Articles de revues sur le sujet « Multi-labels »
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 « Multi-labels ».
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.
Lee, Seongmin, Hyunsik Jeon et U. Kang. « Multi-EPL : Accurate multi-source domain adaptation ». PLOS ONE 16, no 8 (5 août 2021) : e0255754. http://dx.doi.org/10.1371/journal.pone.0255754.
Texte intégralHao, Pingting, Kunpeng Liu et Wanfu Gao. « Double-Layer Hybrid-Label Identification Feature Selection for Multi-View Multi-Label Learning ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 11 (24 mars 2024) : 12295–303. http://dx.doi.org/10.1609/aaai.v38i11.29120.
Texte intégralSun, Kai-Wei, Chong Ho Lee et Xiao-Feng Xie. « MLHN : A Hypernetwork Model for Multi-Label Classification ». International Journal of Pattern Recognition and Artificial Intelligence 29, no 06 (12 août 2015) : 1550020. http://dx.doi.org/10.1142/s0218001415500202.
Texte intégralGuo, Hai-Feng, Lixin Han, Shoubao Su et Zhou-Bao Sun. « Deep Multi-Instance Multi-Label Learning for Image Annotation ». International Journal of Pattern Recognition and Artificial Intelligence 32, no 03 (22 novembre 2017) : 1859005. http://dx.doi.org/10.1142/s021800141859005x.
Texte intégralXing, Yuying, Guoxian Yu, Carlotta Domeniconi, Jun Wang, Zili Zhang et Maozu Guo. « Multi-View Multi-Instance Multi-Label Learning Based on Collaborative Matrix Factorization ». Proceedings of the AAAI Conference on Artificial Intelligence 33 (17 juillet 2019) : 5508–15. http://dx.doi.org/10.1609/aaai.v33i01.33015508.
Texte intégralLi, Lei, Yuqi Chu, Guanfeng Liu et Xindong Wu. « Multi-Objective Optimization-Based Networked Multi-Label Active Learning ». Journal of Database Management 30, no 2 (avril 2019) : 1–26. http://dx.doi.org/10.4018/jdm.2019040101.
Texte intégralChen, Tianshui, Tao Pu, Hefeng Wu, Yuan Xie et Liang Lin. « Structured Semantic Transfer for Multi-Label Recognition with Partial Labels ». Proceedings of the AAAI Conference on Artificial Intelligence 36, no 1 (28 juin 2022) : 339–46. http://dx.doi.org/10.1609/aaai.v36i1.19910.
Texte intégralHuang, Jun, Linchuan Xu, Kun Qian, Jing Wang et Kenji Yamanishi. « Multi-label learning with missing and completely unobserved labels ». Data Mining and Knowledge Discovery 35, no 3 (12 mars 2021) : 1061–86. http://dx.doi.org/10.1007/s10618-021-00743-x.
Texte intégralChen, Ze-Sen, Xuan Wu, Qing-Guo Chen, Yao Hu et Min-Ling Zhang. « Multi-View Partial Multi-Label Learning with Graph-Based Disambiguation ». Proceedings of the AAAI Conference on Artificial Intelligence 34, no 04 (3 avril 2020) : 3553–60. http://dx.doi.org/10.1609/aaai.v34i04.5761.
Texte intégralHuang, Jun, Haowei Rui, Guorong Li, Xiwen Qu, Tao Tao et Xiao Zheng. « Multi-Label Learning With Hidden Labels ». IEEE Access 8 (2020) : 29667–76. http://dx.doi.org/10.1109/access.2020.2972599.
Texte intégralTan, Z. M., J. Y. Liu, Q. Li, D. Y. Wang et C. Y. Wang. « An approach to error label discrimination based on joint clustering ». Journal of Physics : Conference Series 2294, no 1 (1 juin 2022) : 012018. http://dx.doi.org/10.1088/1742-6596/2294/1/012018.
Texte intégralLiu, Xinda, et Lili Wang. « Multi-granularity sequence generation for hierarchical image classification ». Computational Visual Media 10, no 2 (3 janvier 2024) : 243–60. http://dx.doi.org/10.1007/s41095-022-0332-2.
Texte intégralXie, Ming-Kun, et Sheng-Jun Huang. « Partial Multi-Label Learning with Noisy Label Identification ». Proceedings of the AAAI Conference on Artificial Intelligence 34, no 04 (3 avril 2020) : 6454–61. http://dx.doi.org/10.1609/aaai.v34i04.6117.
Texte intégralPeng, Cheng, Ke Chen, Lidan Shou et Gang Chen. « CARAT : Contrastive Feature Reconstruction and Aggregation for Multi-Modal Multi-Label Emotion Recognition ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 13 (24 mars 2024) : 14581–89. http://dx.doi.org/10.1609/aaai.v38i13.29374.
Texte intégralZhang, Ping, Wanfu Gao, Juncheng Hu et Yonghao Li. « Multi-Label Feature Selection Based on High-Order Label Correlation Assumption ». Entropy 22, no 7 (21 juillet 2020) : 797. http://dx.doi.org/10.3390/e22070797.
Texte intégralLidén, Mats, Ola Hjelmgren, Jenny Vikgren et Per Thunberg. « Multi-Reader–Multi-Split Annotation of Emphysema in Computed Tomography ». Journal of Digital Imaging 33, no 5 (10 août 2020) : 1185–93. http://dx.doi.org/10.1007/s10278-020-00378-2.
Texte intégralWu, Xingyu, Bingbing Jiang, Kui Yu, Huanhuan Chen et Chunyan Miao. « Multi-Label Causal Feature Selection ». Proceedings of the AAAI Conference on Artificial Intelligence 34, no 04 (3 avril 2020) : 6430–37. http://dx.doi.org/10.1609/aaai.v34i04.6114.
Texte intégralFang, Jun-Peng, et Min-Ling Zhang. « Partial Multi-Label Learning via Credible Label Elicitation ». Proceedings of the AAAI Conference on Artificial Intelligence 33 (17 juillet 2019) : 3518–25. http://dx.doi.org/10.1609/aaai.v33i01.33013518.
Texte intégralZhu, Yue, Kai Ming Ting et Zhi-Hua Zhou. « Multi-Label Learning with Emerging New Labels ». IEEE Transactions on Knowledge and Data Engineering 30, no 10 (1 octobre 2018) : 1901–14. http://dx.doi.org/10.1109/tkde.2018.2810872.
Texte intégralZhu, Pengfei, Qian Xu, Qinghua Hu, Changqing Zhang et Hong Zhao. « Multi-label feature selection with missing labels ». Pattern Recognition 74 (février 2018) : 488–502. http://dx.doi.org/10.1016/j.patcog.2017.09.036.
Texte intégralLin, Yaojin, Qinghua Hu, Jia Zhang et Xindong Wu. « Multi-label feature selection with streaming labels ». Information Sciences 372 (décembre 2016) : 256–75. http://dx.doi.org/10.1016/j.ins.2016.08.039.
Texte intégralXu, Miao, Yu-Feng Li et Zhi-Hua Zhou. « Multi-Label Learning with PRO Loss ». Proceedings of the AAAI Conference on Artificial Intelligence 27, no 1 (30 juin 2013) : 998–1004. http://dx.doi.org/10.1609/aaai.v27i1.8689.
Texte intégralZHANG, Yongwei. « Learning Label Correlations for Multi-Label Online Passive Aggressive Classification Algorithm ». Wuhan University Journal of Natural Sciences 29, no 1 (février 2024) : 51–58. http://dx.doi.org/10.1051/wujns/2024291051.
Texte intégralWang, Xiujuan, et Yuchen Zhou. « Multi-Label Feature Selection with Conditional Mutual Information ». Computational Intelligence and Neuroscience 2022 (8 octobre 2022) : 1–13. http://dx.doi.org/10.1155/2022/9243893.
Texte intégralPu, Tao, Tianshui Chen, Hefeng Wu et Liang Lin. « Semantic-Aware Representation Blending for Multi-Label Image Recognition with Partial Labels ». Proceedings of the AAAI Conference on Artificial Intelligence 36, no 2 (28 juin 2022) : 2091–98. http://dx.doi.org/10.1609/aaai.v36i2.20105.
Texte intégralKolber, Anna, et Oliver Meixner. « Effects of Multi-Level Eco-Labels on the Product Evaluation of Meat and Meat Alternatives—A Discrete Choice Experiment ». Foods 12, no 15 (3 août 2023) : 2941. http://dx.doi.org/10.3390/foods12152941.
Texte intégralSong, Hwanjun, Minseok Kim et Jae-Gil Lee. « Toward Robustness in Multi-Label Classification : A Data Augmentation Strategy against Imbalance and Noise ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 19 (24 mars 2024) : 21592–601. http://dx.doi.org/10.1609/aaai.v38i19.30157.
Texte intégralWang, Zhen, Yiqun Duan, Liu Liu et Dacheng Tao. « Multi-label Few-shot Learning with Semantic Inference (Student Abstract) ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 18 (18 mai 2021) : 15917–18. http://dx.doi.org/10.1609/aaai.v35i18.17955.
Texte intégralCui, Zijun, Yong Zhang et Qiang Ji. « Label Error Correction and Generation through Label Relationships ». Proceedings of the AAAI Conference on Artificial Intelligence 34, no 04 (3 avril 2020) : 3693–700. http://dx.doi.org/10.1609/aaai.v34i04.5778.
Texte intégralRottoli, Giovanni Daian, et Carlos Casanova. « Multi-criteria and Multi-expert Requirement Prioritization using Fuzzy Linguistic Labels ». ParadigmPlus 3, no 1 (8 février 2022) : 1–18. http://dx.doi.org/10.55969/paradigmplus.v3n1a1.
Texte intégralSiringoringo, Rimbun, Jamaluddin Jamaluddin et Resianta Perangin-angin. « TEXT MINING DAN KLASIFIKASI MULTI LABEL MENGGUNAKAN XGBOOST ». METHOMIKA Jurnal Manajemen Informatika dan Komputerisasi Akuntansi 6, no 6 (31 octobre 2022) : 234–38. http://dx.doi.org/10.46880/jmika.vol6no2.pp234-238.
Texte intégralXiao, Lin, Xiangliang Zhang, Liping Jing, Chi Huang et Mingyang Song. « Does Head Label Help for Long-Tailed Multi-Label Text Classification ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 16 (18 mai 2021) : 14103–11. http://dx.doi.org/10.1609/aaai.v35i16.17660.
Texte intégralJiang, Ting, Deqing Wang, Leilei Sun, Huayi Yang, Zhengyang Zhao et Fuzhen Zhuang. « LightXML : Transformer with Dynamic Negative Sampling for High-Performance Extreme Multi-label Text Classification ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 9 (18 mai 2021) : 7987–94. http://dx.doi.org/10.1609/aaai.v35i9.16974.
Texte intégralMu, Dejun, Junhong Duan, Xiaoyu Li, Hang Dai, Xiaoyan Cai et Lantian Guo. « Expede Herculem : Learning Multi Labels From Single Label ». IEEE Access 6 (2018) : 61410–18. http://dx.doi.org/10.1109/access.2018.2876014.
Texte intégralMa, Jianghong, Zhaoyang Tian, Haijun Zhang et Tommy W. S. Chow. « Multi-Label Low-dimensional Embedding with Missing Labels ». Knowledge-Based Systems 137 (décembre 2017) : 65–82. http://dx.doi.org/10.1016/j.knosys.2017.09.005.
Texte intégralFrasca, Marco, Simone Bassis et Giorgio Valentini. « Learning node labels with multi-category Hopfield networks ». Neural Computing and Applications 27, no 6 (23 juin 2015) : 1677–92. http://dx.doi.org/10.1007/s00521-015-1965-1.
Texte intégralYu, Tianyu, Cuiwei Liu, Zhuo Yan et Xiangbin Shi. « A Multi-Task Framework for Action Prediction ». Information 11, no 3 (16 mars 2020) : 158. http://dx.doi.org/10.3390/info11030158.
Texte intégralXu, Pengyu, Lin Xiao, Bing Liu, Sijin Lu, Liping Jing et Jian Yu. « Label-Specific Feature Augmentation for Long-Tailed Multi-Label Text Classification ». Proceedings of the AAAI Conference on Artificial Intelligence 37, no 9 (26 juin 2023) : 10602–10. http://dx.doi.org/10.1609/aaai.v37i9.26259.
Texte intégralLiu, Tianci, Haoyu Wang, Yaqing Wang, Xiaoqian Wang, Lu Su et Jing Gao. « SimFair : A Unified Framework for Fairness-Aware Multi-Label Classification ». Proceedings of the AAAI Conference on Artificial Intelligence 37, no 12 (26 juin 2023) : 14338–46. http://dx.doi.org/10.1609/aaai.v37i12.26677.
Texte intégralZhang, Yi, Zhecheng Zhang, Mingyuan Chen, Hengyang Lu, Lei Zhang et Chongjun Wang. « LAMB : A novel algorithm of label collaboration based multi-label learning ». Intelligent Data Analysis 26, no 5 (5 septembre 2022) : 1229–45. http://dx.doi.org/10.3233/ida-215946.
Texte intégralKhandagale, Sujay, Han Xiao et Rohit Babbar. « Bonsai : diverse and shallow trees for extreme multi-label classification ». Machine Learning 109, no 11 (23 août 2020) : 2099–119. http://dx.doi.org/10.1007/s10994-020-05888-2.
Texte intégralWang, Yejiang, Yuhai Zhao, Zhengkui Wang, Wen Shan et Xingwei Wang. « Limited-Supervised Multi-Label Learning with Dependency Noise ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 14 (24 mars 2024) : 15662–70. http://dx.doi.org/10.1609/aaai.v38i14.29494.
Texte intégralPaul, Dipanjyoti, Rahul Kumar, Sriparna Saha et Jimson Mathew. « Multi-objective Cuckoo Search-based Streaming Feature Selection for Multi-label Dataset ». ACM Transactions on Knowledge Discovery from Data 15, no 6 (19 mai 2021) : 1–24. http://dx.doi.org/10.1145/3447586.
Texte intégralXu, Ning, Yun-Peng Liu et Xin Geng. « Partial Multi-Label Learning with Label Distribution ». Proceedings of the AAAI Conference on Artificial Intelligence 34, no 04 (3 avril 2020) : 6510–17. http://dx.doi.org/10.1609/aaai.v34i04.6124.
Texte intégralLi, Xinran, Wuyin Jin, Xiangyang Xu et Hao Yang. « A Domain-Adversarial Multi-Graph Convolutional Network for Unsupervised Domain Adaptation Rolling Bearing Fault Diagnosis ». Symmetry 14, no 12 (15 décembre 2022) : 2654. http://dx.doi.org/10.3390/sym14122654.
Texte intégralShao, Zhenfeng, Ke Yang et Weixun Zhou. « Performance Evaluation of Single-Label and Multi-Label Remote Sensing Image Retrieval Using a Dense Labeling Dataset ». Remote Sensing 10, no 6 (16 juin 2018) : 964. http://dx.doi.org/10.3390/rs10060964.
Texte intégralLi, Yu-Feng, Ju-Hua Hu, Yuang Jiang et Zhi-Hua Zhou. « Towards Discovering What Patterns Trigger What Labels ». Proceedings of the AAAI Conference on Artificial Intelligence 26, no 1 (20 septembre 2021) : 1012–18. http://dx.doi.org/10.1609/aaai.v26i1.8285.
Texte intégralAlmi, Stefano, Marco Morandotti et Francesco Solombrino. « A multi-step Lagrangian scheme for spatially inhomogeneous evolutionary games ». Journal of Evolution Equations 21, no 2 (24 avril 2021) : 2691–733. http://dx.doi.org/10.1007/s00028-021-00702-5.
Texte intégralGao, Zijun, Jun Wang, Guoxian Yu, Zhongmin Yan, Carlotta Domeniconi et Jinglin Zhang. « Long-Tail Cross Modal Hashing ». Proceedings of the AAAI Conference on Artificial Intelligence 37, no 6 (26 juin 2023) : 7642–50. http://dx.doi.org/10.1609/aaai.v37i6.25927.
Texte intégralFeng, Lei, Bo An et Shuo He. « Collaboration Based Multi-Label Learning ». Proceedings of the AAAI Conference on Artificial Intelligence 33 (17 juillet 2019) : 3550–57. http://dx.doi.org/10.1609/aaai.v33i01.33013550.
Texte intégral