Vaš brskalnik ne omogoča JavaScript!
JavaScript je nujen za pravilno delovanje teh spletnih strani. Omogočite JavaScript ali pa uporabite sodobnejši brskalnik.
Nacionalni portal odprte znanosti
Odprta znanost
DiKUL
slv
|
eng
Iskanje
Brskanje
Novo v RUL
Kaj je RUL
V številkah
Pomoč
Prijava
Deep learning for compressive sensing : a ubiquitous systems perspective
ID
Machidon, Alina Luminita
(
Avtor
),
ID
Pejović, Veljko
(
Avtor
)
PDF - Predstavitvena datoteka,
prenos
(2,03 MB)
MD5: 91C2153E5713F1D55C26FA547304C762
URL - Izvorni URL, za dostop obiščite
https://link.springer.com/article/10.1007/s10462-022-10259-5
Galerija slik
Izvleček
Compressive sensing (CS) is a mathematically elegant tool for reducing the sensor sampling rate, potentially bringing context-awareness to a wider range of devices. Nevertheless, practical issues with the sampling and reconstruction algorithms prevent further proliferation of CS in real world domains, especially among heterogeneous ubiquitous devices. Deep learning (DL) naturally complements CS for adapting the sampling matrix, reconstructing the signal, and learning from the compressed samples. While the CS–DL integration has received substantial research interest recently, it has not yet been thoroughly surveyed, nor has any light been shed on practical issues towards bringing the CS–DL to real world implementations in the ubiquitous computing domain. In this paper we identify main possible ways in which CS and DL can interplay, extract key ideas for making CS–DL efficient, outline major trends in the CS–DL research space, and derive guidelines for the future evolution of CS–DL within the ubiquitous computing domain.
Jezik:
Angleški jezik
Ključne besede:
neural networks
,
deep learning
,
compressive sensing
,
ubiquitous computing
Vrsta gradiva:
Članek v reviji
Tipologija:
1.02 - Pregledni znanstveni članek
Organizacija:
FRI - Fakulteta za računalništvo in informatiko
Status publikacije:
Objavljeno
Različica publikacije:
Objavljena publikacija
Leto izida:
2023
Št. strani:
Str. 3619-3658
Številčenje:
Vol. 56, iss. 4
PID:
20.500.12556/RUL-155349
UDK:
004.8
ISSN pri članku:
0269-2821
DOI:
10.1007/s10462-022-10259-5
COBISS.SI-ID:
129878019
Datum objave v RUL:
27.03.2024
Število ogledov:
291
Število prenosov:
87
Metapodatki:
Citiraj gradivo
Navadno besedilo
BibTeX
EndNote XML
EndNote/Refer
RIS
ABNT
ACM Ref
AMA
APA
Chicago 17th Author-Date
Harvard
IEEE
ISO 690
MLA
Vancouver
:
Kopiraj citat
Objavi na:
Gradivo je del revije
Naslov:
Artificial intelligence review
Skrajšan naslov:
Artif. intell. rev.
Založnik:
Springer Nature
ISSN:
0269-2821
COBISS.SI-ID:
15632133
Licence
Licenca:
CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:
http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:
To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.
Sekundarni jezik
Jezik:
Slovenski jezik
Ključne besede:
nevronske mreže
,
globoko učenje
,
kompresijsko zaznavanje
,
vseprisotno računalništvo
Projekti
Financer:
ARRS - Agencija za raziskovalno dejavnost Republike Slovenije
Številka projekta:
N2-0136
Naslov:
Povečanje učinkovitosti uporabe virov na pametnih telefonih s pomočjo približnega računanja
Financer:
ARRS - Agencija za raziskovalno dejavnost Republike Slovenije
Številka projekta:
J2-3047
Naslov:
Kontekstno odvisno približno računanje na mobilnih napravah
Financer:
ARRS - Agencija za raziskovalno dejavnost Republike Slovenije
Številka projekta:
P2-0098
Naslov:
Računalniške strukture in sistemi
Financer:
ARRS - Agencija za raziskovalno dejavnost Republike Slovenije
Številka projekta:
P2-0426
Naslov:
Digitalna preobrazba za pametno javno upravljanje
Podobna dela
Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:
Nazaj