Este artículo presenta la propuesta de un enfoque MO Kernel TS de optimización en línea para optimizar varios parámetros de imágenes de forma conjunta mientras se realiza una tarea de imágenes., el cual se combina con enfoques de redes neuronales para el reconocimiento de la calidad de la imagen y la evaluación de las preferencias del usuario para desarrollar una plataforma de optimización totalmente automatizada para microscopía de súper resolución. Los resultados de varios contextos experimentales y métodos de análisis indican que el enfoque de aprendizaje automático propuesto para la optimización en línea de la microscopía de alta resolución contribuye a mejorar y estandarizar los resultados en una amplia gama de muestras y modalidades de imágenes.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Algoritmo de asignación de tareas de dos capas para enjambres de vehículos aéreos no tripulados basado en la agrupación de pesos de las características
Artículo:
Dinámica y control en un sistema multi-inventario discreto
Artículo:
Implementación de un filtro geométrico diferencial para la estimación de la órbita de las naves espaciales
Artículo:
Un nuevo algoritmo paralelo de optimización de colonias de hormigas para la planificación de rutas de almacenamiento
Artículo:
Control basado en optimización de un secador rotatorio directo
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Tesis:
Materiales y prácticas de construcción sostenible