Буй, Дмитро. Scopus та інші наукометричні бази: прості питання та нечіткі відповіді / Д. Буй, А. Білошицький, В. Гогунський> // Вища школа : наук.-практ. вид. - 2014. - № 5/6. - С. 27-40. - Бібліогр. в кінці ст. . - ISSN 1682-2366 Рубрики: Вища освіта--Бібліотеки ВНЗ Бібліотечна справа--Інформаційні технології Кл.слова (ненормовані): науковметричні бази даних -- індекс цитування -- імпакт-фактор -- h-індекс -- Scopus -- ScienceDirekt -- Web of Science -- Copernicus -- UlrichsWeb -- Publish or Perish -- "Google Академія" Анотація: Стаття присвячена аналізу характеристик і основних властивостей науковметричних баз даних та індикаторів цитування наукових публікацій (індекс цитування, h-індекс та імпакт-фактор), виявленню особливостей відображення наукових статей у наукометричних базах даних, визначенню найбільш застосовуваних характеристик продуктивності наукової діяльності у світовому науковому співтоваристві. Розглянуто нові вимоги, умови і завдання з опублікування наукових результатів українських учених у виданнях, які доступні нашим зарубіжним колегам через систему наукометричних баз даних. Надана стисла характеристика основних науукометричних баз даних. Дод.точки доступу: Білошицький, Андрій; Гогунський, Віктор Немає відомостей про примірники (Джерело у БД не знайдене) |
Информационные технологии глубинного машинного обучения для анализа изменений земного покрова [Текст] / Н. Н. Куссуль, А. Ю. Шелестов, Н. С. Лавренюк, И. Н. Бутко> // Доповіді Національної академії наук України. - 2016. - № 8. - С. 26-32. - Библиогр. в конце ст. Рубрики: Комп'ютерна наука і технологія--Штучний інтелект--Прикладні системи штучного інтелекту Геоінформаційні системи--Моніторинг для АПК Дистанційне зондування--Обробка данних Комп'ютерна наука і технологія--Нейронні мережі Кл.слова (ненормовані): Copernicus -- Big data -- Наблюдение -- Спутник -- Землепользование Анотація: Запропоновано метод та інформаційну технологію геопросторового аналізу змін земного покриву на основі багаторічних супутникових спостережень. Розроблний метод глибинного машинного навчання грунтується на ієрархічній нейромережевій моделі. І дозволяє розв'язувати широкий клас прикладних завдань. Дод.точки доступу: Куссуль, Н. Н.; Шелестов, А. Ю.; Лавренюк, Н. С.; Бутко, И. Н. |