Výsledky vyhledávání
- 1.0579026 - FZÚ 2024 RIV GB eng J - Článek v odborném periodiku
Saeidfirozeh, H. - Myakalwar, A. K. - Kubelík, Petr - Ghaderi, A. - Laitl, V. - Petera, L. - Rimmer, P. B. - Shorttle, O. - Heays, A.N. - Křivková, A. - Krůs, M. - Civiš, S. - Yanez, J. - Képeš, E. - Pořízka, P. - Ferus, M.
ANN-LIBS analysis of mixture plasmas: detection of xenon.
Journal of Analytical Atomic Spectrometry. Roč. 37, č. 9 (2022), s. 1815-1823. ISSN 0267-9477. E-ISSN 1364-5544
Institucionální podpora: RVO:68378271
Klíčová slova: artificial neural network method * characterising crucial physical plasma parameters * laser-induced breakdown spectra, * xenon
Obor OECD: Fluids and plasma physics (including surface physics)
Impakt faktor: 3.4, rok: 2022
Způsob publikování: Omezený přístup
https://doi.org/10.1039/d2ja00132b
Trvalý link: https://hdl.handle.net/11104/0347900 - 2.0574339 - ÚVGZ 2024 RIV CH eng J - Článek v odborném periodiku
Meitner, Jan - Balek, Jan - Bláhová, Monika - Semerádová, Daniela - Hlavinka, Petr - Lukas, V. - Jurečka, František - Žalud, Zdeněk - Klem, Karel - Anderson, M. C. - Wouter, D. - Fischer, Milan - Trnka, Miroslav
Estimating Drought-Induced Crop Yield Losses at the Cadastral Area Level in the Czech Republic.
Agronomy. Roč. 13, č. 7 (2023), č. článku 1669. E-ISSN 2073-4395
Grant CEP: GA MŠMT(CZ) EF16_019/0000797
Výzkumná infrastruktura: CzeCOS IV - 90248
Institucionální podpora: RVO:86652079
Klíčová slova: crop yield loss * drought * remote sensing * artificial neural network
Obor OECD: Agriculture
Impakt faktor: 3.7, rok: 2022
Způsob publikování: Open access
https://www.mdpi.com/2073-4395/13/7/1669
Trvalý link: https://hdl.handle.net/11104/0344681Název souboru Staženo Velikost Komentář Verze Přístup agronomy-13-01669.pdf 8 20 MB Vydavatelský postprint povolen - 3.0567215 - ÚVGZ 2023 RIV CH eng J - Článek v odborném periodiku
Tomíček, J. - Mišurec, J. - Lukeš, Petr - Potůčková, M.
Retrieval of Harmonized LAI Product of Agricultural Crops from Landsat OLI and Sentinel-2 MSI Time Series.
Agriculture-Basel. Roč. 12, č. 12 (2022), č. článku 2080. E-ISSN 2077-0472
Grant CEP: GA TA ČR TH02030248
Institucionální podpora: RVO:86652079
Klíčová slova: Sentinel-2 * Landsat * leaf area index * harmonization * vegetation index * prosail * radiative transfer * artificial neural network * time series
Obor OECD: Agriculture
Impakt faktor: 3.6, rok: 2022
Způsob publikování: Open access
https://www.mdpi.com/2077-0472/12/12/2080
Trvalý link: https://hdl.handle.net/11104/0338497Název souboru Staženo Velikost Komentář Verze Přístup agriculture-12-02080 (1).pdf 6 4.2 MB Vydavatelský postprint povolen - 4.0560556 - ÚFM 2023 RIV NL eng J - Článek v odborném periodiku
Khalaj, O. - Ghobadi, M. - Zarezadeh, A. - Saebnoori, E. - Jirková, H. - Chocholaty, O. - Svoboda, Jiří
Potential role of machine learning techniques for modeling the hardness of OPH steels.
Materials Today Communications. Roč. 26, MAR (2021), č. článku 101806. ISSN 2352-4928. E-ISSN 2352-4928
Grant CEP: GA ČR(CZ) GA17-01641S
Institucionální podpora: RVO:68081723
Klíčová slova: Oxide Precipitation Hardened (OPH) steels * Hardness * Heat treatment * Artificial neural network (ANN) * anfis * Fe-Al-O
Obor OECD: Materials engineering
Impakt faktor: 3.662, rok: 2021
Způsob publikování: Omezený přístup
https://www.sciencedirect.com/science/article/pii/S2352492820328178?via%3Dihub
Trvalý link: https://hdl.handle.net/11104/0333426 - 5.0552700 - ÚVGZ 2022 RIV CH eng J - Článek v odborném periodiku
Klem, Karel - Křen, J. - Simor, J. - Kováč, Daniel - Holub, Petr - Míša, P. - Svobodová, I. - Lukáš, V. - Lukeš, Petr - Findurová, Hana - Urban, Otmar
Improving Nitrogen Status Estimation in Malting Barley Based on Hyperspectral Reflectance and Artificial Neural Networks.
Agronomy. Roč. 11, č. 12 (2021), č. článku 2592. E-ISSN 2073-4395
Grant CEP: GA MŠMT(CZ) EF16_019/0000797; GA MZe(CZ) QK1910197
Institucionální podpora: RVO:86652079
Klíčová slova: partial least-squares * vegetation indexes * spring barley * chlorophyll content * remote estimation * winter-wheat * grain-yield * growth * crop * nutrition * artificial neural network * grain yield * Hordeum vulgare * nitrogen status * hyperspectral reflectance
Obor OECD: Agriculture
Impakt faktor: 3.949, rok: 2021
Způsob publikování: Open access
https://www.mdpi.com/2073-4395/11/12/2592
Trvalý link: http://hdl.handle.net/11104/0327827 - 6.0551587 - ÚFM 2022 RIV US eng J - Článek v odborném periodiku
Khalaj, O. - Jamshidi, M. - Saebnoori, E. - Mašek, B. - Stadler, C. - Svoboda, Jiří
Hybrid Machine Learning Techniques and Computational Mechanics: Estimating the Dynamic Behavior of Oxide Precipitation Hardened Steel.
IEEE Access. Roč. 9, neuvedeno (2021), s. 156930-156946. ISSN 2169-3536. E-ISSN 2169-3536
Grant CEP: GA ČR GX21-02203X
Institucionální podpora: RVO:68081723
Klíčová slova: oxide precipitation hardened (OPH) steels * tensile strength * artificial neural network (ANN)
Obor OECD: Thermodynamics
Impakt faktor: 3.476, rok: 2021
Způsob publikování: Open access
https://ieeexplore.ieee.org/document/9620029
Trvalý link: http://hdl.handle.net/11104/0328275 - 7.0548681 - ÚFM 2022 RIV CH eng J - Článek v odborném periodiku
Khalaj, O. - Ghobadi, M. - Saebnoori, E. - Zarezadeh, A. - Shishesaz, M. - Mašek, B. - Stadler, C. - Svoboda, Jiří
Development of Machine Learning Models to Evaluate the Toughness of OPH Alloys.
Materials. Roč. 14, č. 21 (2021), č. článku 6713. E-ISSN 1996-1944
Grant CEP: GA ČR GX21-02203X
Institucionální podpora: RVO:68081723
Klíčová slova: artificial neural-networks * mechanical-properties * sensitivity-analysis * compressive strength * new-generation * grain-growth * ods steel * regression * prediction * microstructure * Oxide Precipitation-Hardened (OPH) alloys * tensile test * toughness * artificial neural network (ANN) * particle swarm optimization * anfis * Fe-Al-O
Obor OECD: Thermodynamics
Impakt faktor: 3.748, rok: 2021
Způsob publikování: Open access
https://www.mdpi.com/1996-1944/14/21/6713
Trvalý link: http://hdl.handle.net/11104/0324865 - 8.0546326 - ÚVGZ 2022 RIV CH eng J - Článek v odborném periodiku
Tomíček, J. - Misurec, J. - Lukeš, Petr
Prototyping a Generic Algorithm for Crop Parameter Retrieval across the Season Using Radiative Transfer Model Inversion and Sentinel-2 Satellite Observations.
Remote Sensing. Roč. 13, č. 18 (2021), č. článku 3659. E-ISSN 2072-4292
Grant CEP: GA TA ČR TH02030248; GA MŠMT(CZ) EF16_019/0000797
Výzkumná infrastruktura: CzeCOS III - 90123
Institucionální podpora: RVO:86652079
Klíčová slova: leaf-area index * chlorophyll content * water-content * canopy * wheat * instrument * corn * Sentinel-2 * prosail * radiative transfer * leaf area index * leaf chlorophyll content * leaf water content * artificial neural network * look-up table
Obor OECD: Remote sensing
Impakt faktor: 5.349, rok: 2021
Způsob publikování: Open access
https://www.mdpi.com/2072-4292/13/18/3659
Trvalý link: http://hdl.handle.net/11104/0322860 - 9.0545755 - ÚVGZ 2022 RIV NL eng J - Článek v odborném periodiku
Jurečka, František - Fischer, Milan - Hlavinka, Petr - Balek, Jan - Semerádová, Daniela - Bláhová, Monika - Anderson, M. C. - Hain, C. - Žalud, Zdeněk - Trnka, Miroslav
Potential of water balance and remote sensing-based evapotranspiration models to predict yields of spring barley and winter wheat in the Czech Republic.
Agricultural Water Management. Roč. 256, OCT (2021), č. článku 107064. ISSN 0378-3774. E-ISSN 1873-2283
Grant CEP: GA MŠMT(CZ) EF16_019/0000797
Výzkumná infrastruktura: CzeCOS III - 90123
Institucionální podpora: RVO:86652079
Klíčová slova: evaporative stress index * crop yield * agricultural drought * central-europe * united-states * time-series * soil * climate * system * parameterization * Artificial neural network * Crop yield prediction * Evapotranspiration * Evaporative stress index * Spring barley * Winter wheat
Obor OECD: Agriculture
Impakt faktor: 6.611, rok: 2021
Způsob publikování: Omezený přístup
https://www.sciencedirect.com/science/article/pii/S0378377421003292?via%3Dihub
Trvalý link: http://hdl.handle.net/11104/0322417 - 10.0539954 - ÚEM 2021 RIV IE eng J - Článek v odborném periodiku
Chang, T.R. - Šuta, Daniel - Chiu, T. W.
Responses of midbrain auditory neurons to two different environmental sounds-A new approach on cross-sound modeling.
Biosystems. Roč. 187, jan. (2020), č. článku 104021. ISSN 0303-2647. E-ISSN 1872-8324
Grant CEP: GA ČR(CZ) GC16-09086J
Institucionální podpora: RVO:68378041
Klíčová slova: cross-sound modeling * complex sound processing * artificial neural network
Obor OECD: Neurosciences (including psychophysiology
Impakt faktor: 1.973, rok: 2020
Způsob publikování: Omezený přístup
https://www.sciencedirect.com/science/article/abs/pii/S0303264719300851?via%3Dihub
Trvalý link: http://hdl.handle.net/11104/0317641