Using deep learning approaches to overcome limited dataset issues within semiconductor domain

Milad Omrani Tamrin, Sebastien Henwood, Jean-François Dubois, Jean-Jules Brault, Saad Chidami et Samuel Bassetto

Communication écrite (2019)

Un lien externe est disponible pour ce document

Département:	Département de mathématiques et de génie industriel Département de génie électrique
Centre de recherche:	GR2M - Groupe de recherche en microélectronique et microsystèmes
URL de PolyPublie:	https://publications.polymtl.ca/44375/
Nom de la conférence:	17th IEEE International New Circuits and Systems Conference (NEWCAS 2019)
Lieu de la conférence:	Munich, Germany
Date(s) de la conférence:	2019-06-23 - 2019-06-26
Maison d'édition:	IEEE
DOI:	10.1109/newcas44328.2019.8961246
URL officielle:	https://doi.org/10.1109/newcas44328.2019.8961246
Date du dépôt:	18 avr. 2023 15:02
Dernière modification:	25 sept. 2024 16:31

Citer en APA 7:	Tamrin, M. O., Henwood, S., Dubois, J.-F., Brault, J.-J., Chidami, S., & Bassetto, S. (juin 2019). Using deep learning approaches to overcome limited dataset issues within semiconductor domain [Communication écrite]. 17th IEEE International New Circuits and Systems Conference (NEWCAS 2019), Munich, Germany (4 pages). https://doi.org/10.1109/newcas44328.2019.8961246
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Actions réservées au personnel