Articles de revues sur le sujet « Artificial Neural Networks and Recurrent Neutral Networks »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les 50 meilleurs articles de revues pour votre recherche sur le sujet « Artificial Neural Networks and Recurrent Neutral Networks ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Parcourez les articles de revues sur diverses disciplines et organisez correctement votre bibliographie.
Prathibha, Dr G., Y. Kavya, P. Vinay Jacob et L. Poojita. « Speech Emotion Recognition Using Deep Learning ». INTERANTIONAL JOURNAL OF SCIENTIFIC RESEARCH IN ENGINEERING AND MANAGEMENT 08, no 07 (4 juillet 2024) : 1–13. http://dx.doi.org/10.55041/ijsrem36262.
Texte intégralAli, Ayesha, Ateeq Ur Rehman, Ahmad Almogren, Elsayed Tag Eldin et Muhammad Kaleem. « Application of Deep Learning Gated Recurrent Unit in Hybrid Shunt Active Power Filter for Power Quality Enhancement ». Energies 15, no 20 (13 octobre 2022) : 7553. http://dx.doi.org/10.3390/en15207553.
Texte intégralPranav 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, no 3s (4 avril 2024) : 1332–38. http://dx.doi.org/10.52783/jes.1508.
Texte intégralNassif, Ali Bou, Ismail Shahin, Mohammed Lataifeh, Ashraf Elnagar et Nawel Nemmour. « Empirical Comparison between Deep and Classical Classifiers for Speaker Verification in Emotional Talking Environments ». Information 13, no 10 (27 septembre 2022) : 456. http://dx.doi.org/10.3390/info13100456.
Texte intégralLee, Hong Jae, et 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, no 5 (30 octobre 2023) : 146–78. http://dx.doi.org/10.38115/asgba.2023.20.5.146.
Texte intégralSutskever, Ilya, et Geoffrey Hinton. « Temporal-Kernel Recurrent Neural Networks ». Neural Networks 23, no 2 (mars 2010) : 239–43. http://dx.doi.org/10.1016/j.neunet.2009.10.009.
Texte intégralWang, Rui. « Generalisation of Feed-Forward Neural Networks and Recurrent Neural Networks ». Applied and Computational Engineering 40, no 1 (21 février 2024) : 242–46. http://dx.doi.org/10.54254/2755-2721/40/20230659.
Texte intégralPoudel, Sushan, et Dr R. Anuradha. « Speech Command Recognition using Artificial Neural Networks ». JOIV : International Journal on Informatics Visualization 4, no 2 (26 mai 2020) : 73. http://dx.doi.org/10.30630/joiv.4.2.358.
Texte intégralTurner, Andrew James, et Julian Francis Miller. « Recurrent Cartesian Genetic Programming of Artificial Neural Networks ». Genetic Programming and Evolvable Machines 18, no 2 (8 août 2016) : 185–212. http://dx.doi.org/10.1007/s10710-016-9276-6.
Texte intégralZiemke, Tom. « Radar image segmentation using recurrent artificial neural networks ». Pattern Recognition Letters 17, no 4 (avril 1996) : 319–34. http://dx.doi.org/10.1016/0167-8655(95)00128-x.
Texte intégralMASKARA, ARUN, et ANDREW NOETZEL. « Sequence Recognition with Recurrent Neural Networks ». Connection Science 5, no 2 (janvier 1993) : 139–52. http://dx.doi.org/10.1080/09540099308915692.
Texte intégralKawano, Makoto, et Kazuhiro Ueda. « Microblog Geolocation Estimation with Recurrent Neural Networks ». Transactions of the Japanese Society for Artificial Intelligence 32, no 1 (2017) : WII—E_1–8. http://dx.doi.org/10.1527/tjsai.wii-e.
Texte intégralAliev, R. A., B. G. Guirimov, Bijan Fazlollahi et R. R. Aliev. « Evolutionary algorithm-based learning of fuzzy neural networks. Part 2 : Recurrent fuzzy neural networks ». Fuzzy Sets and Systems 160, no 17 (septembre 2009) : 2553–66. http://dx.doi.org/10.1016/j.fss.2008.12.018.
Texte intégralImam, Nabil. « Wiring up recurrent neural networks ». Nature Machine Intelligence 3, no 9 (septembre 2021) : 740–41. http://dx.doi.org/10.1038/s42256-021-00391-2.
Texte intégralDalhoum, Abdel Latif Abu, et Mohammed Al-Rawi. « High-Order Neural Networks are Equivalent to Ordinary Neural Networks ». Modern Applied Science 13, no 2 (27 janvier 2019) : 228. http://dx.doi.org/10.5539/mas.v13n2p228.
Texte intégralGoudreau, Mark W., et C. Lee Giles. « Using recurrent neural networks to learn the structure of interconnection networks ». Neural Networks 8, no 5 (janvier 1995) : 793–804. http://dx.doi.org/10.1016/0893-6080(95)00025-u.
Texte intégralLalapura, Varsha S., J. Amudha et Hariramn Selvamuruga Satheesh. « Recurrent Neural Networks for Edge Intelligence ». ACM Computing Surveys 54, no 4 (mai 2021) : 1–38. http://dx.doi.org/10.1145/3448974.
Texte intégralDobnikar, Andrej, et Branko Šter. « Structural Properties of Recurrent Neural Networks ». Neural Processing Letters 29, no 2 (12 février 2009) : 75–88. http://dx.doi.org/10.1007/s11063-009-9096-2.
Texte intégralSemyonov, E. D., M. Ya Braginsky, D. V. Tarakanov et I. L. Nazarova. « NEURAL NETWORK FORECASTING OF INPUT PARAMETERS IN OIL DEVELOPMENT ». PROCEEDINGS IN CYBERNETICS 22, no 4 (2023) : 42–51. http://dx.doi.org/10.35266/1999-7604-2023-4-6.
Texte intégralDimopoulos, Nikitas J., John T. Dorocicz, Chris Jubien et Stephen Neville. « Training Asymptotically Stable Recurrent Neural Networks ». Intelligent Automation & ; Soft Computing 2, no 4 (janvier 1996) : 375–88. http://dx.doi.org/10.1080/10798587.1996.10750681.
Texte intégralPhan, Manh Cong, et Martin T. Hagan. « Error Surface of Recurrent Neural Networks ». IEEE Transactions on Neural Networks and Learning Systems 24, no 11 (novembre 2013) : 1709–21. http://dx.doi.org/10.1109/tnnls.2013.2258470.
Texte intégralValle, Marcos Eduardo. « Complex-Valued Recurrent Correlation Neural Networks ». IEEE Transactions on Neural Networks and Learning Systems 25, no 9 (septembre 2014) : 1600–1612. http://dx.doi.org/10.1109/tnnls.2014.2341013.
Texte intégralGoundar, Sam, Suneet Prakash, Pranil Sadal et Akashdeep Bhardwaj. « Health Insurance Claim Prediction Using Artificial Neural Networks ». International Journal of System Dynamics Applications 9, no 3 (juillet 2020) : 40–57. http://dx.doi.org/10.4018/ijsda.2020070103.
Texte intégralWANG, JUN. « ON THE ASYMPTOTIC PROPERTIES OF RECURRENT NEURAL NETWORKS FOR OPTIMIZATION ». International Journal of Pattern Recognition and Artificial Intelligence 05, no 04 (octobre 1991) : 581–601. http://dx.doi.org/10.1142/s0218001491000338.
Texte intégralMartins, T. D., J. M. Annichino-Bizzacchi, A. V. C. Romano et R. Maciel Filho. « Artificial neural networks for prediction of recurrent venous thromboembolism ». International Journal of Medical Informatics 141 (septembre 2020) : 104221. http://dx.doi.org/10.1016/j.ijmedinf.2020.104221.
Texte intégralSaleh, Shadi. « Artificial Intelligence & ; Machine Learning in Computer Vision Applications ». Embedded Selforganising Systems 7, no 1 (20 février 2020) : 2–3. http://dx.doi.org/10.14464/ess71432.
Texte intégralde Vos, N. J. « Echo state networks as an alternative to traditional artificial neural networks in rainfall–runoff modelling ». Hydrology and Earth System Sciences 17, no 1 (22 janvier 2013) : 253–67. http://dx.doi.org/10.5194/hess-17-253-2013.
Texte intégralLan, Nur, Michal Geyer, Emmanuel Chemla et 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.
Texte intégralNasr, Mounir Ben, et Mohamed Chtourou. « Training recurrent neural networks using a hybrid algorithm ». Neural Computing and Applications 21, no 3 (31 décembre 2010) : 489–96. http://dx.doi.org/10.1007/s00521-010-0506-1.
Texte intégralChen, Z. Y., C. P. Kwong et Z. B. Xu. « Multiple-valued feedback and recurrent correlation neural networks ». Neural Computing & ; Applications 3, no 4 (décembre 1995) : 242–50. http://dx.doi.org/10.1007/bf01414649.
Texte intégralGoulas, Alexandros, Fabrizio Damicelli et Claus C. Hilgetag. « Bio-instantiated recurrent neural networks : Integrating neurobiology-based network topology in artificial networks ». Neural Networks 142 (octobre 2021) : 608–18. http://dx.doi.org/10.1016/j.neunet.2021.07.011.
Texte intégralFreitag, Steffen, Wolfgang Graf et Michael Kaliske. « Recurrent neural networks for fuzzy data ». Integrated Computer-Aided Engineering 18, no 3 (17 juin 2011) : 265–80. http://dx.doi.org/10.3233/ica-2011-0373.
Texte intégralCarta, Antonio, Alessandro Sperduti et Davide Bacciu. « Encoding-based memory for recurrent neural networks ». Neurocomputing 456 (octobre 2021) : 407–20. http://dx.doi.org/10.1016/j.neucom.2021.04.051.
Texte intégralGraves, Daniel, et Witold Pedrycz. « Fuzzy prediction architecture using recurrent neural networks ». Neurocomputing 72, no 7-9 (mars 2009) : 1668–78. http://dx.doi.org/10.1016/j.neucom.2008.07.009.
Texte intégralCruse, Hoik, Jeffrey Dean, Thomas Kindermann, Josef Schmitz et Michael Schumm. « Simulation of Complex Movements Using Artificial Neural Networks ». Zeitschrift für Naturforschung C 53, no 7-8 (1 août 1998) : 628–38. http://dx.doi.org/10.1515/znc-1998-7-816.
Texte intégralGANCHEV, TODOR. « ENHANCED TRAINING FOR THE LOCALLY RECURRENT PROBABILISTIC NEURAL NETWORKS ». International Journal on Artificial Intelligence Tools 18, no 06 (décembre 2009) : 853–81. http://dx.doi.org/10.1142/s0218213009000433.
Texte intégralLeung, Chi-Sing, et Lai-Wan Chan. « Dual extended Kalman filtering in recurrent neural networks ». Neural Networks 16, no 2 (mars 2003) : 223–39. http://dx.doi.org/10.1016/s0893-6080(02)00230-7.
Texte intégralParga, N., L. Serrano-Fernández et J. Falcó-Roget. « Emergent computations in trained artificial neural networks and real brains ». Journal of Instrumentation 18, no 02 (1 février 2023) : C02060. http://dx.doi.org/10.1088/1748-0221/18/02/c02060.
Texte intégralZiemke, Tom. « Radar Image Segmentation Using Self-Adapting Recurrent Networks ». International Journal of Neural Systems 08, no 01 (février 1997) : 47–54. http://dx.doi.org/10.1142/s0129065797000070.
Texte intégralFRANKLIN, JUDY A., et KRYSTAL K. LOCKE. « RECURRENT NEURAL NETWORKS FOR MUSICAL PITCH MEMORY AND CLASSIFICATION ». International Journal on Artificial Intelligence Tools 14, no 01n02 (février 2005) : 329–42. http://dx.doi.org/10.1142/s0218213005002120.
Texte intégralMa, Tingsong, Ping Kuang et Wenhong Tian. « An improved recurrent neural networks for 3d object reconstruction ». Applied Intelligence 50, no 3 (23 octobre 2019) : 905–23. http://dx.doi.org/10.1007/s10489-019-01523-3.
Texte intégralHuang, Chuangxia, Yigang He et Ping Chen. « Dynamic Analysis of Stochastic Recurrent Neural Networks ». Neural Processing Letters 27, no 3 (11 avril 2008) : 267–76. http://dx.doi.org/10.1007/s11063-008-9075-z.
Texte intégralStepchenko, Arthur, et Jurij Chizhov. « NDVI Short-Term Forecasting Using Recurrent Neural Networks ». Environment. Technology. Resources. Proceedings of the International Scientific and Practical Conference 3 (16 juin 2015) : 180. http://dx.doi.org/10.17770/etr2015vol3.167.
Texte intégralManfredini, Ricardo Augusto. « Hybrid Artificial Neural Networks for Electricity Consumption Prediction ». International Journal of Advanced Engineering Research and Science 9, no 8 (2022) : 292–99. http://dx.doi.org/10.22161/ijaers.98.32.
Texte intégralSiriporananon, Somsak, et Boonlert Suechoey. « Power Losses Analysis in a Three-Phase Distribution Transformer Using Artificial Neural Networks ». ECTI Transactions on Electrical Engineering, Electronics, and Communications 18, no 2 (31 août 2020) : 130–36. http://dx.doi.org/10.37936/ecti-eec.2020182.223203.
Texte intégralBacciu, Davide, et Francesco Crecchi. « Augmenting Recurrent Neural Networks Resilience by Dropout ». IEEE Transactions on Neural Networks and Learning Systems 31, no 1 (janvier 2020) : 345–51. http://dx.doi.org/10.1109/tnnls.2019.2899744.
Texte intégralLiu, Shiwei, Iftitahu Ni’mah, Vlado Menkovski, Decebal Constantin Mocanu et Mykola Pechenizkiy. « Efficient and effective training of sparse recurrent neural networks ». Neural Computing and Applications 33, no 15 (26 janvier 2021) : 9625–36. http://dx.doi.org/10.1007/s00521-021-05727-y.
Texte intégralZhai, Jun-Yong, Shu-Min Fei et Xiao-Hui Mo. « Multiple models switching control based on recurrent neural networks ». Neural Computing and Applications 17, no 4 (24 août 2007) : 365–71. http://dx.doi.org/10.1007/s00521-007-0123-9.
Texte intégralKhan, Yaser Daanial, Farooq Ahmed et Sher Afzal Khan. « Situation recognition using image moments and recurrent neural networks ». Neural Computing and Applications 24, no 7-8 (24 mars 2013) : 1519–29. http://dx.doi.org/10.1007/s00521-013-1372-4.
Texte intégralPENG, CHUN-CHENG, et GEORGE D. MAGOULAS. « ADVANCED ADAPTIVE NONMONOTONE CONJUGATE GRADIENT TRAINING ALGORITHM FOR RECURRENT NEURAL NETWORKS ». International Journal on Artificial Intelligence Tools 17, no 05 (octobre 2008) : 963–84. http://dx.doi.org/10.1142/s0218213008004242.
Texte intégral