An Analysis of Spatial Distribution of Complex Systems by Means of Neural Network
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F44555601%3A13430%2F00%3A00000546" target="_blank" >RIV/44555601:13430/00:00000546 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
An Analysis of Spatial Distribution of Complex Systems by Means of Neural Network
Popis výsledku v původním jazyce
There are many fields of science as thin solid physics, metallurgy, astronomy, biology, etc, where we study complex systems consisting of a large number of objects. In the process of an image analysis of such complex systems it is very importantto detectthe size and spatial distributions of objects. Standard methods based on the theory of mathematical morphology are often used for the description of spatial distribution of the objects. The sensitivity of these methods differs and has some limits. In this way it is necessary to create new approaches for the study of such image structures. This contribution presents a new approach to the description of a degree of composition based on the neural network.
Název v anglickém jazyce
An Analysis of Spatial Distribution of Complex Systems by Means of Neural Network
Popis výsledku anglicky
There are many fields of science as thin solid physics, metallurgy, astronomy, biology, etc, where we study complex systems consisting of a large number of objects. In the process of an image analysis of such complex systems it is very importantto detectthe size and spatial distributions of objects. Standard methods based on the theory of mathematical morphology are often used for the description of spatial distribution of the objects. The sensitivity of these methods differs and has some limits. In this way it is necessary to create new approaches for the study of such image structures. This contribution presents a new approach to the description of a degree of composition based on the neural network.
Klasifikace
Druh
A - Audiovizuální tvorba
CEP obor
BM - Fyzika pevných látek a magnetismus
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2000
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
ISBN
—
Místo vydání
Paris
Název nakladatele resp. objednatele
Univ. PMC
Verze
—
Identifikační číslo nosiče
—