Articles de revues sur le sujet « Deep supervised learning »
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 « Deep supervised learning ».
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.
Kim, Taeheon, Jaewon Hur et Youkyung Han. « Very High-Resolution Satellite Image Registration Based on Self-supervised Deep Learning ». Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography 41, no 4 (31 août 2023) : 217–25. http://dx.doi.org/10.7848/ksgpc.2023.41.4.217.
Texte intégralAlZuhair, Mona Suliman, Mohamed Maher Ben Ismail et Ouiem Bchir. « Soft Semi-Supervised Deep Learning-Based Clustering ». Applied Sciences 13, no 17 (27 août 2023) : 9673. http://dx.doi.org/10.3390/app13179673.
Texte intégralWei, Xiang, Xiaotao Wei, Xiangyuan Kong, Siyang Lu, Weiwei Xing et Wei Lu. « FMixCutMatch for semi-supervised deep learning ». Neural Networks 133 (janvier 2021) : 166–76. http://dx.doi.org/10.1016/j.neunet.2020.10.018.
Texte intégralZhou, Shusen, Hailin Zou, Chanjuan Liu, Mujun Zang, Zhiwang Zhang et Jun Yue. « Deep extractive networks for supervised learning ». Optik 127, no 20 (octobre 2016) : 9008–19. http://dx.doi.org/10.1016/j.ijleo.2016.07.007.
Texte intégralFong, A. C. M., et G. Hong. « Boosted Supervised Intensional Learning Supported by Unsupervised Learning ». International Journal of Machine Learning and Computing 11, no 2 (mars 2021) : 98–102. http://dx.doi.org/10.18178/ijmlc.2021.11.2.1020.
Texte intégralHu, Yu, et Hongmin Cai. « Hypergraph-Supervised Deep Subspace Clustering ». Mathematics 9, no 24 (15 décembre 2021) : 3259. http://dx.doi.org/10.3390/math9243259.
Texte intégralFu, Zheren, Yan Li, Zhendong Mao, Quan Wang et Yongdong Zhang. « Deep Metric Learning with Self-Supervised Ranking ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 2 (18 mai 2021) : 1370–78. http://dx.doi.org/10.1609/aaai.v35i2.16226.
Texte intégralDutta, Ujjal Kr, Mehrtash Harandi et C. Chandra Shekhar. « Semi-Supervised Metric Learning : A Deep Resurrection ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 8 (18 mai 2021) : 7279–87. http://dx.doi.org/10.1609/aaai.v35i8.16894.
Texte intégralBharati, Aparna, Richa Singh, Mayank Vatsa et Kevin W. Bowyer. « Detecting Facial Retouching Using Supervised Deep Learning ». IEEE Transactions on Information Forensics and Security 11, no 9 (septembre 2016) : 1903–13. http://dx.doi.org/10.1109/tifs.2016.2561898.
Texte intégralMathilde Caron. « Self-supervised learning of deep visual representations ». Bulletin 1024, no 21 (avril 2023) : 171–72. http://dx.doi.org/10.48556/sif.1024.21.171.
Texte intégralQin, Shanshan, Nayantara Mudur et Cengiz Pehlevan. « Contrastive Similarity Matching for Supervised Learning ». Neural Computation 33, no 5 (13 avril 2021) : 1300–1328. http://dx.doi.org/10.1162/neco_a_01374.
Texte intégralAlzahrani, Theiab, Baidaa Al-Bander et Waleed Al-Nuaimy. « Deep Learning Models for Automatic Makeup Detection ». AI 2, no 4 (14 octobre 2021) : 497–511. http://dx.doi.org/10.3390/ai2040031.
Texte intégralWu, Haiping, Khimya Khetarpal et Doina Precup. « Self-Supervised Attention-Aware Reinforcement Learning ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 12 (18 mai 2021) : 10311–19. http://dx.doi.org/10.1609/aaai.v35i12.17235.
Texte intégralGupta, Jaya, Sunil Pathak et Gireesh Kumar. « Deep Learning (CNN) and Transfer Learning : A Review ». Journal of Physics : Conference Series 2273, no 1 (1 mai 2022) : 012029. http://dx.doi.org/10.1088/1742-6596/2273/1/012029.
Texte intégralGupta, Jaya, Sunil Pathak et Gireesh Kumar. « Deep Learning (CNN) and Transfer Learning : A Review ». Journal of Physics : Conference Series 2273, no 1 (1 mai 2022) : 012029. http://dx.doi.org/10.1088/1742-6596/2273/1/012029.
Texte intégralGupta, Ashwani, et Utpal Sharma. « Deep Learning-Based Aspect Term Extraction for Sentiment Analysis in Hindi ». Indian Journal Of Science And Technology 17, no 7 (15 février 2024) : 625–34. http://dx.doi.org/10.17485/ijst/v17i7.2766.
Texte intégralKim, Chayoung. « Deep Q-Learning Network with Bayesian-Based Supervised Expert Learning ». Symmetry 14, no 10 (13 octobre 2022) : 2134. http://dx.doi.org/10.3390/sym14102134.
Texte intégralLin, Yi-Nan, Tsang-Yen Hsieh, Cheng-Ying Yang, Victor RL Shen, Tony Tong-Ying Juang et Wen-Hao Chen. « Deep Petri nets of unsupervised and supervised learning ». Measurement and Control 53, no 7-8 (9 juin 2020) : 1267–77. http://dx.doi.org/10.1177/0020294020923375.
Texte intégralYin, Chunwu, et Zhanbo Chen. « Developing Sustainable Classification of Diseases via Deep Learning and Semi-Supervised Learning ». Healthcare 8, no 3 (24 août 2020) : 291. http://dx.doi.org/10.3390/healthcare8030291.
Texte intégralChong, De Wei, Kenny, et Abel Yang. « Photometric Redshift Analysis using Supervised Learning Algorithms and Deep Learning ». EPJ Web of Conferences 206 (2019) : 09006. http://dx.doi.org/10.1051/epjconf/201920609006.
Texte intégralChen, Chong, Ying Liu, Maneesh Kumar, Jian Qin et Yunxia Ren. « Energy consumption modelling using deep learning embedded semi-supervised learning ». Computers & ; Industrial Engineering 135 (septembre 2019) : 757–65. http://dx.doi.org/10.1016/j.cie.2019.06.052.
Texte intégralLe, Linh, Ying Xie et Vijay V. Raghavan. « KNN Loss and Deep KNN ». Fundamenta Informaticae 182, no 2 (30 septembre 2021) : 95–110. http://dx.doi.org/10.3233/fi-2021-2068.
Texte intégralGuo, Yuejun, Orhan Ermis, Qiang Tang, Hoang Trang et Alexandre De Oliveira. « An Empirical Study of Deep Learning-Based SS7 Attack Detection ». Information 14, no 9 (16 septembre 2023) : 509. http://dx.doi.org/10.3390/info14090509.
Texte intégralNafea, Ahmed Adil, Saeed Amer Alameri, Russel R. Majeed, Meaad Ali Khalaf et Mohammed M. AL-Ani. « A Short Review on Supervised Machine Learning and Deep Learning Techniques in Computer Vision ». Babylonian Journal of Machine Learning 2024 (11 février 2024) : 48–55. http://dx.doi.org/10.58496/bjml/2024/004.
Texte intégralLiu, MengYang, MingJun Li et XiaoYang Zhang. « The Application of the Unsupervised Migration Method Based on Deep Learning Model in the Marketing Oriented Allocation of High Level Accounting Talents ». Computational Intelligence and Neuroscience 2022 (6 juin 2022) : 1–10. http://dx.doi.org/10.1155/2022/5653942.
Texte intégralLiu, MengYang, MingJun Li et XiaoYang Zhang. « The Application of the Unsupervised Migration Method Based on Deep Learning Model in the Marketing Oriented Allocation of High Level Accounting Talents ». Computational Intelligence and Neuroscience 2022 (6 juin 2022) : 1–10. http://dx.doi.org/10.1155/2022/5653942.
Texte intégralShwartz Ziv, Ravid, et Yann LeCun. « To Compress or Not to Compress—Self-Supervised Learning and Information Theory : A Review ». Entropy 26, no 3 (12 mars 2024) : 252. http://dx.doi.org/10.3390/e26030252.
Texte intégralWang, Guo-Hua, et Jianxin Wu. « Repetitive Reprediction Deep Decipher for Semi-Supervised Learning ». Proceedings of the AAAI Conference on Artificial Intelligence 34, no 04 (3 avril 2020) : 6170–77. http://dx.doi.org/10.1609/aaai.v34i04.6082.
Texte intégralAugustine, Tanya N. « Weakly-supervised deep learning models in computational pathology ». eBioMedicine 81 (juillet 2022) : 104117. http://dx.doi.org/10.1016/j.ebiom.2022.104117.
Texte intégralKang, Xudong, Binbin Zhuo et Puhong Duan. « Semi-supervised deep learning for hyperspectral image classification ». Remote Sensing Letters 10, no 4 (3 janvier 2019) : 353–62. http://dx.doi.org/10.1080/2150704x.2018.1557787.
Texte intégralAugusta, Carolyn, Rob Deardon et Graham Taylor. « Deep learning for supervised classification of spatial epidemics ». Spatial and Spatio-temporal Epidemiology 29 (juin 2019) : 187–98. http://dx.doi.org/10.1016/j.sste.2018.08.002.
Texte intégralZeng, Zeng, Yang Xulei, Yu Qiyun, Yao Meng et Zhang Le. « SeSe-Net : Self-Supervised deep learning for segmentation ». Pattern Recognition Letters 128 (décembre 2019) : 23–29. http://dx.doi.org/10.1016/j.patrec.2019.08.002.
Texte intégralIto, Ryo, Ken Nakae, Junichi Hata, Hideyuki Okano et Shin Ishii. « Semi-supervised deep learning of brain tissue segmentation ». Neural Networks 116 (août 2019) : 25–34. http://dx.doi.org/10.1016/j.neunet.2019.03.014.
Texte intégralTang, Xin, Fang Guo, Jianbing Shen et Tianyuan Du. « Facial landmark detection by semi-supervised deep learning ». Neurocomputing 297 (juillet 2018) : 22–32. http://dx.doi.org/10.1016/j.neucom.2018.01.080.
Texte intégralLi, Zhun, ByungSoo Ko et Ho-Jin Choi. « Naive semi-supervised deep learning using pseudo-label ». Peer-to-Peer Networking and Applications 12, no 5 (10 décembre 2018) : 1358–68. http://dx.doi.org/10.1007/s12083-018-0702-9.
Texte intégralXiang, Xuezhi, Mingliang Zhai, Rongfang Zhang, Yulong Qiao et Abdulmotaleb El Saddik. « Deep Optical Flow Supervised Learning With Prior Assumptions ». IEEE Access 6 (2018) : 43222–32. http://dx.doi.org/10.1109/access.2018.2863233.
Texte intégralHu, Yaxian, Senlin Luo, Longfei Han, Limin Pan et Tiemei Zhang. « Deep supervised learning with mixture of neural networks ». Artificial Intelligence in Medicine 102 (janvier 2020) : 101764. http://dx.doi.org/10.1016/j.artmed.2019.101764.
Texte intégralLingyi, Jiang, Zheng Yifeng, Chen Che, Li Guohe et Zhang Wenjie. « Review of optimization methods for supervised deep learning ». Journal of Image and Graphics 28, no 4 (2023) : 963–83. http://dx.doi.org/10.11834/jig.211139.
Texte intégralHu, Peng, Liangli Zhen, Xi Peng, Hongyuan Zhu, Jie Lin, Xu Wang et Dezhong Peng. « Deep Supervised Multi-View Learning With Graph Priors ». IEEE Transactions on Image Processing 33 (2024) : 123–33. http://dx.doi.org/10.1109/tip.2023.3335825.
Texte intégralWeikang, Xiang, Zhou Quan, Cui Jingcheng, Mo Zhiyi, Wu Xiaofu, Ou Weihua, Wang Jingdong et Liu Wenyu. « Weakly supervised semantic segmentation based on deep learning ». Journal of Image and Graphics 29, no 5 (2024) : 1146–68. http://dx.doi.org/10.11834/jig.230628.
Texte intégralAversa, Rossella, Piero Coronica, Cristiano De Nobili et Stefano Cozzini. « Deep Learning, Feature Learning, and Clustering Analysis for SEM Image Classification ». Data Intelligence 2, no 4 (octobre 2020) : 513–28. http://dx.doi.org/10.1162/dint_a_00062.
Texte intégralEpstein, Sean C., Timothy J. P. Bray, Margaret Hall-Craggs et Hui Zhang. « Choice of training label matters : how to best use deep learning for quantitative MRI parameter estimation ». Machine Learning for Biomedical Imaging 2, January 2024 (23 janvier 2024) : 586–610. http://dx.doi.org/10.59275/j.melba.2024-geb5.
Texte intégralPrashant Krishnan, V., S. Rajarajeswari, Venkat Krishnamohan, Vivek Chandra Sheel et R. Deepak. « Music Generation Using Deep Learning Techniques ». Journal of Computational and Theoretical Nanoscience 17, no 9 (1 juillet 2020) : 3983–87. http://dx.doi.org/10.1166/jctn.2020.9003.
Texte intégralZheng, Huan, Tongyao Pang et Hui Ji. « Unsupervised Deep Video Denoising with Untrained Network ». Proceedings of the AAAI Conference on Artificial Intelligence 37, no 3 (26 juin 2023) : 3651–59. http://dx.doi.org/10.1609/aaai.v37i3.25476.
Texte intégralSong, Jingkuan, Lianli Gao, Fuhao Zou, Yan Yan et Nicu Sebe. « Deep and fast : Deep learning hashing with semi-supervised graph construction ». Image and Vision Computing 55 (novembre 2016) : 101–8. http://dx.doi.org/10.1016/j.imavis.2016.02.005.
Texte intégralVanyan, Ani, et Hrant Khachatrian. « Deep Semi-Supervised Image Classification Algorithms : a Survey ». JUCS - Journal of Universal Computer Science 27, no 12 (28 décembre 2021) : 1390–407. http://dx.doi.org/10.3897/jucs.77029.
Texte intégralTekleselassie, Hailye. « A Deep Learning Approach for DDoS Attack Detection Using Supervised Learning ». MATEC Web of Conferences 348 (2021) : 01012. http://dx.doi.org/10.1051/matecconf/202134801012.
Texte intégralAdke, Shrinidhi, Changying Li, Khaled M. Rasheed et Frederick W. Maier. « Supervised and Weakly Supervised Deep Learning for Segmentation and Counting of Cotton Bolls Using Proximal Imagery ». Sensors 22, no 10 (12 mai 2022) : 3688. http://dx.doi.org/10.3390/s22103688.
Texte intégralLi, Ji, Yuesong Nan et Hui Ji. « Un-supervised learning for blind image deconvolution via Monte-Carlo sampling ». Inverse Problems 38, no 3 (11 février 2022) : 035012. http://dx.doi.org/10.1088/1361-6420/ac4ede.
Texte intégralNisha.C.M et N. Thangarasu. « Deep learning algorithms and their relevance : A review ». International Journal of Data Informatics and Intelligent Computing 2, no 4 (9 décembre 2023) : 1–10. http://dx.doi.org/10.59461/ijdiic.v2i4.78.
Texte intégral