Ha kapcsolatba szeretne lépni a Tudóstér adminisztrátoraival, kérjük töltse ki az alábbi űrlapot, vagy küldjön e-mailt a publikacioklib.unideb.hu címre.
Bejelentkezés
A Tudóstér funkcióinak nagy része bejelentkezés nélkül is elérhető. Bejelentkezésre az alábbi műveletekhez van szükség:
Debreceni Egyetem. Informatikai Kar. Adattudomány és Vizualizáció Tanszék / University of Debrecen. Faculty of Informatics. Adattudomány és Vizualizáció Tanszék
Lakatos, R.,
Pollner, P.,
Hajdu, A.,
Joó, T.:
A multimodal deep learning architecture for smoking detection with a small data approach.
Front. Artif. Intell. 7, 1-8, (cikkazonosító: 1326050), 2024.
Bogacsovics, G.,
Harangi, B.,
Beregi-Kovács, M.,
Kupás, D.,
Lakatos, R.,
Serbán, N. D.,
Tiba, A.,
Tóth, J.:
Assessing Conventional and Deep Learning-Based Approaches for Named Entity Recognition in Unstructured Hungarian Medical Reports.
In: 2024 IEEE 22nd World Symposium on Applied Machine Intelligence and Informatics (SAMI). Ed.: Kovács Levente, Liberios Vokorokos, IEEE, Piscataway, 77-82, 2024. ISBN: 9798350317206
Nagy, J.,
Hajdu, A.,
Bogacsovics, G.,
Bojtor, C.,
Illés, Á.,
Lakatos, R.,
Mészáros, L.:
Precíziós gazdálkodásban használható adatelemzés alapú növénytermesztési döntéstámogató rendszer fejlesztés.
In: LXV. Georgikon Napok Tudományos Konferencia = 65th Georgikon Days Scientific Conference /szerk. Pőr Csilla, Szabó-Soós Adrienn, Szabó Péter, Magyar Agrár- és Élettudományi Egyetem Georgikon Campus, Keszthely, 133-134, 2024. ISBN: 9786156338105
Lakatos, R.,
Bogacsovics, G.,
Hajdu, A.:
Predicting the direction of the oil price trend using sentiment analysis.
In: IEEE 2nd Conference on Information Technology and Data Science (CITDS) : Proceedings. Ed.: Fazekas István, Institute of Electrical and Electronics Engineers (IEEE), Piscataway, 177-182, 2022.
