Versenden
Drucken
Hänsch, Ronny (2023) Deep Learning for SAR. EO College, 2023, Online.
Dieses Archiv kann nicht den Volltext zur Verfügung stellen.
| elib-URL des Eintrags: | https://elib.dlr.de/200140/ | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Dokumentart: | Konferenzbeitrag (Vorlesung) | ||||||||
| Titel: | Deep Learning for SAR | ||||||||
| Autoren: |
| ||||||||
| Datum: | 2023 | ||||||||
| Referierte Publikation: | Nein | ||||||||
| Open Access: | Nein | ||||||||
| Gold Open Access: | Nein | ||||||||
| In SCOPUS: | Nein | ||||||||
| In ISI Web of Science: | Nein | ||||||||
| Status: | veröffentlicht | ||||||||
| Stichwörter: | machine learning | ||||||||
| Veranstaltungstitel: | EO College | ||||||||
| Veranstaltungsort: | Online | ||||||||
| Veranstaltungsart: | Andere | ||||||||
| Veranstaltungsdatum: | 2023 | ||||||||
| HGF - Forschungsbereich: | Luftfahrt, Raumfahrt und Verkehr | ||||||||
| HGF - Programm: | Raumfahrt | ||||||||
| HGF - Programmthema: | Erdbeobachtung | ||||||||
| DLR - Schwerpunkt: | Raumfahrt | ||||||||
| DLR - Forschungsgebiet: | R EO - Erdbeobachtung | ||||||||
| DLR - Teilgebiet (Projekt, Vorhaben): | R - Künstliche Intelligenz | ||||||||
| Standort: | Oberpfaffenhofen | ||||||||
| Institute & Einrichtungen: | Institut für Hochfrequenztechnik und Radarsysteme > SAR-Technologie | ||||||||
| Hinterlegt von: | Hänsch, Ronny | ||||||||
| Hinterlegt am: | 30 Nov 2023 15:01 | ||||||||
| Letzte Änderung: | 06 Mai 2024 14:14 |
Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags
