Articles de revues sur le sujet « Generative sequence models »
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 « Generative sequence models ».
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.
Wang, Yongkang, Xuan Liu, Feng Huang, Zhankun Xiong et Wen Zhang. « A Multi-Modal Contrastive Diffusion Model for Therapeutic Peptide Generation ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 1 (24 mars 2024) : 3–11. http://dx.doi.org/10.1609/aaai.v38i1.27749.
Texte intégralWu, Zachary, Kadina E. Johnston, Frances H. Arnold et Kevin K. Yang. « Protein sequence design with deep generative models ». Current Opinion in Chemical Biology 65 (décembre 2021) : 18–27. http://dx.doi.org/10.1016/j.cbpa.2021.04.004.
Texte intégralAkl, Hoda, Brooke Emison, Xiaochuan Zhao, Arup Mondal, Alberto Perez et Purushottam D. Dixit. « GENERALIST : A latent space based generative model for protein sequence families ». PLOS Computational Biology 19, no 11 (27 novembre 2023) : e1011655. http://dx.doi.org/10.1371/journal.pcbi.1011655.
Texte intégralFeinauer, Christoph, Barthelemy Meynard-Piganeau et Carlo Lucibello. « Interpretable pairwise distillations for generative protein sequence models ». PLOS Computational Biology 18, no 6 (23 juin 2022) : e1010219. http://dx.doi.org/10.1371/journal.pcbi.1010219.
Texte intégralWon, K. J., C. Saunders et A. Prügel-Bennett. « Evolving Fisher Kernels for Biological Sequence Classification ». Evolutionary Computation 21, no 1 (mars 2013) : 83–105. http://dx.doi.org/10.1162/evco_a_00065.
Texte intégralLiu, Yitian, et Zhouhui Lian. « DeepCalliFont : Few-Shot Chinese Calligraphy Font Synthesis by Integrating Dual-Modality Generative Models ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 4 (24 mars 2024) : 3774–82. http://dx.doi.org/10.1609/aaai.v38i4.28168.
Texte intégralSafranchik, Esteban, Shiying Luo et Stephen Bach. « Weakly Supervised Sequence Tagging from Noisy Rules ». Proceedings of the AAAI Conference on Artificial Intelligence 34, no 04 (3 avril 2020) : 5570–78. http://dx.doi.org/10.1609/aaai.v34i04.6009.
Texte intégralPolceanu, Mihai, Julie Porteous, Alan Lindsay et Marc Cavazza. « Narrative Plan Generation with Self-Supervised Learning ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 7 (18 mai 2021) : 5984–92. http://dx.doi.org/10.1609/aaai.v35i7.16747.
Texte intégralZhang, Zhiyuan, et Zhanshan Wang. « Multi-Objective Prediction of Integrated Energy System Using Generative Tractive Network ». Mathematics 11, no 20 (19 octobre 2023) : 4350. http://dx.doi.org/10.3390/math11204350.
Texte intégralHawkins-Hooker, Alex, Florence Depardieu, Sebastien Baur, Guillaume Couairon, Arthur Chen et David Bikard. « Generating functional protein variants with variational autoencoders ». PLOS Computational Biology 17, no 2 (26 février 2021) : e1008736. http://dx.doi.org/10.1371/journal.pcbi.1008736.
Texte intégralTang, Fangfang, Mengyuan Ren, Xiaofan Li, Zhanglin Lin et Xiaofeng Yang. « Generating Novel and Soluble Class II Fructose-1,6-Bisphosphate Aldolase with ProteinGAN ». Catalysts 13, no 12 (22 novembre 2023) : 1457. http://dx.doi.org/10.3390/catal13121457.
Texte intégralLu, Zhengdong, Todd K. Leen et Jeffrey Kaye. « Kernels for Longitudinal Data with Variable Sequence Length and Sampling Intervals ». Neural Computation 23, no 9 (septembre 2011) : 2390–420. http://dx.doi.org/10.1162/neco_a_00164.
Texte intégralPhilip, Philemon, et Sidra Minhas. « A Brief Survey on Natural Language Processing Based Text Generation and Evaluation Techniques ». VFAST Transactions on Software Engineering 10, no 3 (27 septembre 2022) : 24–36. http://dx.doi.org/10.21015/vtse.v10i3.1104.
Texte intégralBitard-Feildel, Tristan. « Navigating the amino acid sequence space between functional proteins using a deep learning framework ». PeerJ Computer Science 7 (17 septembre 2021) : e684. http://dx.doi.org/10.7717/peerj-cs.684.
Texte intégralRamakers, Julius, Christopher Frederik Blum, Sabrina König, Stefan Harmeling et Markus Kollmann. « De novo prediction of RNA 3D structures with deep generative models ». PLOS ONE 19, no 2 (15 février 2024) : e0297105. http://dx.doi.org/10.1371/journal.pone.0297105.
Texte intégralHazra, Debapriya, Mi-Ryung Kim et Yung-Cheol Byun. « Generative Adversarial Networks for Creating Synthetic Nucleic Acid Sequences of Cat Genome ». International Journal of Molecular Sciences 23, no 7 (28 mars 2022) : 3701. http://dx.doi.org/10.3390/ijms23073701.
Texte intégralZhang, Zhaohui, Lijun Yang, Ligong Chen, Qiuwen Liu, Ying Meng, Pengwei Wang et Maozhen Li. « A generative adversarial network–based method for generating negative financial samples ». International Journal of Distributed Sensor Networks 16, no 2 (février 2020) : 155014772090705. http://dx.doi.org/10.1177/1550147720907053.
Texte intégralShen, Xiaojuan, Tao Zeng, Nianhang Chen, Jiabo Li et Ruibo Wu. « NIMO : A Natural Product-Inspired Molecular Generative Model Based on Conditional Transformer ». Molecules 29, no 8 (19 avril 2024) : 1867. http://dx.doi.org/10.3390/molecules29081867.
Texte intégralXuan, Bona, Jin Li et Yafei Song. « SFCWGAN-BiTCN with Sequential Features for Malware Detection ». Applied Sciences 13, no 4 (5 février 2023) : 2079. http://dx.doi.org/10.3390/app13042079.
Texte intégralTruong, Thanh-Dat, Chi Nhan Duong, Minh-Triet Tran, Ngan Le et Khoa Luu. « Fast Flow Reconstruction via Robust Invertible n × n Convolution ». Future Internet 13, no 7 (8 juillet 2021) : 179. http://dx.doi.org/10.3390/fi13070179.
Texte intégralYou, Yuyang, Xiaoyu Guo, Xuyang Zhong et Zhihong Yang. « A Few-Shot Learning-Based EEG and Stage Transition Sequence Generator for Improving Sleep Staging Performance ». Biomedicines 10, no 12 (22 novembre 2022) : 3006. http://dx.doi.org/10.3390/biomedicines10123006.
Texte intégralWang, Zhenyi, Ping Yu, Yang Zhao, Ruiyi Zhang, Yufan Zhou, Junsong Yuan et Changyou Chen. « Learning Diverse Stochastic Human-Action Generators by Learning Smooth Latent Transitions ». Proceedings of the AAAI Conference on Artificial Intelligence 34, no 07 (3 avril 2020) : 12281–88. http://dx.doi.org/10.1609/aaai.v34i07.6911.
Texte intégralKim, Ha Young, et Dongsup Kim. « Prediction of mutation effects using a deep temporal convolutional network ». Bioinformatics 36, no 7 (20 novembre 2019) : 2047–52. http://dx.doi.org/10.1093/bioinformatics/btz873.
Texte intégralHärkönen, Erik, Miika Aittala, Tuomas Kynkäänniemi, Samuli Laine, Timo Aila et Jaakko Lehtinen. « Disentangling random and cyclic effects in time-lapse sequences ». ACM Transactions on Graphics 41, no 4 (juillet 2022) : 1–13. http://dx.doi.org/10.1145/3528223.3530170.
Texte intégralWilburn, Grey W., et Sean R. Eddy. « Remote homology search with hidden Potts models ». PLOS Computational Biology 16, no 11 (30 novembre 2020) : e1008085. http://dx.doi.org/10.1371/journal.pcbi.1008085.
Texte intégralHu, Yijia. « Performance exploration of Generative Pre-trained Transformer-2 for lyrics generation ». Applied and Computational Engineering 48, no 1 (19 mars 2024) : 53–60. http://dx.doi.org/10.54254/2755-2721/48/20241154.
Texte intégralNguyen, Viet, Giang Vu, Tung Nguyen Thanh, Khoat Than et Toan Tran. « On Inference Stability for Diffusion Models ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 13 (24 mars 2024) : 14449–56. http://dx.doi.org/10.1609/aaai.v38i13.29359.
Texte intégralLi, Shuyu, et Yunsick Sung. « Transformer-Based Seq2Seq Model for Chord Progression Generation ». Mathematics 11, no 5 (23 février 2023) : 1111. http://dx.doi.org/10.3390/math11051111.
Texte intégralZAKI, NAZAR M., SAFAAI DERIS et ROSLI M. ILLIAS. « FEATURES EXTRACTION FOR PROTEIN HOMOLOGY DETECTION USING HIDDEN MARKOV MODELS COMBINING SCORES ». International Journal of Computational Intelligence and Applications 04, no 01 (mars 2004) : 1–12. http://dx.doi.org/10.1142/s1469026804001161.
Texte intégralIsacchini, Giulio, Aleksandra M. Walczak, Thierry Mora et Armita Nourmohammad. « Deep generative selection models of T and B cell receptor repertoires with soNNia ». Proceedings of the National Academy of Sciences 118, no 14 (1 avril 2021) : e2023141118. http://dx.doi.org/10.1073/pnas.2023141118.
Texte intégralWang, Chuantao, Xuexin Yang et Linkai Ding. « Imbalanced sentiment classification based on sequence generative adversarial nets ». Journal of Intelligent & ; Fuzzy Systems 39, no 5 (19 novembre 2020) : 7909–19. http://dx.doi.org/10.3233/jifs-201370.
Texte intégralStokes, James, et John Terilla. « Probabilistic Modeling with Matrix Product States ». Entropy 21, no 12 (17 décembre 2019) : 1236. http://dx.doi.org/10.3390/e21121236.
Texte intégralWang, Xun, Changnan Gao, Peifu Han, Xue Li, Wenqi Chen, Alfonso Rodríguez Patón, Shuang Wang et Pan Zheng. « PETrans : De Novo Drug Design with Protein-Specific Encoding Based on Transfer Learning ». International Journal of Molecular Sciences 24, no 2 (6 janvier 2023) : 1146. http://dx.doi.org/10.3390/ijms24021146.
Texte intégralWu, Shaohan, Jingfeng Xue, Yong Wang et Zixiao Kong. « Black-Box Evasion Attack Method Based on Confidence Score of Benign Samples ». Electronics 12, no 11 (23 mai 2023) : 2346. http://dx.doi.org/10.3390/electronics12112346.
Texte intégralRuss, William P., Matteo Figliuzzi, Christian Stocker, Pierre Barrat-Charlaix, Michael Socolich, Peter Kast, Donald Hilvert et al. « An evolution-based model for designing chorismate mutase enzymes ». Science 369, no 6502 (23 juillet 2020) : 440–45. http://dx.doi.org/10.1126/science.aba3304.
Texte intégralChen, Yunjie, Marius Staring, Olaf M. Neve, Stephan R. Romeijn, Erik F. Hensen, Berit M. Verbist, Jelmer M. Wolterink et Qian Tao. « CoNeS : Conditional neural fields with shift modulation for multi-sequence MRI translation ». Machine Learning for Biomedical Imaging 2, Generative Models (9 février 2024) : 657–85. http://dx.doi.org/10.59275/j.melba.2024-d61g.
Texte intégralQi, Jingyuan, Minqian Liu, Ying Shen, Zhiyang Xu et Lifu Huang. « MULTISCRIPT : Multimodal Script Learning for Supporting Open Domain Everyday Tasks ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 17 (24 mars 2024) : 18888–96. http://dx.doi.org/10.1609/aaai.v38i17.29854.
Texte intégralLiu, Danyang, Juntao Li, Meng-Hsuan Yu, Ziming Huang, Gongshen Liu, Dongyan Zhao et Rui Yan. « A Character-Centric Neural Model for Automated Story Generation ». Proceedings of the AAAI Conference on Artificial Intelligence 34, no 02 (3 avril 2020) : 1725–32. http://dx.doi.org/10.1609/aaai.v34i02.5536.
Texte intégralTubiana, Jérôme, Lucia Adriana-Lifshits, Michael Nissan, Matan Gabay, Inbal Sher, Marina Sova, Haim J. Wolfson et Maayan Gal. « Funneling modulatory peptide design with generative models : Discovery and characterization of disruptors of calcineurin protein-protein interactions ». PLOS Computational Biology 19, no 2 (2 février 2023) : e1010874. http://dx.doi.org/10.1371/journal.pcbi.1010874.
Texte intégralShen, Kevin. « Multi-world Model in Continual Reinforcement Learning ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 21 (24 mars 2024) : 23757–59. http://dx.doi.org/10.1609/aaai.v38i21.30555.
Texte intégralVaškevičius, Mantas, Jurgita Kapočiūtė-Dzikienė et Liudas Šlepikas. « Generative LLMs in Organic Chemistry : Transforming Esterification Reactions into Natural Language Procedures ». Applied Sciences 13, no 24 (11 décembre 2023) : 13140. http://dx.doi.org/10.3390/app132413140.
Texte intégralMarocco, Paolo, et Roberto Gigliucci. « An Investigation about Entailment and Narrative by AI Techniques (Generative Models) ». Communication, Society and Media 3, no 4 (16 novembre 2020) : p61. http://dx.doi.org/10.22158/csm.v3n4p61.
Texte intégralLee, Sangho, Hayun Lee et Dongkun Shin. « Proxyformer : Nyström-Based Linear Transformer with Trainable Proxy Tokens ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 12 (24 mars 2024) : 13418–26. http://dx.doi.org/10.1609/aaai.v38i12.29244.
Texte intégralLEE, CHAN-SU, et DIMITRIS SAMARAS. « ANALYSIS AND CONTROL OF FACIAL EXPRESSIONS USING DECOMPOSABLE NONLINEAR GENERATIVE MODELS ». International Journal of Pattern Recognition and Artificial Intelligence 28, no 05 (31 juillet 2014) : 1456009. http://dx.doi.org/10.1142/s0218001414560096.
Texte intégralLiu, Zuozhu, Thiparat Chotibut, Christopher Hillar et Shaowei Lin. « Biologically Plausible Sequence Learning with Spiking Neural Networks ». Proceedings of the AAAI Conference on Artificial Intelligence 34, no 02 (3 avril 2020) : 1316–23. http://dx.doi.org/10.1609/aaai.v34i02.5487.
Texte intégralZhou, Kun, Wenyong Wang, Teng Hu et Kai Deng. « Time Series Forecasting and Classification Models Based on Recurrent with Attention Mechanism and Generative Adversarial Networks ». Sensors 20, no 24 (16 décembre 2020) : 7211. http://dx.doi.org/10.3390/s20247211.
Texte intégralWang, Yi. « Intelligent auxiliary system for music performance under edge computing and long short-term recurrent neural networks ». PLOS ONE 18, no 5 (8 mai 2023) : e0285496. http://dx.doi.org/10.1371/journal.pone.0285496.
Texte intégralLi, Longyuan, Jihai Zhang, Junchi Yan, Yaohui Jin, Yunhao Zhang, Yanjie Duan et Guangjian Tian. « Synergetic Learning of Heterogeneous Temporal Sequences for Multi-Horizon Probabilistic Forecasting ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 10 (18 mai 2021) : 8420–28. http://dx.doi.org/10.1609/aaai.v35i10.17023.
Texte intégralMurad, Taslim, Sarwan Ali et Murray Patterson. « Exploring the Potential of GANs in Biological Sequence Analysis ». Biology 12, no 6 (14 juin 2023) : 854. http://dx.doi.org/10.3390/biology12060854.
Texte intégralTrinquier, Jeanne, Guido Uguzzoni, Andrea Pagnani, Francesco Zamponi et Martin Weigt. « Efficient generative modeling of protein sequences using simple autoregressive models ». Nature Communications 12, no 1 (4 octobre 2021). http://dx.doi.org/10.1038/s41467-021-25756-4.
Texte intégral