Littérature scientifique sur le sujet « CONDITIONAL GENERATIVE ADVERARIAL NETWORKS (CGAN) »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les listes thématiques d’articles de revues, de livres, de thèses, de rapports de conférences et d’autres sources académiques sur le sujet « CONDITIONAL GENERATIVE ADVERARIAL NETWORKS (CGAN) ».
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.
Articles de revues sur le sujet "CONDITIONAL GENERATIVE ADVERARIAL NETWORKS (CGAN)"
Zhou, Guoqiang, Yi Fan, Jiachen Shi, Yuyuan Lu et Jun Shen. « Conditional Generative Adversarial Networks for Domain Transfer : A Survey ». Applied Sciences 12, no 16 (21 août 2022) : 8350. http://dx.doi.org/10.3390/app12168350.
Texte intégralLee, Minhyeok, et Junhee Seok. « Estimation with Uncertainty via Conditional Generative Adversarial Networks ». Sensors 21, no 18 (15 septembre 2021) : 6194. http://dx.doi.org/10.3390/s21186194.
Texte intégralZhang, Hao, et Wenlei Wang. « Imaging Domain Seismic Denoising Based on Conditional Generative Adversarial Networks (CGANs) ». Energies 15, no 18 (8 septembre 2022) : 6569. http://dx.doi.org/10.3390/en15186569.
Texte intégralZand, Jaleh, et Stephen Roberts. « Mixture Density Conditional Generative Adversarial Network Models (MD-CGAN) ». Signals 2, no 3 (1 septembre 2021) : 559–69. http://dx.doi.org/10.3390/signals2030034.
Texte intégralZhen, Hao, Yucheng Shi, Jidong J. Yang et Javad Mohammadpour Vehni. « Co-supervised learning paradigm with conditional generative adversarial networks for sample-efficient classification ». Applied Computing and Intelligence 3, no 1 (2022) : 13–26. http://dx.doi.org/10.3934/aci.2023002.
Texte intégralHuang, Yubo, et Zhong Xiang. « A Metal Character Enhancement Method based on Conditional Generative Adversarial Networks ». Journal of Physics : Conference Series 2284, no 1 (1 juin 2022) : 012003. http://dx.doi.org/10.1088/1742-6596/2284/1/012003.
Texte intégralKyslytsyna, Anastasiia, Kewen Xia, Artem Kislitsyn, Isselmou Abd El Kader et Youxi Wu. « Road Surface Crack Detection Method Based on Conditional Generative Adversarial Networks ». Sensors 21, no 21 (8 novembre 2021) : 7405. http://dx.doi.org/10.3390/s21217405.
Texte intégralLink, Patrick, Johannes Bodenstab, Lars Penter et Steffen Ihlenfeldt. « Metamodeling of a deep drawing process using conditional Generative Adversarial Networks ». IOP Conference Series : Materials Science and Engineering 1238, no 1 (1 mai 2022) : 012064. http://dx.doi.org/10.1088/1757-899x/1238/1/012064.
Texte intégralFalahatraftar, Farnoush, Samuel Pierre et Steven Chamberland. « A Conditional Generative Adversarial Network Based Approach for Network Slicing in Heterogeneous Vehicular Networks ». Telecom 2, no 1 (18 mars 2021) : 141–54. http://dx.doi.org/10.3390/telecom2010009.
Texte intégralAida, Saori, Junpei Okugawa, Serena Fujisaka, Tomonari Kasai, Hiroyuki Kameda et Tomoyasu Sugiyama. « Deep Learning of Cancer Stem Cell Morphology Using Conditional Generative Adversarial Networks ». Biomolecules 10, no 6 (19 juin 2020) : 931. http://dx.doi.org/10.3390/biom10060931.
Texte intégralThèses sur le sujet "CONDITIONAL GENERATIVE ADVERARIAL NETWORKS (CGAN)"
Oskarsson, Joel. « Probabilistic Regression using Conditional Generative Adversarial Networks ». Thesis, Linköpings universitet, Statistik och maskininlärning, 2020. http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-166637.
Texte intégralAlbertazzi, Riccardo. « A study on the application of generative adversarial networks to industrial OCR ». Master's thesis, Alma Mater Studiorum - Università di Bologna, 2018.
Trouver le texte intégralChapitres de livres sur le sujet "CONDITIONAL GENERATIVE ADVERARIAL NETWORKS (CGAN)"
Kumar, Jatin, Indra Deep Mastan et Shanmuganathan Raman. « FMD-cGAN : Fast Motion Deblurring Using Conditional Generative Adversarial Networks ». Dans Communications in Computer and Information Science, 362–77. Cham : Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-031-11349-9_32.
Texte intégralActes de conférences sur le sujet "CONDITIONAL GENERATIVE ADVERARIAL NETWORKS (CGAN)"
Pang, Yutian, et Yongming Liu. « Conditional Generative Adversarial Networks (CGAN) for Aircraft Trajectory Prediction considering weather effects ». Dans AIAA Scitech 2020 Forum. Reston, Virginia : American Institute of Aeronautics and Astronautics, 2020. http://dx.doi.org/10.2514/6.2020-1853.
Texte intégralYang, Lu. « Conditional Generative Adversarial Networks (CGAN) for Abnormal Vibration of Aero Engine Analysis ». Dans 2020 IEEE 2nd International Conference on Civil Aviation Safety and Information Technology (ICCASIT). IEEE, 2020. http://dx.doi.org/10.1109/iccasit50869.2020.9368622.
Texte intégralQi, Y., L. Su, J. Gu et K. Li. « CE-CGAN : classification enhanced conditional generative adversarial networks for bearing fault diagnosis ». Dans 12th International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering (QR2MSE 2022). Institution of Engineering and Technology, 2022. http://dx.doi.org/10.1049/icp.2022.3125.
Texte intégralSalimzadeh, S., D. Kasperczyk et T. Kadeethum. « Predicting Ground Surface Deformation Induced by Pressurized Fractures Using Conditional Generative Adversarial Networks ». Dans 57th U.S. Rock Mechanics/Geomechanics Symposium. ARMA, 2023. http://dx.doi.org/10.56952/arma-2023-0218.
Texte intégralNie, Zhenguo, Tong Lin, Haoliang Jiang et Levent Burak Kara. « TopologyGAN : Topology Optimization Using Generative Adversarial Networks Based on Physical Fields Over the Initial Domain ». Dans ASME 2020 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference. American Society of Mechanical Engineers, 2020. http://dx.doi.org/10.1115/detc2020-22675.
Texte intégralToutouh, J., S. Nesmachnow et D. G. Rossit. « Generative adversarial networks to model air pollution under uncertainty ». Dans 1st International Workshop on Advanced Information and Computation Technologies and Systems 2020. Crossref, 2021. http://dx.doi.org/10.47350/aicts.2020.20.
Texte intégralChen, Hongrui, et Xingchen Liu. « Geometry Enhanced Generative Adversarial Networks for Random Heterogeneous Material Representation ». Dans ASME 2021 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference. American Society of Mechanical Engineers, 2021. http://dx.doi.org/10.1115/detc2021-71918.
Texte intégralJiang, Haoliang, Zhenguo Nie, Roselyn Yeo, Amir Barati Farimani et Levent Burak Kara. « StressGAN : A Generative Deep Learning Model for 2D Stress Distribution Prediction ». Dans ASME 2020 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference. American Society of Mechanical Engineers, 2020. http://dx.doi.org/10.1115/detc2020-22682.
Texte intégralZiviani, Hugo Eduardo, Guillermo Cámara Chávez et Mateus Coelho Silva. « Applying a Conditional GAN for Bone Suppression in Chest Radiography Images ». Dans Seminário Integrado de Software e Hardware. Sociedade Brasileira de Computação - SBC, 2022. http://dx.doi.org/10.5753/semish.2022.222540.
Texte intégralSun, Xiaopeng, Muxingzi Li, Tianyu He et Lubin Fan. « Enhance Image as You Like with Unpaired Learning ». Dans Thirtieth International Joint Conference on Artificial Intelligence {IJCAI-21}. California : International Joint Conferences on Artificial Intelligence Organization, 2021. http://dx.doi.org/10.24963/ijcai.2021/140.
Texte intégral