Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS
A novel algorithm for unsupervised classification of datasets made up of integer valued patterns by means of Cellular Neural Network (CNN) is proposed. The algorithm is suited both for linearly separable and non linearly, separable data sets. The adopted CNN is n-dimensional and is based on a space-variant template - neighborhood order 1 - to cluster n-dimensional datasets. The choice of a CNN architecture allows a straightforward hardware implementation, particularly suited for bi-dimensional patterns.
Costantini, G., Casali, D., Carota, M. (2006). A pattern classification method based on a spape-variant CNN template. In Proceedings of the 2006 10th IEEE International Workshop on Cellular Neural Networks and Their Applications (pp.216-220). NEW YORK : IEEE [10.1109/CNNA.2006.341633].
A pattern classification method based on a spape-variant CNN template
A novel algorithm for unsupervised classification of datasets made up of integer valued patterns by means of Cellular Neural Network (CNN) is proposed. The algorithm is suited both for linearly separable and non linearly, separable data sets. The adopted CNN is n-dimensional and is based on a space-variant template - neighborhood order 1 - to cluster n-dimensional datasets. The choice of a CNN architecture allows a straightforward hardware implementation, particularly suited for bi-dimensional patterns.
Costantini, G., Casali, D., Carota, M. (2006). A pattern classification method based on a spape-variant CNN template. In Proceedings of the 2006 10th IEEE International Workshop on Cellular Neural Networks and Their Applications (pp.216-220). NEW YORK : IEEE [10.1109/CNNA.2006.341633].
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/2108/52621
Citazioni
ND
1
ND
social impact
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2021-2023 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
