disertacija
Machine Learning Methods for Efficient Data Reduction and Reconstruction in the concept of Internet of Things
Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2023. urn:nbn:hr:179:106445

Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje

Citirajte ovaj rad

Čulić Gambiroža, J. (2023). Machine Learning Methods for Efficient Data Reduction and Reconstruction in the concept of Internet of Things (Disertacija). Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:179:106445

Čulić Gambiroža, Jelena. "Machine Learning Methods for Efficient Data Reduction and Reconstruction in the concept of Internet of Things." Disertacija, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2023. https://urn.nsk.hr/urn:nbn:hr:179:106445

Čulić Gambiroža, Jelena. "Machine Learning Methods for Efficient Data Reduction and Reconstruction in the concept of Internet of Things." Disertacija, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2023. https://urn.nsk.hr/urn:nbn:hr:179:106445

Čulić Gambiroža, J. (2023). 'Machine Learning Methods for Efficient Data Reduction and Reconstruction in the concept of Internet of Things', Disertacija, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, citirano: 19.07.2024., https://urn.nsk.hr/urn:nbn:hr:179:106445

Čulić Gambiroža J. Machine Learning Methods for Efficient Data Reduction and Reconstruction in the concept of Internet of Things [Disertacija]. Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje; 2023 [pristupljeno 19.07.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:106445

J. Čulić Gambiroža, "Machine Learning Methods for Efficient Data Reduction and Reconstruction in the concept of Internet of Things", Disertacija, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, Split, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:106445

Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.