( en | de | ru )

 

Disambiguierung von "Zhang, Tianli"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Use Multilayer Perceptron in Calibrating Multistage Non-linearity of Split Pipelined-ADC.

, , , und . ISCAS, Seite 1-5. IEEE, (2018)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Zhang Zhang

Meng Zhang

Methods and implementations of road-network matching. TU München, (2009)

Yue Zhang

Ning Zhang

Gang Zhang

 

Weitere Publikationen von Autoren mit dem selben Namen

Use Multilayer Perceptron in Calibrating Multistage Non-linearity of Split Pipelined-ADC., , , und . ISCAS, Seite 1-5. IEEE, (2018)Transition Propagation Graph Neural Networks for Temporal Networks., , , , , , , , und . CoRR, (2023)An Operational Amplifier Assisted Input Buffer and An Improved Bootstrapped Switch for High-Speed and High-Resolution ADCs., , , , und . ISCAS, Seite 1-5. IEEE, (2018)An improved ring amplifier with process- and supply voltage-insensitive dead-zone., , , , und . MWSCAS, Seite 811-814. IEEE, (2017)Generalization Matters: Loss Minima Flattening via Parameter Hybridization for Efficient Online Knowledge Distillation., , , , , , , und . CVPR, Seite 20176-20185. IEEE, (2023)Disentangling Node Metric Factors for Temporal Link Prediction., , , , und . ICONIP (2), Volume 14448 von Lecture Notes in Computer Science, Seite 346-357. Springer, (2023)Machine Learning Based Prior-Knowledge-Free Calibration for Split Pipelined-SAR ADCs with Open-Loop Amplifiers Achieving 93.7-dB SFDR., , , , , und . ESSCIRC, Seite 189-192. IEEE, (2019)A 91.0-dB SFDR Single-Coarse Dual-Fine Pipelined-SAR ADC With Split-Based Background Calibration in 28-nm CMOS., , , , , , , und . IEEE Trans. Circuits Syst. I Regul. Pap., 68 (2): 641-654 (2021)Graph Neural Networks-based hybrid framework for predicting particle crushing strength., , , , , , und . Expert Syst. Appl., (2024)