)
Indian sign language recognition using SVM
Raheja J., Mishra A., Chaudhary A.
PDF
(Eng)
Том 26, № 1 (2016)
A method of facial expression recognition based on Gabor and NMF
Zhou J., Zhang S., Mei H., Wang D.
PDF
(Eng)
Том 29, № 4 (2019)
An Effective Feature Descriptor with Gabor Filter and Uniform Local Binary Pattern Transcoding for Iris Recognition
Huo G., Guo H., Zhang Y., Zhang Q., Li W., Li B.
PDF
(Eng)
Том 29, № 1 (2019)
Face Recognition Using Fuzzy Minimal Structure Oscillation in the Wavelet Domain
Bhattacharya (Halder) S., Majumder B.
PDF
(Eng)
Том 28, № 4 (2018)
On Some Transformations of Features in Machine Learning in Medicine
Zhuravlev Y., Ryazanov V., Sen’ko O., Dokukin A., Afanas’ev P.
PDF
(Eng)
Том 28, № 3 (2018)
Facial Recognition System for Suspect Identification Using a Surveillance Camera
Kumar V., Kumar V., Malathi S., Vengatesan K., Ramakrishnan M.
PDF
(Eng)
Том 27, № 4 (2017)
Descriptive image analysis: Genesis and current trends
Gurevich I., Yashina V.
PDF
(Eng)
Том 27, № 2 (2017)
Tradeoff search methods between interpretability and accuracy of the identification fuzzy systems based on rules
Yankovskaya A., Gorbunov I., Hodashinsky I.
PDF
(Eng)
Том 26, № 4 (2016)
Comparison of image recognition efficiency of Bayes, correlation, and modified Hopfield network algorithms
Basistov Y., Yanovskii Y.
PDF
(Eng)
Том 26, № 2 (2016)
A two-phase solution procedure using mixtures of algorithms in the structure–property problem
Prokhorov E., Svitan’ko I., Zakharenko A., Sukhanova M., Bekker A., Perevoznikov A., Kumskov M.
PDF
(Eng)
26 - 50 из 65 результатов << < 1 2 3 > >> 
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».