Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "super-learning" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Czytanie ważnym składnikiem warsztatu zawodowego i naukowego każdego studenta
Reading as an important component of every student’s professional and scientific workshop
Autorzy:
Kaliszewska, Małgorzata
Powiązania:
https://bibliotekanauki.pl/articles/415084.pdf
Data publikacji:
2011-06
Wydawca:
Małopolska Wyższa Szkoła Ekonomiczna w Tarnowie
Tematy:
psychofizyczny proces czytania
super-learning
poznanie naukowe
eksplozja pedagogiczna
psychophysical process of reading
scientific cognition
pedagogical explosion
Opis:
Celem artykułu jest przybliżenie czytelnikom procesu czytania jako zagadnienia wieloaspektowego, a więc będącego procesem psychofizycznym, intelektualnym oraz kulturowym. Proces czytania można więc traktować jako działalność psychofizyczną, wpływając przez trening na jego szybkość, co z jednej strony pozwala poznać większą liczbę tekstów, z drugiej zaś pozbawia czytelnika przyjemności obcowania z tekstem i grozi nawet nerwicą lub depresją. Można czytanie traktować jako czynność intelektualną, wykonywaną zgodnie z przyjętymi procedurami poznawania tekstu w celu jego rzetelnego przestudiowania. Można też czytanie rozumieć jako pewne intelektualne wydarzenie w obszarze kultury, nieobwarowane żadnymi procedurami, ale mimo to wnikliwe, emocjonalne i osobiste, pozwalające dostrzegać treści ukryte, odczytywać rozmaite przekazy kulturowe dzięki aktywnej postawie czytelnika. Warsztat czytelniczy studenta to nie tylko proces czytania tekstu, ale również umiejętność jego krytycznej analizy i interpretacji. Dlatego czytanie ze zrozumieniem, wybuchowe, odkrywcze, krytyczne i tworzenie różnych odmian postaw czytelnika wobec tekstu powinno być jednym z zadań dydaktyki akademickiej.
The purpose of this article is to introduce the readers to the reading process as a multifaceted problem, which is the psycho-physical, intellectual, and cultural process. The process of reading can be so construed as psychophysical activity, influencing by the training on its speed, which on one hand allows to explore a larger number of texts, and on the other hand deprives the reader the pleasures of the text and provides the risk of anxiety or even depression. Reading can also be treated as an intellectual activity carried out in accordance with accepted procedures of exploring the text, as the purpose of its fair study. Reading also can be understood as an intellectual event in the cultural field not subject to any procedures, but still insightful, emotional and personal, allowing to see the hidden contents, reading a variety of cultural messages, thanks to active attitude of the reader. The student’s reading workshop is not only a process of reading text but also the ability of its critical analysis and interpretation. Therefore reading with understanding, temperamental, innovative, critical as well as the creation of different varieties of reader’s attitudes towards the text should be one of the tasks of academic teaching.
Źródło:
Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie; 2011, 1(18); 151-158
1506-2635
Pojawia się w:
Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Single Image Super-Resolution through Sparse Representation via Coupled Dictionary learning
Autorzy:
Patel, Rutul
Thakar, Vishvjit
Joshi, Rutvij
Powiązania:
https://bibliotekanauki.pl/articles/226607.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
single image super-resolution
Dictionary Learning
Sparse representation
Opis:
Single Image Super-Resolution (SISR) through sparse representation has received much attention in the past decade due to significant development in sparse coding algorithms. However, recovering high-frequency textures is a major bottleneck of existing SISR algorithms. Considering this, dictionary learning approaches are to be utilized to extract high-frequency textures which improve SISR performance significantly. In this paper, we have proposed the SISR algorithm through sparse representation which involves learning of Low Resolution (LR) and High Resolution (HR) dictionaries simultaneously from the training set. The idea of training coupled dictionaries preserves correlation between HR and LR patches to enhance the Super-resolved image. To demonstrate the effectiveness of the proposed algorithm, a visual comparison is made with popular SISR algorithms and also quantified through quality metrics. The proposed algorithm outperforms compared to existing SISR algorithms qualitatively and quantitatively as shown in experimental results. Furthermore, the performance of our algorithm is remarkable for a smaller training set which involves lesser computational complexity. Therefore, the proposed approach is proven to be superior based upon visual comparisons and quality metrics and have noticeable results at reduced computational complexity.
Źródło:
International Journal of Electronics and Telecommunications; 2020, 66, 2; 347-353
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zwiększenie rozdzielczości obrazów termowizyjnych metodą sieci neuronowych głębokiego uczenia
Increasing of Thermal Images Resolution Using Deep Learning Neural Networks
Autorzy:
Więcek, Piotr
Sankowski, Dominik
Powiązania:
https://bibliotekanauki.pl/articles/2068620.pdf
Data publikacji:
2021
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
resztkowe sieci neuronowe
głębokie uczenie
superrozdzielczość
obraz termograficzny
PyTorch
residual neural networks
deep learning
super-resolution
thermographic image
Opis:
W pracy przedstawiono nowy algorytm zwiększenia rozdzielczości obrazów termowizyjnych. W tym celu zintegrowano sieć resztkową z modułem współdzielonego filtru z podpróbkowaniem obrazu KSAC (ang. Kernel-Sharing Atrous Convolution). Uzyskano znaczne skrócenie czasu działania algorytmu przy zachowaniu dużej dokładności. Sieć neuronową zrealizowano w środowisku PyTorch. Przedstawiono wyniki działania proponowanej nowej metody zwiększenia rozdzielczości obrazów termowizyjnych o wymiarach 32×24, 160×120 i 640×480 dla skali 2-6.
The article presents a new algorithm for increasing the resolution of thermal images. For this purpose, the residual network was integrated with the Kernel-Sharing Atrous Convolution (KSAC) image sub-sampling module. A significant reduction in the algorithm’s complexity and shortening the execution time while maintaining high accuracy were achieved. The neural network has been implemented in the PyTorch environment. The results of the proposed new method of increasing the resolution of thermal images with sizes 32x24, 160×120 and 640×480 for scales up to 6 are presented.
Źródło:
Pomiary Automatyka Robotyka; 2021, 25, 3; 31--35
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies