Анализ изображений керна в видимом и ультрафиолетовом диапазонах для оценки нефтенасыщенности пород и хранения цифровых данных на основе методов машинного обучения: автореферат диссертации на соискание ученой степени кандидата технических наук; спец. 2.3.1

Анализ изображений керна в видимом и ультрафиолетовом диапазонах для оценки нефтенасыщенности пород и хранения цифровых данных на основе методов машинного обучения: автореферат диссертации на соискание ученой степени кандидата технических наук; спец. 2.3.1

Bibliografski detalji
Glavni autor:	Денисов В. И. Владислав Игоревич
Autor kompanije:	Томский политехнический университет (570)
Daljnji autori:	Кочегуров А. И. Александр Иванович (научный руководитель)
Sažetak:	Заглавие с титульного экрана Электронная версия печатной публикации Защита сост. 23.06.2026 На правах рукописи Текстовый файл
Jezik:	ruski
Izdano:	Томск, 2026
Teme:	Керны Изображения > Анализ изображения керна нефтенасыщенность горные породы ультрафиолетовый диапазон ультрафиолетовое свечение сегментация нейронные сети сверточные нейронные сети гибридная архитектура U-Net механизмы внимания блоки внимания остаточные блоки глубинно-разделяемая свертка машинное обучение глубокое обучение компьютерное зрение цифровая обработка интеллектуальные информационные системы хранение цифровые данные Python цифровая геология электронный ресурс авторефераты диссертаций труды учёных ТПУ
Online pristup:	https://earchive.tpu.ru/handle/11683/135661
Format:	Elektronički Knjiga
KOHA link:	https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=686223

Slični predmeti

Анализ изображений керна в видимом и ультрафиолетовом диапазонах для оценки нефтенасыщенности пород и хранения цифровых данных на основе методов машинного обучения: автореферат диссертации на соискание ученой степени кандидата технических наук; спец. 2.3.1
od: Денисов В. И. Владислав Игоревич
Izdano: (Томск, 2026)

Анализ изображений керна в видимом и ультрафиолетовом диапазонах для оценки нефтенасыщенности пород и хранения цифровых данных на основе методов машинного обучения: диссертация на соискание ученой степени кандидата технических наук; спец. 2.3.1
od: Денисов В. И. Владислав Игоревич
Izdano: (Томск, 2026)

Анализ архитектур нейронных сетей для сегментации пород; Молодежь и современные информационные технологии
od: Денисов В. И.
Izdano: (2025)

Применение графовых нейронных сетей с механизмом внимания для семантической сегментации облаков точек; Молодежь и современные информационные технологии
od: Кадыров Р. А.
Izdano: (2024)

Искусственные нейронные сети в задачах повышения резкости изображений; Молодежь и современные информационные технологии
Izdano: (2018)

Т. 2 : Практика; Глубокое обучение без математики
Izdano: (2020)

Применение различных типов изображений для обучения сверточной нейронной сети; Молодежь и современные информационные технологии
od: Булыгин Д. А.
Izdano: (2020)

Фильтрация данных в сенсоре Microsoft Kinect; Технологии Microsoft в теории и практике программирования
od: Дусеев В. Р.
Izdano: (2014)

A fruits recognition system based on a modern deep learning technique; Journal of Physics: Conference Series; Vol. 1327 : Innovations in Non-Destructive Testing (SibTest 2019)
od: Dang Thi Phuong Chung
Izdano: (2019)

Утечка данных при обучении нейронных сетей на примере анализа медицинских изображений; Молодежь и современные информационные технологии
od: Шубкин Е. О.
Izdano: (2022)

Распознавание рукописных цифр на изображениях с использованием инструментов машинного обучения; Молодежь и современные информационные технологии
od: Вторушина А. С.
Izdano: (2020)

Нейроэволюционное улучшение качества изображений; Современные техника и технологии; Т. 2
od: Чернявский А. В.
Izdano: (2006)

Использование свёрточных нейронных сетей в задаче распознавания лиц на изображениях; Молодежь и современные информационные технологии; Т. 1
od: Казиев А. Б.
Izdano: (2016)

Разработка алгоритма генеративной нейронной сети для создания управляемых кадров изображений лиц; Молодежь и современные информационные технологии
od: Друки А. А. Алексей Алексеевич
Izdano: (2021)

Сверточная нейронная сеть для классификации без использования дополнительных библиотек; Молодежь и современные информационные технологии
od: Адаричев В. С.
Izdano: (2020)

Исследование автоэнкодера для восстановления изображения и синтеза новых медицинских данных; Молодежь и современные информационные технологии
od: Лаптев В. В.
Izdano: (2020)

Nature and Biologically Inspired Image Segmentation Techniques; Archives of Computational Methods in Engineering; Vol. XX, iss. X
Izdano: (2021)

Распознавание моторных образов на электроэнцефалограммахс применением свёрточных нейронных сетей; Компьютерная оптика; Т. 44, № 3
od: Брагин А. Д. Александр Дмитриевич
Izdano: (2020)

Детектирование летающих объектов на изображениях с помощью свёрточных нейронных сетей семейства YOLO; Молодежь и современные информационные технологии
od: Мунько А. С.
Izdano: (2023)

Обзор методов сегментации медицинских изображений; Молодежь и современные информационные технологии
od: Шубкин Е. О.
Izdano: (2021)

Prompt engineering – технология общения с нейросетью; Молодежь и современные информационные технологии
od: Брехова А. Г.
Izdano: (2023)

Гибридный алгоритм определения нефтенасыщенности керна по макрофотографиям пород в дневном и ультрафиолетовом свете; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 336, № 10
Izdano: (2025)

Оценка качества изображений с помощью нейронных сетей высокого порядка; Ресурсоэффективным технологиям - энергию и энтузиазм молодых
od: Муравьев А. С.
Izdano: (2014)

Восстановление неравномерно освещенных изображений; Перспективы развития фундаментальных наук; Т. 3 : Математика
od: Сапегин А. А.
Izdano: (2024)

Манипулятивный дизайн социальных сетей: психологическое воздействие и пути снижения цифровой зависимости; Молодежь и современные информационные технологии
od: Рущицькая Ю. В.
Izdano: (2026)

Интегральная оценка изображений с помощью искусственной нейронной сети; Современные техника и технологии; Т. 2
od: Муравьев А. С.
Izdano: (2013)

Распознавание изображений лиц на основе кластеризации; Технологии Microsoft в теории и практике программирования
od: Горемыкина Д. С.
Izdano: (2016)

A comparative analysis between image segmentation architectures: U-Net and U-Net++; Молодежь и современные информационные технологии
od: Aksenov S. V. Sergey Vladimirovich
Izdano: (2021)

Использование нейронных сетей для обработки тепловизионных изображений; Современные техника и технологии; Т. 3
od: Нестерук Д. А. Денис Алексеевич
Izdano: (2011)

Восстановление неравномерно освещенных изображений с использованием сверточной нейронной сети; Молодежь и современные информационные технологии
od: Сапегин А. А.
Izdano: (2024)

Кластеризация изображений рекуррентной нейронной сетью; Молодежь и современные информационные технологии
od: Канаева И. А.
Izdano: (2018)

Классификация текста на изображениях реальных сцен при помощи сверточных нейронных сетей; Молодежь и современные информационные технологии
od: Исаев Е. А.
Izdano: (2019)

Поиск фрагмента в серии изображений с помощью нейронной сети Кохонена; Технологии Microsoft в теории и практике программирования
od: Герасимова Н. И. Надежда Игоревна
Izdano: (2014)

Исследование архитектуры сети YOLO для детектирования объектов на изображениях; Молодежь и современные информационные технологии
od: Береснев А. П. Алексей Павлович
Izdano: (2018)

Применение нейронных сетей для определения расположения ключевых точек лица на изображениях; Молодежь и современные информационные технологии
od: Минаева О. И.
Izdano: (2018)

Исследование и сравнение нейросетевых моделей генерации заключения для радиологических снимков; Молодежь и современные информационные технологии
od: Пан А. Э,
Izdano: (2025)

Элементарное введение в технологию нейронных сетей с примерами программ: пер. с пол.
Izdano: (Москва, Горячая линия-Телеком, 2011)

Сегментация изображений на основе генеративной состязательной сети; Молодежь и современные информационные технологии
od: Кривошеев Н. А. Николай Анатольевич
Izdano: (2020)

Локализация контрастных участков изображения при помощи алгоритма восходящего внимания; Современные техника и технологии; Т. 2
od: Худоба Е. Н.
Izdano: (2010)

Алгоритмы детектирования текстовых областей на фотореалистичных изображениях со сложным фоном; Молодежь и современные информационные технологии
od: Друки А. А. Алексей Алексеевич
Izdano: (2021)