Articles de revues sur le sujet « Machine learning tools »
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 « Machine learning tools ».
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.
Pagadipala srikanth, Pulimamidi sai teja, Borigam Lakshmi prasad et Veduruvada pavan kalyan. « A comprehensive review of machine learning techniques in computer numerical controlled machines ». International Journal of Science and Research Archive 9, no 1 (30 juin 2023) : 627–37. http://dx.doi.org/10.30574/ijsra.2023.9.1.0491.
Texte intégralHussein, Eslam A., Christopher Thron, Mehrdad Ghaziasgar, Antoine Bagula et Mattia Vaccari. « Groundwater Prediction Using Machine-Learning Tools ». Algorithms 13, no 11 (17 novembre 2020) : 300. http://dx.doi.org/10.3390/a13110300.
Texte intégralBosetti, Paolo, Matteo Ragni et Matteo Leoni. « Modern machine-learning tools for crystallography ». Acta Crystallographica Section A Foundations and Advances 73, a2 (1 décembre 2017) : C562. http://dx.doi.org/10.1107/s2053273317090118.
Texte intégralPadarian, José, Budiman Minasny et Alex B. McBratney. « Machine learning and soil sciences : a review aided by machine learning tools ». SOIL 6, no 1 (6 février 2020) : 35–52. http://dx.doi.org/10.5194/soil-6-35-2020.
Texte intégralMahardika, Rizka. « THE USE OF TRANSLATION TOOL IN EFL LEARNING : DO MACHINE TRANSLATION GIVE POSITIVE IMPACT IN LANGUAGE LEARNING ? » Pedagogy : Journal of English Language Teaching 5, no 1 (30 juillet 2017) : 49. http://dx.doi.org/10.32332/pedagogy.v5i1.755.
Texte intégralO’Gorman, Eoin J. « Machine learning ecological networks ». Science 377, no 6609 (26 août 2022) : 918–19. http://dx.doi.org/10.1126/science.add7563.
Texte intégralNg, Wenfa. « Evaluating the Potential of Applying Machine Learning Tools to Metabolic Pathway Optimization ». Biotechnology and Bioprocessing 2, no 9 (2 novembre 2021) : 01–07. http://dx.doi.org/10.31579/2766-2314/060.
Texte intégralSukhoparov, M. E., K. I. Salakhutdinova et I. S. Lebedev. « Software Identification by Standard Machine Learning Tools ». Automatic Control and Computer Sciences 55, no 8 (décembre 2021) : 1175–79. http://dx.doi.org/10.3103/s0146411621080459.
Texte intégralGleyzer, S. V., L. Moneta et Omar A. Zapata. « Development of Machine Learning Tools in ROOT ». Journal of Physics : Conference Series 762 (octobre 2016) : 012043. http://dx.doi.org/10.1088/1742-6596/762/1/012043.
Texte intégralYousefi, Jamileh, et Andrew Hamilton-Wright. « Characterizing EMG data using machine-learning tools ». Computers in Biology and Medicine 51 (août 2014) : 1–13. http://dx.doi.org/10.1016/j.compbiomed.2014.04.018.
Texte intégralMohammadi, Yousef, Mohammad Saeb, Alexander Penlidis, Esmaiel Jabbari, Florian J. Stadler, Philippe Zinck et Krzysztof Matyjaszewski. « Intelligent Machine Learning : Tailor-Making Macromolecules ». Polymers 11, no 4 (1 avril 2019) : 579. http://dx.doi.org/10.3390/polym11040579.
Texte intégralSobha Rani, Naguri, et Naguri Divya Sruthi. « Automatic Portrait Image Cropping using Machine Learning Models ». International Journal of Scientific Methods in Engineering and Management 01, no 01 (2023) : 73–86. http://dx.doi.org/10.58599/ijsmem.2023.1107.
Texte intégralWaghmode, Prof R. T. « Hard Disk Failure Prediction Using Machine Learning ». International Journal for Research in Applied Science and Engineering Technology 11, no 5 (31 mai 2023) : 4459–64. http://dx.doi.org/10.22214/ijraset.2023.52604.
Texte intégralDekermanjian, Jonathan, Wladimir Labeikovsky, Debashis Ghosh et Katerina Kechris. « MSCAT : A Machine Learning Assisted Catalog of Metabolomics Software Tools ». Metabolites 11, no 10 (2 octobre 2021) : 678. http://dx.doi.org/10.3390/metabo11100678.
Texte intégralJany Shabu, S. L., Rohan Loganathan Reddy, V. Maria Anu, L. Mary Gladence et J. Refonaa. « Machine Learning Based Malicious Android Application Detection ». Journal of Computational and Theoretical Nanoscience 17, no 8 (1 août 2020) : 3468–72. http://dx.doi.org/10.1166/jctn.2020.9212.
Texte intégralSu, Moting, Zongyi Zhang, Ye Zhu, Donglan Zha et Wenying Wen. « Data Driven Natural Gas Spot Price Prediction Models Using Machine Learning Methods ». Energies 12, no 9 (3 mai 2019) : 1680. http://dx.doi.org/10.3390/en12091680.
Texte intégralMullainathan, Sendhil, et Jann Spiess. « Machine Learning : An Applied Econometric Approach ». Journal of Economic Perspectives 31, no 2 (1 mai 2017) : 87–106. http://dx.doi.org/10.1257/jep.31.2.87.
Texte intégralKoteluk, Oliwia, Adrian Wartecki, Sylwia Mazurek, Iga Kołodziejczak et Andrzej Mackiewicz. « How Do Machines Learn ? Artificial Intelligence as a New Era in Medicine ». Journal of Personalized Medicine 11, no 1 (7 janvier 2021) : 32. http://dx.doi.org/10.3390/jpm11010032.
Texte intégralKoteluk, Oliwia, Adrian Wartecki, Sylwia Mazurek, Iga Kołodziejczak et Andrzej Mackiewicz. « How Do Machines Learn ? Artificial Intelligence as a New Era in Medicine ». Journal of Personalized Medicine 11, no 1 (7 janvier 2021) : 32. http://dx.doi.org/10.3390/jpm11010032.
Texte intégralCoco, Giovanni. « ROUND ABOUT MACHINE LEARNING ». Coastal Engineering Proceedings, no 36v (31 décembre 2020) : 4. http://dx.doi.org/10.9753/icce.v36v.keynote.4.
Texte intégralZhang, Mei. « Evaluation Of Machine Learning Tools For Distinguishing Fraud From Error ». Journal of Business & ; Economics Research (JBER) 11, no 9 (30 août 2013) : 393. http://dx.doi.org/10.19030/jber.v11i9.8067.
Texte intégralDietrich, Bastian, Jessica Walther, Matthias Weigold et Eberhard Abele. « Machine learning based very short term load forecasting of machine tools ». Applied Energy 276 (octobre 2020) : 115440. http://dx.doi.org/10.1016/j.apenergy.2020.115440.
Texte intégralWu, Q., E. Liu, Y. H. He et X. Tang. « Application Research on Extreme Learning Machine in Rapid Detection of Tool Wear in Machine Tools ». Journal of Physics : Conference Series 2025, no 1 (1 septembre 2021) : 012091. http://dx.doi.org/10.1088/1742-6596/2025/1/012091.
Texte intégralByrne, Cian, Thomas Dickson, Marin Lauber, Claudio Cairoli et Gabriel Weymouth. « Using Machine Learning to Model Yacht Performance ». Journal of Sailing Technology 7, no 01 (9 mai 2022) : 104–19. http://dx.doi.org/10.5957/jst/2022.7.5.104.
Texte intégralMaheshwari, Himani, Pooja Goswami et Isha Rana. « A Comparative Study of Different Machine Learning Tools ». International Journal of Computer Sciences and Engineering 7, no 4 (30 avril 2019) : 184–90. http://dx.doi.org/10.26438/ijcse/v7i4.184190.
Texte intégralKishore, M. Ram. « A Review on Machine Learning Tools and Techniques ». International Journal for Research in Applied Science and Engineering Technology 10, no 6 (30 juin 2022) : 4270–83. http://dx.doi.org/10.22214/ijraset.2022.44888.
Texte intégralChavan, Mr Vikram. « Malware Classification using Machine Learning Algorithms and Tools ». International Journal for Research in Applied Science and Engineering Technology 9, no VI (10 juin 2021) : 69–73. http://dx.doi.org/10.22214/ijraset.2021.34353.
Texte intégralZyablikov, D. A. « APPLICATION OF MACHINE LEARNING METHODS IN MARKETING TOOLS ». Прогрессивная экономика, no 6 (2021) : 36–43. http://dx.doi.org/10.54861/27131211_2021_6_36.
Texte intégralVeena, Dr S., T. Shankari, S. Sowmiya et M. Varsha. « A SURVEY ON TOOLS USED FOR MACHINE LEARNING ». International Journal of Engineering Applied Sciences and Technology 04, no 09 (30 janvier 2020) : 116–19. http://dx.doi.org/10.33564/ijeast.2020.v04i09.012.
Texte intégralLo Vercio, Lucas, Kimberly Amador, Jordan J. Bannister, Sebastian Crites, Alejandro Gutierrez, M. Ethan MacDonald, Jasmine Moore et al. « Supervised machine learning tools : a tutorial for clinicians ». Journal of Neural Engineering 17, no 6 (22 décembre 2020) : 062001. http://dx.doi.org/10.1088/1741-2552/abbff2.
Texte intégralBaron, Jason M., Danielle E. Kurant et Anand S. Dighe. « Machine Learning and Other Emerging Decision Support Tools ». Clinics in Laboratory Medicine 39, no 2 (juin 2019) : 319–31. http://dx.doi.org/10.1016/j.cll.2019.01.010.
Texte intégralDemirhan, Ayşe. « Neuroimage-based clinical prediction using machine learning tools ». International Journal of Imaging Systems and Technology 27, no 1 (mars 2017) : 89–97. http://dx.doi.org/10.1002/ima.22213.
Texte intégralGuañuna, Gabriel, Santiago Chamba, Nelson Granda, Jaime Cepeda, Diego Echeverría et Walter Vargas. « Voltage Stability Margin Estimation Using Machine Learning Tools ». Revista Técnica "energía" 20, no 1 (27 juillet 2023) : 1–8. http://dx.doi.org/10.37116/revistaenergia.v20.n1.2023.570.
Texte intégralArgüelles, Carlos R., et Santiago Collazo. « Galaxy Rotation Curve Fitting Using Machine Learning Tools ». Universe 9, no 8 (16 août 2023) : 372. http://dx.doi.org/10.3390/universe9080372.
Texte intégralKang, Rachael, Esa M. Rantanen et Eric A. Youngstrom. « Machine Learning in Healthcare : Two Case Studies ». Proceedings of the Human Factors and Ergonomics Society Annual Meeting 66, no 1 (septembre 2022) : 774–78. http://dx.doi.org/10.1177/1071181322661518.
Texte intégralPandey, Mrs Arjoo. « Machine Learning ». International Journal for Research in Applied Science and Engineering Technology 11, no 8 (31 août 2023) : 864–69. http://dx.doi.org/10.22214/ijraset.2023.55224.
Texte intégralHaner Kırğıl, Elif Nur, et Tülin Erçelebi Ayyıldız. « Predicting Software Cohesion Metrics with Machine Learning Techniques ». Applied Sciences 13, no 6 (15 mars 2023) : 3722. http://dx.doi.org/10.3390/app13063722.
Texte intégralLopes, Bárbara Gabrielle C. O., Liziane Santos Soares, Raquel Oliveira Prates et Marcos André Gonçalves. « Contrasting Explain-ML with Interpretability Machine Learning Tools in Light of Interactive Machine Learning Principles ». Journal on Interactive Systems 13, no 1 (21 novembre 2022) : 313–34. http://dx.doi.org/10.5753/jis.2022.2556.
Texte intégralHarvey, Neal, et Reid Porter. « User-driven sampling strategies in image exploitation ». Information Visualization 15, no 1 (13 novembre 2014) : 64–74. http://dx.doi.org/10.1177/1473871614557659.
Texte intégralYan, Wei, Chenxun Lu, Ying Liu, Xumei Zhang et Hua Zhang. « An Energy Data-Driven Approach for Operating Status Recognition of Machine Tools Based on Deep Learning ». Sensors 22, no 17 (1 septembre 2022) : 6628. http://dx.doi.org/10.3390/s22176628.
Texte intégralRenushe, Prof Archana, Rutuja Kesare, Rohini Kumbhar et Pooja Kumbhar. « Gear Defect Detection using Machine Learning ». International Journal for Research in Applied Science and Engineering Technology 11, no 4 (30 avril 2023) : 2906–8. http://dx.doi.org/10.22214/ijraset.2023.50279.
Texte intégralRahman, Reza Aulia, Mohammad Faishol Erikyatna et Achmad Fauzan Hery Soegiharto. « Study on Predictive Maintenance of V-Belt in Milling Machines Using Machine Learning ». Journal of Mechanical Engineering Science and Technology (JMEST) 6, no 2 (15 novembre 2022) : 85. http://dx.doi.org/10.17977/um016v6i22022p085.
Texte intégralBurgard, Tanja, et André Bittermann. « Reducing Literature Screening Workload With Machine Learning ». Zeitschrift für Psychologie 231, no 1 (février 2023) : 3–15. http://dx.doi.org/10.1027/2151-2604/a000509.
Texte intégralMilakovic, Adrian, Drazen Draskovic et Bosko Nikolic. « Visual Simulator for Mastering Fundamental Concepts of Machine Learning ». Applied Sciences 12, no 24 (17 décembre 2022) : 12974. http://dx.doi.org/10.3390/app122412974.
Texte intégralWalker, David. « Using machine learning to enhance operator performance ». APPEA Journal 60, no 2 (2020) : 681. http://dx.doi.org/10.1071/aj19163.
Texte intégralZarouq Eshkanti, Mohammed A. El, et S. C. Ng. « Backdoor Detection Using Machine Learning ». Journal of Engineering & ; Technological Advances 2, no 1 (2017) : 2–13. http://dx.doi.org/10.35934/segi.v2i1.2.
Texte intégralReich, Yoram. « Modelling engineering information with machine learning ». Artificial Intelligence for Engineering Design, Analysis and Manufacturing 10, no 2 (avril 1996) : 171–74. http://dx.doi.org/10.1017/s0890060400001487.
Texte intégralvan de Lande, Lara S., Athanasios Papaioannou et David J. Dunaway. « Geometric morphometrics aided by machine learning in craniofacial surgery ». Journal of Orthodontics 46, no 1_suppl (8 avril 2019) : 81–83. http://dx.doi.org/10.1177/1465312519840030.
Texte intégralThomas, Philip S., Bruno Castro da Silva, Andrew G. Barto, Stephen Giguere, Yuriy Brun et Emma Brunskill. « Preventing undesirable behavior of intelligent machines ». Science 366, no 6468 (21 novembre 2019) : 999–1004. http://dx.doi.org/10.1126/science.aag3311.
Texte intégralMolina, Mario, et Filiz Garip. « Machine Learning for Sociology ». Annual Review of Sociology 45, no 1 (30 juillet 2019) : 27–45. http://dx.doi.org/10.1146/annurev-soc-073117-041106.
Texte intégral