liu.seSearch for publications in DiVA
Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Scaling of texture in training autoencoders for classification of histological images of colorectal cancer
Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linkoping University. (Medical Informatics)ORCID-id: 0000-0002-4255-5130
2017 (engelsk)Inngår i: Advances in Neural Networks: 14th International Symposium on Neural Networks (ISNN 2017 / [ed] F. Cong et al., Springer, 2017, s. 524-532Kapittel i bok, del av antologi (Fagfellevurdert)
sted, utgiver, år, opplag, sider
Springer, 2017. s. 524-532
Serie
Lecture Notes in Computer Science, ISSN 0302-9743, E-ISSN 1611-3349 ; 10261
HSV kategori
Identifikatorer
URN: urn:nbn:se:liu:diva-138052DOI: 10.1007/978-3-319-59081-3ISBN: 978-3-319-59080-6 (tryckt)ISBN: 978-3-319-59081-3 (digital)OAI: oai:DiVA.org:liu-138052DiVA, id: diva2:1106508
Tilgjengelig fra: 2017-06-07 Laget: 2017-06-07 Sist oppdatert: 2017-06-16bibliografisk kontrollert

Open Access i DiVA

Fulltekst mangler i DiVA

Andre lenker

Forlagets fullteksthttp://www.springer.com/gp/book/9783319590806

Personposter BETA

Pham, Tuan

Søk i DiVA

Av forfatter/redaktør
Pham, Tuan
Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetric

doi
isbn
urn-nbn
Totalt: 46 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf