Zeitschriftenartikel zum Thema „Artificial Neural Networks and Recurrent Neutral Networks“
Geben Sie eine Quelle nach APA, MLA, Chicago, Harvard und anderen Zitierweisen an
Machen Sie sich mit Top-50 Zeitschriftenartikel für die Forschung zum Thema "Artificial Neural Networks and Recurrent Neutral Networks" bekannt.
Neben jedem Werk im Literaturverzeichnis ist die Option "Zur Bibliographie hinzufügen" verfügbar. Nutzen Sie sie, wird Ihre bibliographische Angabe des gewählten Werkes nach der nötigen Zitierweise (APA, MLA, Harvard, Chicago, Vancouver usw.) automatisch gestaltet.
Sie können auch den vollen Text der wissenschaftlichen Publikation im PDF-Format herunterladen und eine Online-Annotation der Arbeit lesen, wenn die relevanten Parameter in den Metadaten verfügbar sind.
Sehen Sie die Zeitschriftenartikel für verschiedene Spezialgebieten durch und erstellen Sie Ihre Bibliographie auf korrekte Weise.
Prathibha, Dr G., Y. Kavya, P. Vinay Jacob und L. Poojita. „Speech Emotion Recognition Using Deep Learning“. INTERANTIONAL JOURNAL OF SCIENTIFIC RESEARCH IN ENGINEERING AND MANAGEMENT 08, Nr. 07 (04.07.2024): 1–13. http://dx.doi.org/10.55041/ijsrem36262.
Der volle Inhalt der QuelleAli, Ayesha, Ateeq Ur Rehman, Ahmad Almogren, Elsayed Tag Eldin und Muhammad Kaleem. „Application of Deep Learning Gated Recurrent Unit in Hybrid Shunt Active Power Filter for Power Quality Enhancement“. Energies 15, Nr. 20 (13.10.2022): 7553. http://dx.doi.org/10.3390/en15207553.
Der volle Inhalt der QuellePranav Kumar Chaudhary, Aakash Kishore Chotrani, Raja Mohan, Mythili Boopathi, Piyush Ranjan, Madhavi Najana,. „Ai in Fraud Detection: Evaluating the Efficacy of Artificial Intelligence in Preventing Financial Misconduct“. Journal of Electrical Systems 20, Nr. 3s (04.04.2024): 1332–38. http://dx.doi.org/10.52783/jes.1508.
Der volle Inhalt der QuelleNassif, Ali Bou, Ismail Shahin, Mohammed Lataifeh, Ashraf Elnagar und Nawel Nemmour. „Empirical Comparison between Deep and Classical Classifiers for Speaker Verification in Emotional Talking Environments“. Information 13, Nr. 10 (27.09.2022): 456. http://dx.doi.org/10.3390/info13100456.
Der volle Inhalt der QuelleLee, Hong Jae, und Tae Seog Kim. „Comparison and Analysis of SNN and RNN Results for Option Pricing and Deep Hedging Using Artificial Neural Networks (ANN)“. Academic Society of Global Business Administration 20, Nr. 5 (30.10.2023): 146–78. http://dx.doi.org/10.38115/asgba.2023.20.5.146.
Der volle Inhalt der QuelleSutskever, Ilya, und Geoffrey Hinton. „Temporal-Kernel Recurrent Neural Networks“. Neural Networks 23, Nr. 2 (März 2010): 239–43. http://dx.doi.org/10.1016/j.neunet.2009.10.009.
Der volle Inhalt der QuelleWang, Rui. „Generalisation of Feed-Forward Neural Networks and Recurrent Neural Networks“. Applied and Computational Engineering 40, Nr. 1 (21.02.2024): 242–46. http://dx.doi.org/10.54254/2755-2721/40/20230659.
Der volle Inhalt der QuellePoudel, Sushan, und Dr R. Anuradha. „Speech Command Recognition using Artificial Neural Networks“. JOIV : International Journal on Informatics Visualization 4, Nr. 2 (26.05.2020): 73. http://dx.doi.org/10.30630/joiv.4.2.358.
Der volle Inhalt der QuelleTurner, Andrew James, und Julian Francis Miller. „Recurrent Cartesian Genetic Programming of Artificial Neural Networks“. Genetic Programming and Evolvable Machines 18, Nr. 2 (08.08.2016): 185–212. http://dx.doi.org/10.1007/s10710-016-9276-6.
Der volle Inhalt der QuelleZiemke, Tom. „Radar image segmentation using recurrent artificial neural networks“. Pattern Recognition Letters 17, Nr. 4 (April 1996): 319–34. http://dx.doi.org/10.1016/0167-8655(95)00128-x.
Der volle Inhalt der QuelleMASKARA, ARUN, und ANDREW NOETZEL. „Sequence Recognition with Recurrent Neural Networks“. Connection Science 5, Nr. 2 (Januar 1993): 139–52. http://dx.doi.org/10.1080/09540099308915692.
Der volle Inhalt der QuelleKawano, Makoto, und Kazuhiro Ueda. „Microblog Geolocation Estimation with Recurrent Neural Networks“. Transactions of the Japanese Society for Artificial Intelligence 32, Nr. 1 (2017): WII—E_1–8. http://dx.doi.org/10.1527/tjsai.wii-e.
Der volle Inhalt der QuelleAliev, R. A., B. G. Guirimov, Bijan Fazlollahi und R. R. Aliev. „Evolutionary algorithm-based learning of fuzzy neural networks. Part 2: Recurrent fuzzy neural networks“. Fuzzy Sets and Systems 160, Nr. 17 (September 2009): 2553–66. http://dx.doi.org/10.1016/j.fss.2008.12.018.
Der volle Inhalt der QuelleImam, Nabil. „Wiring up recurrent neural networks“. Nature Machine Intelligence 3, Nr. 9 (September 2021): 740–41. http://dx.doi.org/10.1038/s42256-021-00391-2.
Der volle Inhalt der QuelleDalhoum, Abdel Latif Abu, und Mohammed Al-Rawi. „High-Order Neural Networks are Equivalent to Ordinary Neural Networks“. Modern Applied Science 13, Nr. 2 (27.01.2019): 228. http://dx.doi.org/10.5539/mas.v13n2p228.
Der volle Inhalt der QuelleGoudreau, Mark W., und C. Lee Giles. „Using recurrent neural networks to learn the structure of interconnection networks“. Neural Networks 8, Nr. 5 (Januar 1995): 793–804. http://dx.doi.org/10.1016/0893-6080(95)00025-u.
Der volle Inhalt der QuelleLalapura, Varsha S., J. Amudha und Hariramn Selvamuruga Satheesh. „Recurrent Neural Networks for Edge Intelligence“. ACM Computing Surveys 54, Nr. 4 (Mai 2021): 1–38. http://dx.doi.org/10.1145/3448974.
Der volle Inhalt der QuelleDobnikar, Andrej, und Branko Šter. „Structural Properties of Recurrent Neural Networks“. Neural Processing Letters 29, Nr. 2 (12.02.2009): 75–88. http://dx.doi.org/10.1007/s11063-009-9096-2.
Der volle Inhalt der QuelleSemyonov, E. D., M. Ya Braginsky, D. V. Tarakanov und I. L. Nazarova. „NEURAL NETWORK FORECASTING OF INPUT PARAMETERS IN OIL DEVELOPMENT“. PROCEEDINGS IN CYBERNETICS 22, Nr. 4 (2023): 42–51. http://dx.doi.org/10.35266/1999-7604-2023-4-6.
Der volle Inhalt der QuelleDimopoulos, Nikitas J., John T. Dorocicz, Chris Jubien und Stephen Neville. „Training Asymptotically Stable Recurrent Neural Networks“. Intelligent Automation & Soft Computing 2, Nr. 4 (Januar 1996): 375–88. http://dx.doi.org/10.1080/10798587.1996.10750681.
Der volle Inhalt der QuellePhan, Manh Cong, und Martin T. Hagan. „Error Surface of Recurrent Neural Networks“. IEEE Transactions on Neural Networks and Learning Systems 24, Nr. 11 (November 2013): 1709–21. http://dx.doi.org/10.1109/tnnls.2013.2258470.
Der volle Inhalt der QuelleValle, Marcos Eduardo. „Complex-Valued Recurrent Correlation Neural Networks“. IEEE Transactions on Neural Networks and Learning Systems 25, Nr. 9 (September 2014): 1600–1612. http://dx.doi.org/10.1109/tnnls.2014.2341013.
Der volle Inhalt der QuelleGoundar, Sam, Suneet Prakash, Pranil Sadal und Akashdeep Bhardwaj. „Health Insurance Claim Prediction Using Artificial Neural Networks“. International Journal of System Dynamics Applications 9, Nr. 3 (Juli 2020): 40–57. http://dx.doi.org/10.4018/ijsda.2020070103.
Der volle Inhalt der QuelleWANG, JUN. „ON THE ASYMPTOTIC PROPERTIES OF RECURRENT NEURAL NETWORKS FOR OPTIMIZATION“. International Journal of Pattern Recognition and Artificial Intelligence 05, Nr. 04 (Oktober 1991): 581–601. http://dx.doi.org/10.1142/s0218001491000338.
Der volle Inhalt der QuelleMartins, T. D., J. M. Annichino-Bizzacchi, A. V. C. Romano und R. Maciel Filho. „Artificial neural networks for prediction of recurrent venous thromboembolism“. International Journal of Medical Informatics 141 (September 2020): 104221. http://dx.doi.org/10.1016/j.ijmedinf.2020.104221.
Der volle Inhalt der QuelleSaleh, Shadi. „Artificial Intelligence & Machine Learning in Computer Vision Applications“. Embedded Selforganising Systems 7, Nr. 1 (20.02.2020): 2–3. http://dx.doi.org/10.14464/ess71432.
Der volle Inhalt der Quellede Vos, N. J. „Echo state networks as an alternative to traditional artificial neural networks in rainfall–runoff modelling“. Hydrology and Earth System Sciences 17, Nr. 1 (22.01.2013): 253–67. http://dx.doi.org/10.5194/hess-17-253-2013.
Der volle Inhalt der QuelleLan, Nur, Michal Geyer, Emmanuel Chemla und Roni Katzir. „Minimum Description Length Recurrent Neural Networks“. Transactions of the Association for Computational Linguistics 10 (2022): 785–99. http://dx.doi.org/10.1162/tacl_a_00489.
Der volle Inhalt der QuelleNasr, Mounir Ben, und Mohamed Chtourou. „Training recurrent neural networks using a hybrid algorithm“. Neural Computing and Applications 21, Nr. 3 (31.12.2010): 489–96. http://dx.doi.org/10.1007/s00521-010-0506-1.
Der volle Inhalt der QuelleChen, Z. Y., C. P. Kwong und Z. B. Xu. „Multiple-valued feedback and recurrent correlation neural networks“. Neural Computing & Applications 3, Nr. 4 (Dezember 1995): 242–50. http://dx.doi.org/10.1007/bf01414649.
Der volle Inhalt der QuelleGoulas, Alexandros, Fabrizio Damicelli und Claus C. Hilgetag. „Bio-instantiated recurrent neural networks: Integrating neurobiology-based network topology in artificial networks“. Neural Networks 142 (Oktober 2021): 608–18. http://dx.doi.org/10.1016/j.neunet.2021.07.011.
Der volle Inhalt der QuelleFreitag, Steffen, Wolfgang Graf und Michael Kaliske. „Recurrent neural networks for fuzzy data“. Integrated Computer-Aided Engineering 18, Nr. 3 (17.06.2011): 265–80. http://dx.doi.org/10.3233/ica-2011-0373.
Der volle Inhalt der QuelleCarta, Antonio, Alessandro Sperduti und Davide Bacciu. „Encoding-based memory for recurrent neural networks“. Neurocomputing 456 (Oktober 2021): 407–20. http://dx.doi.org/10.1016/j.neucom.2021.04.051.
Der volle Inhalt der QuelleGraves, Daniel, und Witold Pedrycz. „Fuzzy prediction architecture using recurrent neural networks“. Neurocomputing 72, Nr. 7-9 (März 2009): 1668–78. http://dx.doi.org/10.1016/j.neucom.2008.07.009.
Der volle Inhalt der QuelleCruse, Hoik, Jeffrey Dean, Thomas Kindermann, Josef Schmitz und Michael Schumm. „Simulation of Complex Movements Using Artificial Neural Networks“. Zeitschrift für Naturforschung C 53, Nr. 7-8 (01.08.1998): 628–38. http://dx.doi.org/10.1515/znc-1998-7-816.
Der volle Inhalt der QuelleGANCHEV, TODOR. „ENHANCED TRAINING FOR THE LOCALLY RECURRENT PROBABILISTIC NEURAL NETWORKS“. International Journal on Artificial Intelligence Tools 18, Nr. 06 (Dezember 2009): 853–81. http://dx.doi.org/10.1142/s0218213009000433.
Der volle Inhalt der QuelleLeung, Chi-Sing, und Lai-Wan Chan. „Dual extended Kalman filtering in recurrent neural networks“. Neural Networks 16, Nr. 2 (März 2003): 223–39. http://dx.doi.org/10.1016/s0893-6080(02)00230-7.
Der volle Inhalt der QuelleParga, N., L. Serrano-Fernández und J. Falcó-Roget. „Emergent computations in trained artificial neural networks and real brains“. Journal of Instrumentation 18, Nr. 02 (01.02.2023): C02060. http://dx.doi.org/10.1088/1748-0221/18/02/c02060.
Der volle Inhalt der QuelleZiemke, Tom. „Radar Image Segmentation Using Self-Adapting Recurrent Networks“. International Journal of Neural Systems 08, Nr. 01 (Februar 1997): 47–54. http://dx.doi.org/10.1142/s0129065797000070.
Der volle Inhalt der QuelleFRANKLIN, JUDY A., und KRYSTAL K. LOCKE. „RECURRENT NEURAL NETWORKS FOR MUSICAL PITCH MEMORY AND CLASSIFICATION“. International Journal on Artificial Intelligence Tools 14, Nr. 01n02 (Februar 2005): 329–42. http://dx.doi.org/10.1142/s0218213005002120.
Der volle Inhalt der QuelleMa, Tingsong, Ping Kuang und Wenhong Tian. „An improved recurrent neural networks for 3d object reconstruction“. Applied Intelligence 50, Nr. 3 (23.10.2019): 905–23. http://dx.doi.org/10.1007/s10489-019-01523-3.
Der volle Inhalt der QuelleHuang, Chuangxia, Yigang He und Ping Chen. „Dynamic Analysis of Stochastic Recurrent Neural Networks“. Neural Processing Letters 27, Nr. 3 (11.04.2008): 267–76. http://dx.doi.org/10.1007/s11063-008-9075-z.
Der volle Inhalt der QuelleStepchenko, Arthur, und Jurij Chizhov. „NDVI Short-Term Forecasting Using Recurrent Neural Networks“. Environment. Technology. Resources. Proceedings of the International Scientific and Practical Conference 3 (16.06.2015): 180. http://dx.doi.org/10.17770/etr2015vol3.167.
Der volle Inhalt der QuelleManfredini, Ricardo Augusto. „Hybrid Artificial Neural Networks for Electricity Consumption Prediction“. International Journal of Advanced Engineering Research and Science 9, Nr. 8 (2022): 292–99. http://dx.doi.org/10.22161/ijaers.98.32.
Der volle Inhalt der QuelleSiriporananon, Somsak, und Boonlert Suechoey. „Power Losses Analysis in a Three-Phase Distribution Transformer Using Artificial Neural Networks“. ECTI Transactions on Electrical Engineering, Electronics, and Communications 18, Nr. 2 (31.08.2020): 130–36. http://dx.doi.org/10.37936/ecti-eec.2020182.223203.
Der volle Inhalt der QuelleBacciu, Davide, und Francesco Crecchi. „Augmenting Recurrent Neural Networks Resilience by Dropout“. IEEE Transactions on Neural Networks and Learning Systems 31, Nr. 1 (Januar 2020): 345–51. http://dx.doi.org/10.1109/tnnls.2019.2899744.
Der volle Inhalt der QuelleLiu, Shiwei, Iftitahu Ni’mah, Vlado Menkovski, Decebal Constantin Mocanu und Mykola Pechenizkiy. „Efficient and effective training of sparse recurrent neural networks“. Neural Computing and Applications 33, Nr. 15 (26.01.2021): 9625–36. http://dx.doi.org/10.1007/s00521-021-05727-y.
Der volle Inhalt der QuelleZhai, Jun-Yong, Shu-Min Fei und Xiao-Hui Mo. „Multiple models switching control based on recurrent neural networks“. Neural Computing and Applications 17, Nr. 4 (24.08.2007): 365–71. http://dx.doi.org/10.1007/s00521-007-0123-9.
Der volle Inhalt der QuelleKhan, Yaser Daanial, Farooq Ahmed und Sher Afzal Khan. „Situation recognition using image moments and recurrent neural networks“. Neural Computing and Applications 24, Nr. 7-8 (24.03.2013): 1519–29. http://dx.doi.org/10.1007/s00521-013-1372-4.
Der volle Inhalt der QuellePENG, CHUN-CHENG, und GEORGE D. MAGOULAS. „ADVANCED ADAPTIVE NONMONOTONE CONJUGATE GRADIENT TRAINING ALGORITHM FOR RECURRENT NEURAL NETWORKS“. International Journal on Artificial Intelligence Tools 17, Nr. 05 (Oktober 2008): 963–84. http://dx.doi.org/10.1142/s0218213008004242.
Der volle Inhalt der Quelle