Applied Computer Science - Tom Vol. 17, no 4 (2021) - BazTech - Yadda

Tom - szczegóły

Tytuł artykułu

Vol. 17, no 4

Czasopismo

Applied Computer Science

Wydawca

Polskie Towarzystwo Promocji Wiedzy
Lublin University of Technology

Rocznik

2021

Identyfikatory

Zawartość wolumenu

Vol. 17, no 4
- artykuł: Black box efficiency modelling of an electric drive unit utilizing methods of machine learning (Bauer Lukas, Stütz Leon, Kley Markus), s. 5--19
- artykuł: Implementation of a hardware trojan chip detector model using arduino microcontroller (Abdulsalam Kadeejah, Adebisi John, Durojaiye Victor), s. 20--33
- artykuł: Artificial neural network based demand forecasting integrated with federal funds rate (Anupa Arachchige, Sugathadasa Ranil, Herath Oshadhi, Thibbotuwawa Amila), s. 34--44
- artykuł: Detection of fillers in the speech by people who stutter (Suszyński Waldemar, Charytanowicz Małgorzata, Rosa Wojciech, Koczan Leopold, Stęgierski Rafał), s. 45--54
- artykuł: Career track prediction using deep learning model based on discrete series of quantitative classification (Hernandez Rowell, Atienza Robert), s. 55--74
- artykuł: Keystroke dynamics analysis using machine learning methods (Shabliy Nataliya, Lupenko Serhii, Lutsyk Nadiia, Yasniy Oleh, Malyshevska Olha), s. 75--83
- artykuł: Cyber-physical systems technologies as a key factor in the process of Industry 4.0 and smart manufacturing development (Zubrzycki Jarosław, Świć Antoni, Sobaszek Łukasz, Kovac Juraj, Kralikova Ruzena, Jencik Robert, Smidova Natalia, Arapi Polyxeni, Dulencin Peter, Homza Jozef), s. 84--99
- artykuł: Productivity of a low-budget computer cluster applied to overcome the n-body problem (Nowicki Tomasz, Gregosiewicz Adam, Łagodowski Zbigniew), s. 100--109

rozwiń roczniki

JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.