Zeitschriftenartikel zum Thema „Multi-labels“
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 "Multi-labels" 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.
Lee, Seongmin, Hyunsik Jeon und U. Kang. „Multi-EPL: Accurate multi-source domain adaptation“. PLOS ONE 16, Nr. 8 (05.08.2021): e0255754. http://dx.doi.org/10.1371/journal.pone.0255754.
Der volle Inhalt der QuelleHao, Pingting, Kunpeng Liu und Wanfu Gao. „Double-Layer Hybrid-Label Identification Feature Selection for Multi-View Multi-Label Learning“. Proceedings of the AAAI Conference on Artificial Intelligence 38, Nr. 11 (24.03.2024): 12295–303. http://dx.doi.org/10.1609/aaai.v38i11.29120.
Der volle Inhalt der QuelleSun, Kai-Wei, Chong Ho Lee und Xiao-Feng Xie. „MLHN: A Hypernetwork Model for Multi-Label Classification“. International Journal of Pattern Recognition and Artificial Intelligence 29, Nr. 06 (12.08.2015): 1550020. http://dx.doi.org/10.1142/s0218001415500202.
Der volle Inhalt der QuelleGuo, Hai-Feng, Lixin Han, Shoubao Su und Zhou-Bao Sun. „Deep Multi-Instance Multi-Label Learning for Image Annotation“. International Journal of Pattern Recognition and Artificial Intelligence 32, Nr. 03 (22.11.2017): 1859005. http://dx.doi.org/10.1142/s021800141859005x.
Der volle Inhalt der QuelleXing, Yuying, Guoxian Yu, Carlotta Domeniconi, Jun Wang, Zili Zhang und Maozu Guo. „Multi-View Multi-Instance Multi-Label Learning Based on Collaborative Matrix Factorization“. Proceedings of the AAAI Conference on Artificial Intelligence 33 (17.07.2019): 5508–15. http://dx.doi.org/10.1609/aaai.v33i01.33015508.
Der volle Inhalt der QuelleLi, Lei, Yuqi Chu, Guanfeng Liu und Xindong Wu. „Multi-Objective Optimization-Based Networked Multi-Label Active Learning“. Journal of Database Management 30, Nr. 2 (April 2019): 1–26. http://dx.doi.org/10.4018/jdm.2019040101.
Der volle Inhalt der QuelleChen, Tianshui, Tao Pu, Hefeng Wu, Yuan Xie und Liang Lin. „Structured Semantic Transfer for Multi-Label Recognition with Partial Labels“. Proceedings of the AAAI Conference on Artificial Intelligence 36, Nr. 1 (28.06.2022): 339–46. http://dx.doi.org/10.1609/aaai.v36i1.19910.
Der volle Inhalt der QuelleHuang, Jun, Linchuan Xu, Kun Qian, Jing Wang und Kenji Yamanishi. „Multi-label learning with missing and completely unobserved labels“. Data Mining and Knowledge Discovery 35, Nr. 3 (12.03.2021): 1061–86. http://dx.doi.org/10.1007/s10618-021-00743-x.
Der volle Inhalt der QuelleChen, Ze-Sen, Xuan Wu, Qing-Guo Chen, Yao Hu und Min-Ling Zhang. „Multi-View Partial Multi-Label Learning with Graph-Based Disambiguation“. Proceedings of the AAAI Conference on Artificial Intelligence 34, Nr. 04 (03.04.2020): 3553–60. http://dx.doi.org/10.1609/aaai.v34i04.5761.
Der volle Inhalt der QuelleHuang, Jun, Haowei Rui, Guorong Li, Xiwen Qu, Tao Tao und Xiao Zheng. „Multi-Label Learning With Hidden Labels“. IEEE Access 8 (2020): 29667–76. http://dx.doi.org/10.1109/access.2020.2972599.
Der volle Inhalt der QuelleTan, Z. M., J. Y. Liu, Q. Li, D. Y. Wang und C. Y. Wang. „An approach to error label discrimination based on joint clustering“. Journal of Physics: Conference Series 2294, Nr. 1 (01.06.2022): 012018. http://dx.doi.org/10.1088/1742-6596/2294/1/012018.
Der volle Inhalt der QuelleLiu, Xinda, und Lili Wang. „Multi-granularity sequence generation for hierarchical image classification“. Computational Visual Media 10, Nr. 2 (03.01.2024): 243–60. http://dx.doi.org/10.1007/s41095-022-0332-2.
Der volle Inhalt der QuelleXie, Ming-Kun, und Sheng-Jun Huang. „Partial Multi-Label Learning with Noisy Label Identification“. Proceedings of the AAAI Conference on Artificial Intelligence 34, Nr. 04 (03.04.2020): 6454–61. http://dx.doi.org/10.1609/aaai.v34i04.6117.
Der volle Inhalt der QuellePeng, Cheng, Ke Chen, Lidan Shou und Gang Chen. „CARAT: Contrastive Feature Reconstruction and Aggregation for Multi-Modal Multi-Label Emotion Recognition“. Proceedings of the AAAI Conference on Artificial Intelligence 38, Nr. 13 (24.03.2024): 14581–89. http://dx.doi.org/10.1609/aaai.v38i13.29374.
Der volle Inhalt der QuelleZhang, Ping, Wanfu Gao, Juncheng Hu und Yonghao Li. „Multi-Label Feature Selection Based on High-Order Label Correlation Assumption“. Entropy 22, Nr. 7 (21.07.2020): 797. http://dx.doi.org/10.3390/e22070797.
Der volle Inhalt der QuelleLidén, Mats, Ola Hjelmgren, Jenny Vikgren und Per Thunberg. „Multi-Reader–Multi-Split Annotation of Emphysema in Computed Tomography“. Journal of Digital Imaging 33, Nr. 5 (10.08.2020): 1185–93. http://dx.doi.org/10.1007/s10278-020-00378-2.
Der volle Inhalt der QuelleWu, Xingyu, Bingbing Jiang, Kui Yu, Huanhuan Chen und Chunyan Miao. „Multi-Label Causal Feature Selection“. Proceedings of the AAAI Conference on Artificial Intelligence 34, Nr. 04 (03.04.2020): 6430–37. http://dx.doi.org/10.1609/aaai.v34i04.6114.
Der volle Inhalt der QuelleFang, Jun-Peng, und Min-Ling Zhang. „Partial Multi-Label Learning via Credible Label Elicitation“. Proceedings of the AAAI Conference on Artificial Intelligence 33 (17.07.2019): 3518–25. http://dx.doi.org/10.1609/aaai.v33i01.33013518.
Der volle Inhalt der QuelleZhu, Yue, Kai Ming Ting und Zhi-Hua Zhou. „Multi-Label Learning with Emerging New Labels“. IEEE Transactions on Knowledge and Data Engineering 30, Nr. 10 (01.10.2018): 1901–14. http://dx.doi.org/10.1109/tkde.2018.2810872.
Der volle Inhalt der QuelleZhu, Pengfei, Qian Xu, Qinghua Hu, Changqing Zhang und Hong Zhao. „Multi-label feature selection with missing labels“. Pattern Recognition 74 (Februar 2018): 488–502. http://dx.doi.org/10.1016/j.patcog.2017.09.036.
Der volle Inhalt der QuelleLin, Yaojin, Qinghua Hu, Jia Zhang und Xindong Wu. „Multi-label feature selection with streaming labels“. Information Sciences 372 (Dezember 2016): 256–75. http://dx.doi.org/10.1016/j.ins.2016.08.039.
Der volle Inhalt der QuelleXu, Miao, Yu-Feng Li und Zhi-Hua Zhou. „Multi-Label Learning with PRO Loss“. Proceedings of the AAAI Conference on Artificial Intelligence 27, Nr. 1 (30.06.2013): 998–1004. http://dx.doi.org/10.1609/aaai.v27i1.8689.
Der volle Inhalt der QuelleZHANG, Yongwei. „Learning Label Correlations for Multi-Label Online Passive Aggressive Classification Algorithm“. Wuhan University Journal of Natural Sciences 29, Nr. 1 (Februar 2024): 51–58. http://dx.doi.org/10.1051/wujns/2024291051.
Der volle Inhalt der QuelleWang, Xiujuan, und Yuchen Zhou. „Multi-Label Feature Selection with Conditional Mutual Information“. Computational Intelligence and Neuroscience 2022 (08.10.2022): 1–13. http://dx.doi.org/10.1155/2022/9243893.
Der volle Inhalt der QuellePu, Tao, Tianshui Chen, Hefeng Wu und Liang Lin. „Semantic-Aware Representation Blending for Multi-Label Image Recognition with Partial Labels“. Proceedings of the AAAI Conference on Artificial Intelligence 36, Nr. 2 (28.06.2022): 2091–98. http://dx.doi.org/10.1609/aaai.v36i2.20105.
Der volle Inhalt der QuelleKolber, Anna, und Oliver Meixner. „Effects of Multi-Level Eco-Labels on the Product Evaluation of Meat and Meat Alternatives—A Discrete Choice Experiment“. Foods 12, Nr. 15 (03.08.2023): 2941. http://dx.doi.org/10.3390/foods12152941.
Der volle Inhalt der QuelleSong, Hwanjun, Minseok Kim und Jae-Gil Lee. „Toward Robustness in Multi-Label Classification: A Data Augmentation Strategy against Imbalance and Noise“. Proceedings of the AAAI Conference on Artificial Intelligence 38, Nr. 19 (24.03.2024): 21592–601. http://dx.doi.org/10.1609/aaai.v38i19.30157.
Der volle Inhalt der QuelleWang, Zhen, Yiqun Duan, Liu Liu und Dacheng Tao. „Multi-label Few-shot Learning with Semantic Inference (Student Abstract)“. Proceedings of the AAAI Conference on Artificial Intelligence 35, Nr. 18 (18.05.2021): 15917–18. http://dx.doi.org/10.1609/aaai.v35i18.17955.
Der volle Inhalt der QuelleCui, Zijun, Yong Zhang und Qiang Ji. „Label Error Correction and Generation through Label Relationships“. Proceedings of the AAAI Conference on Artificial Intelligence 34, Nr. 04 (03.04.2020): 3693–700. http://dx.doi.org/10.1609/aaai.v34i04.5778.
Der volle Inhalt der QuelleRottoli, Giovanni Daian, und Carlos Casanova. „Multi-criteria and Multi-expert Requirement Prioritization using Fuzzy Linguistic Labels“. ParadigmPlus 3, Nr. 1 (08.02.2022): 1–18. http://dx.doi.org/10.55969/paradigmplus.v3n1a1.
Der volle Inhalt der QuelleSiringoringo, Rimbun, Jamaluddin Jamaluddin und Resianta Perangin-angin. „TEXT MINING DAN KLASIFIKASI MULTI LABEL MENGGUNAKAN XGBOOST“. METHOMIKA Jurnal Manajemen Informatika dan Komputerisasi Akuntansi 6, Nr. 6 (31.10.2022): 234–38. http://dx.doi.org/10.46880/jmika.vol6no2.pp234-238.
Der volle Inhalt der QuelleXiao, Lin, Xiangliang Zhang, Liping Jing, Chi Huang und Mingyang Song. „Does Head Label Help for Long-Tailed Multi-Label Text Classification“. Proceedings of the AAAI Conference on Artificial Intelligence 35, Nr. 16 (18.05.2021): 14103–11. http://dx.doi.org/10.1609/aaai.v35i16.17660.
Der volle Inhalt der QuelleJiang, Ting, Deqing Wang, Leilei Sun, Huayi Yang, Zhengyang Zhao und Fuzhen Zhuang. „LightXML: Transformer with Dynamic Negative Sampling for High-Performance Extreme Multi-label Text Classification“. Proceedings of the AAAI Conference on Artificial Intelligence 35, Nr. 9 (18.05.2021): 7987–94. http://dx.doi.org/10.1609/aaai.v35i9.16974.
Der volle Inhalt der QuelleMu, Dejun, Junhong Duan, Xiaoyu Li, Hang Dai, Xiaoyan Cai und Lantian Guo. „Expede Herculem: Learning Multi Labels From Single Label“. IEEE Access 6 (2018): 61410–18. http://dx.doi.org/10.1109/access.2018.2876014.
Der volle Inhalt der QuelleMa, Jianghong, Zhaoyang Tian, Haijun Zhang und Tommy W. S. Chow. „Multi-Label Low-dimensional Embedding with Missing Labels“. Knowledge-Based Systems 137 (Dezember 2017): 65–82. http://dx.doi.org/10.1016/j.knosys.2017.09.005.
Der volle Inhalt der QuelleFrasca, Marco, Simone Bassis und Giorgio Valentini. „Learning node labels with multi-category Hopfield networks“. Neural Computing and Applications 27, Nr. 6 (23.06.2015): 1677–92. http://dx.doi.org/10.1007/s00521-015-1965-1.
Der volle Inhalt der QuelleYu, Tianyu, Cuiwei Liu, Zhuo Yan und Xiangbin Shi. „A Multi-Task Framework for Action Prediction“. Information 11, Nr. 3 (16.03.2020): 158. http://dx.doi.org/10.3390/info11030158.
Der volle Inhalt der QuelleXu, Pengyu, Lin Xiao, Bing Liu, Sijin Lu, Liping Jing und Jian Yu. „Label-Specific Feature Augmentation for Long-Tailed Multi-Label Text Classification“. Proceedings of the AAAI Conference on Artificial Intelligence 37, Nr. 9 (26.06.2023): 10602–10. http://dx.doi.org/10.1609/aaai.v37i9.26259.
Der volle Inhalt der QuelleLiu, Tianci, Haoyu Wang, Yaqing Wang, Xiaoqian Wang, Lu Su und Jing Gao. „SimFair: A Unified Framework for Fairness-Aware Multi-Label Classification“. Proceedings of the AAAI Conference on Artificial Intelligence 37, Nr. 12 (26.06.2023): 14338–46. http://dx.doi.org/10.1609/aaai.v37i12.26677.
Der volle Inhalt der QuelleZhang, Yi, Zhecheng Zhang, Mingyuan Chen, Hengyang Lu, Lei Zhang und Chongjun Wang. „LAMB: A novel algorithm of label collaboration based multi-label learning“. Intelligent Data Analysis 26, Nr. 5 (05.09.2022): 1229–45. http://dx.doi.org/10.3233/ida-215946.
Der volle Inhalt der QuelleKhandagale, Sujay, Han Xiao und Rohit Babbar. „Bonsai: diverse and shallow trees for extreme multi-label classification“. Machine Learning 109, Nr. 11 (23.08.2020): 2099–119. http://dx.doi.org/10.1007/s10994-020-05888-2.
Der volle Inhalt der QuelleWang, Yejiang, Yuhai Zhao, Zhengkui Wang, Wen Shan und Xingwei Wang. „Limited-Supervised Multi-Label Learning with Dependency Noise“. Proceedings of the AAAI Conference on Artificial Intelligence 38, Nr. 14 (24.03.2024): 15662–70. http://dx.doi.org/10.1609/aaai.v38i14.29494.
Der volle Inhalt der QuellePaul, Dipanjyoti, Rahul Kumar, Sriparna Saha und Jimson Mathew. „Multi-objective Cuckoo Search-based Streaming Feature Selection for Multi-label Dataset“. ACM Transactions on Knowledge Discovery from Data 15, Nr. 6 (19.05.2021): 1–24. http://dx.doi.org/10.1145/3447586.
Der volle Inhalt der QuelleXu, Ning, Yun-Peng Liu und Xin Geng. „Partial Multi-Label Learning with Label Distribution“. Proceedings of the AAAI Conference on Artificial Intelligence 34, Nr. 04 (03.04.2020): 6510–17. http://dx.doi.org/10.1609/aaai.v34i04.6124.
Der volle Inhalt der QuelleLi, Xinran, Wuyin Jin, Xiangyang Xu und Hao Yang. „A Domain-Adversarial Multi-Graph Convolutional Network for Unsupervised Domain Adaptation Rolling Bearing Fault Diagnosis“. Symmetry 14, Nr. 12 (15.12.2022): 2654. http://dx.doi.org/10.3390/sym14122654.
Der volle Inhalt der QuelleShao, Zhenfeng, Ke Yang und Weixun Zhou. „Performance Evaluation of Single-Label and Multi-Label Remote Sensing Image Retrieval Using a Dense Labeling Dataset“. Remote Sensing 10, Nr. 6 (16.06.2018): 964. http://dx.doi.org/10.3390/rs10060964.
Der volle Inhalt der QuelleLi, Yu-Feng, Ju-Hua Hu, Yuang Jiang und Zhi-Hua Zhou. „Towards Discovering What Patterns Trigger What Labels“. Proceedings of the AAAI Conference on Artificial Intelligence 26, Nr. 1 (20.09.2021): 1012–18. http://dx.doi.org/10.1609/aaai.v26i1.8285.
Der volle Inhalt der QuelleAlmi, Stefano, Marco Morandotti und Francesco Solombrino. „A multi-step Lagrangian scheme for spatially inhomogeneous evolutionary games“. Journal of Evolution Equations 21, Nr. 2 (24.04.2021): 2691–733. http://dx.doi.org/10.1007/s00028-021-00702-5.
Der volle Inhalt der QuelleGao, Zijun, Jun Wang, Guoxian Yu, Zhongmin Yan, Carlotta Domeniconi und Jinglin Zhang. „Long-Tail Cross Modal Hashing“. Proceedings of the AAAI Conference on Artificial Intelligence 37, Nr. 6 (26.06.2023): 7642–50. http://dx.doi.org/10.1609/aaai.v37i6.25927.
Der volle Inhalt der QuelleFeng, Lei, Bo An und Shuo He. „Collaboration Based Multi-Label Learning“. Proceedings of the AAAI Conference on Artificial Intelligence 33 (17.07.2019): 3550–57. http://dx.doi.org/10.1609/aaai.v33i01.33013550.
Der volle Inhalt der Quelle