Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen:
Biosystemtechnik / Bioinformatik
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Abschlussarbeit Buch |
| Sprache: | German |
| Veröffentlicht: |
Wildau
2020
|
| Schlagworte: | |
| Online-Zugang: | Inhaltsverzeichnis |
| Zusammenfassung: | Biosystemtechnik / Bioinformatik |
| Beschreibung: | 65 Blätter Illustrationen 1 CD-ROM |
Internformat
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV046925059 | ||
| 003 | DE-604 | ||
| 005 | 20201006 | ||
| 007 | t | ||
| 008 | 201005s2020 a||| m||| 00||| ger d | ||
| 035 | |a (OCoLC)1199069043 | ||
| 035 | |a (DE-599)BVBBV046925059 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 049 | |a DE-526 | ||
| 100 | 1 | |a Pöhls, Jonas |e Verfasser |4 aut | |
| 245 | 1 | 0 | |a Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen |
| 264 | 1 | |a Wildau |c 2020 | |
| 300 | |a 65 Blätter |b Illustrationen |e 1 CD-ROM | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 502 | |b Masterarbeit |c Technische Hochschule |g A2020/0361 | ||
| 520 | |a Biosystemtechnik / Bioinformatik | ||
| 650 | 0 | 7 | |a Deep learning |0 (DE-588)1135597375 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Phänotyp |0 (DE-588)4248244-6 |2 gnd |9 rswk-swf |
| 655 | 7 | |0 (DE-588)4113937-9 |a Hochschulschrift |2 gnd-content | |
| 689 | 0 | 0 | |a Deep learning |0 (DE-588)1135597375 |D s |
| 689 | 0 | 1 | |a Phänotyp |0 (DE-588)4248244-6 |D s |
| 689 | 0 | |5 DE-604 | |
| 700 | 1 | |a Pospisil, Heike |4 dgs | |
| 856 | 4 | |q application/pdf |u http://wilbert.kobv.de/tocs/250068.pdf |3 Inhaltsverzeichnis | |
| 940 | 1 | |q BTW-Scan | |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-032334183 | ||
Datensatz im Suchindex
| _version_ | 1804181815353671680 |
|---|---|
| adam_txt | |
| any_adam_object | |
| any_adam_object_boolean | |
| author | Pöhls, Jonas |
| author_facet | Pöhls, Jonas |
| author_role | aut |
| author_sort | Pöhls, Jonas |
| author_variant | j p jp |
| building | Verbundindex |
| bvnumber | BV046925059 |
| ctrlnum | (OCoLC)1199069043 (DE-599)BVBBV046925059 |
| format | Thesis Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>01270nam a2200373 c 4500</leader><controlfield tag="001">BV046925059</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20201006 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">201005s2020 a||| m||| 00||| ger d</controlfield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1199069043</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV046925059</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-526</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Pöhls, Jonas</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Wildau</subfield><subfield code="c">2020</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">65 Blätter</subfield><subfield code="b">Illustrationen</subfield><subfield code="e">1 CD-ROM</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="502" ind1=" " ind2=" "><subfield code="b">Masterarbeit</subfield><subfield code="c">Technische Hochschule</subfield><subfield code="g">A2020/0361</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">Biosystemtechnik / Bioinformatik</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Deep learning</subfield><subfield code="0">(DE-588)1135597375</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Phänotyp</subfield><subfield code="0">(DE-588)4248244-6</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Deep learning</subfield><subfield code="0">(DE-588)1135597375</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Phänotyp</subfield><subfield code="0">(DE-588)4248244-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Pospisil, Heike</subfield><subfield code="4">dgs</subfield></datafield><datafield tag="856" ind1="4" ind2=" "><subfield code="q">application/pdf</subfield><subfield code="u">http://wilbert.kobv.de/tocs/250068.pdf</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="940" ind1="1" ind2=" "><subfield code="q">BTW-Scan</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-032334183</subfield></datafield></record></collection> |
| genre | (DE-588)4113937-9 Hochschulschrift gnd-content |
| genre_facet | Hochschulschrift |
| id | DE-604.BV046925059 |
| illustrated | Illustrated |
| index_date | 2024-07-03T15:32:37Z |
| indexdate | 2024-07-10T08:57:39Z |
| institution | BVB |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-032334183 |
| oclc_num | 1199069043 |
| open_access_boolean | |
| owner | DE-526 |
| owner_facet | DE-526 |
| physical | 65 Blätter Illustrationen 1 CD-ROM |
| psigel | BTW-Scan |
| publishDate | 2020 |
| publishDateSearch | 2020 |
| publishDateSort | 2020 |
| record_format | marc |
| spelling | Pöhls, Jonas Verfasser aut Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen Wildau 2020 65 Blätter Illustrationen 1 CD-ROM txt rdacontent n rdamedia nc rdacarrier Masterarbeit Technische Hochschule A2020/0361 Biosystemtechnik / Bioinformatik Deep learning (DE-588)1135597375 gnd rswk-swf Phänotyp (DE-588)4248244-6 gnd rswk-swf (DE-588)4113937-9 Hochschulschrift gnd-content Deep learning (DE-588)1135597375 s Phänotyp (DE-588)4248244-6 s DE-604 Pospisil, Heike dgs application/pdf http://wilbert.kobv.de/tocs/250068.pdf Inhaltsverzeichnis |
| spellingShingle | Pöhls, Jonas Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen Deep learning (DE-588)1135597375 gnd Phänotyp (DE-588)4248244-6 gnd |
| subject_GND | (DE-588)1135597375 (DE-588)4248244-6 (DE-588)4113937-9 |
| title | Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen |
| title_auth | Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen |
| title_exact_search | Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen |
| title_exact_search_txtP | Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen |
| title_full | Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen |
| title_fullStr | Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen |
| title_full_unstemmed | Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen |
| title_short | Deep Learning-Verfahren zur Vorhersage unterschiedlicher Phänotypen bei Nutzpflanzen |
| title_sort | deep learning verfahren zur vorhersage unterschiedlicher phanotypen bei nutzpflanzen |
| topic | Deep learning (DE-588)1135597375 gnd Phänotyp (DE-588)4248244-6 gnd |
| topic_facet | Deep learning Phänotyp Hochschulschrift |
| url | http://wilbert.kobv.de/tocs/250068.pdf |
| work_keys_str_mv | AT pohlsjonas deeplearningverfahrenzurvorhersageunterschiedlicherphanotypenbeinutzpflanzen AT pospisilheike deeplearningverfahrenzurvorhersageunterschiedlicherphanotypenbeinutzpflanzen |