Over het archief
Het OWA, het open archief van het Waterbouwkundig Laboratorium heeft tot doel alle vrij toegankelijke onderzoeksresultaten van dit instituut in digitale vorm aan te bieden. Op die manier wil het de zichtbaarheid, verspreiding en gebruik van deze onderzoeksresultaten, alsook de wetenschappelijke communicatie maximaal bevorderen.
Dit archief wordt uitgebouwd en beheerd volgens de principes van de Open Access Movement, en het daaruit ontstane Open Archives Initiative.
Basisinformatie over ‘Open Access to scholarly information'.
| [ meld een fout in dit record ] | mandje (0): toevoegen | toon |
 |
| Machine learning techniques to characterize functional traits of plankton from image data Orenstein, E.C.; Ayata, S.-D.; Maps, F.; Becker, E.C.; Benedetti, F.; Biard, T.; de Garidel-Thoron, T.; Ellen, J.S.; Ferrario, F.; Giering, S.L.C.; Guy-Haim, T.; Hoebeke, L.; Iversen, M.H.; Kiørboe, T.; Lalonde, J.-F.; Lana, A.; Laviale, M.; Lombard, F.; Lorimer, T.; Martini, S.; Meyer, A.; Möller, K.O.; Niehoff, B.; Ohman, M.D.; Pradalier, C.; Romagnan, J.-B.; Schröder, S.-M.; Sonnet, V.; Sosik, H.M.; Stemmann, L.S.; Stock, M.; Terbiyik Kurt, T.; Valcárcel-Pérez, N.; Vilgrain, L.; Wacquet, G.; Waite, A.M.; Irisson, J.-O. (2022). Machine learning techniques to characterize functional traits of plankton from image data. Limnol. Oceanogr. 67(8): 1647-1669. https://dx.doi.org/10.1002/lno.12101
In: Limnology and Oceanography. American Society of Limnology and Oceanography: Waco, Tex., etc. ISSN 0024-3590; e-ISSN 1939-5590, meer
|   |
| Beschikbaar in | Auteurs |
| |
| Trefwoord |
|
| Auteurs | Top | |
|
|
|
| Abstract |
|
| Top | Auteurs |
