Articles de revues sur le sujet « Network data representation »
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 « Network data representation ».
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.
R.Tamilarasu et G. Soundarya Devi. « Improvising Connection In 5g By Means Of Particle Swarm Optimization Techniques ». South Asian Journal of Engineering and Technology 14, no 2 (30 avril 2024) : 1–6. http://dx.doi.org/10.26524/sajet.2023.14.2.
Texte intégralYe, Zhonglin, Haixing Zhao, Ke Zhang, Yu Zhu et Zhaoyang Wang. « An Optimized Network Representation Learning Algorithm Using Multi-Relational Data ». Mathematics 7, no 5 (21 mai 2019) : 460. http://dx.doi.org/10.3390/math7050460.
Texte intégralArmenta, Marco, et Pierre-Marc Jodoin. « The Representation Theory of Neural Networks ». Mathematics 9, no 24 (13 décembre 2021) : 3216. http://dx.doi.org/10.3390/math9243216.
Texte intégralAristizábal Q, Luz Angela, et Nicolás Toro G. « Multilayer Representation and Multiscale Analysis on Data Networks ». International journal of Computer Networks & ; Communications 13, no 3 (31 mai 2021) : 41–55. http://dx.doi.org/10.5121/ijcnc.2021.13303.
Texte intégralNguyễn, Tuấn, Nguyen Hai Hao, Dang Le Dinh Trang, Nguyen Van Tuan et Cao Van Loi. « Robust anomaly detection methods for contamination network data ». Journal of Military Science and Technology, no 79 (19 mai 2022) : 41–51. http://dx.doi.org/10.54939/1859-1043.j.mst.79.2022.41-51.
Texte intégralDu, Xin, Yulong Pei, Wouter Duivesteijn et Mykola Pechenizkiy. « Fairness in Network Representation by Latent Structural Heterogeneity in Observational Data ». Proceedings of the AAAI Conference on Artificial Intelligence 34, no 04 (3 avril 2020) : 3809–16. http://dx.doi.org/10.1609/aaai.v34i04.5792.
Texte intégralDongming Chen, Dongming Chen, Mingshuo Nie Dongming Chen, Jiarui Yan Mingshuo Nie, Jiangnan Meng Jiarui Yan et Dongqi Wang Jiangnan Meng. « Network Representation Learning Algorithm Based on Community Folding ». 網際網路技術學刊 23, no 2 (mars 2022) : 415–23. http://dx.doi.org/10.53106/160792642022032302020.
Texte intégralZhang, Xiaoxian, Jianpei Zhang et Jing Yang. « Large-scale dynamic social data representation for structure feature learning ». Journal of Intelligent & ; Fuzzy Systems 39, no 4 (21 octobre 2020) : 5253–62. http://dx.doi.org/10.3233/jifs-189010.
Texte intégralKapoor, Maya, Michael Napolitano, Jonathan Quance, Thomas Moyer et Siddharth Krishnan. « Detecting VoIP Data Streams : Approaches Using Hidden Representation Learning ». Proceedings of the AAAI Conference on Artificial Intelligence 37, no 13 (26 juin 2023) : 15519–27. http://dx.doi.org/10.1609/aaai.v37i13.26840.
Texte intégralGiannarakis, Nick, Alexandra Silva et David Walker. « ProbNV : probabilistic verification of network control planes ». Proceedings of the ACM on Programming Languages 5, ICFP (22 août 2021) : 1–30. http://dx.doi.org/10.1145/3473595.
Texte intégralHyvönen, Jörkki, Jari Saramäki et Kimmo Kaski. « Efficient data structures for sparse network representation ». International Journal of Computer Mathematics 85, no 8 (août 2008) : 1219–33. http://dx.doi.org/10.1080/00207160701753629.
Texte intégralWong, S. V., et A. M. S. Hamouda. « Machinability data representation with artificial neural network ». Journal of Materials Processing Technology 138, no 1-3 (juillet 2003) : 538–44. http://dx.doi.org/10.1016/s0924-0136(03)00143-2.
Texte intégralBuckles, Bill P., Frederick E. Petry et Jayadev Pillai. « Network data models for representation of uncertainty ». Fuzzy Sets and Systems 38, no 2 (novembre 1990) : 171–90. http://dx.doi.org/10.1016/0165-0114(90)90148-y.
Texte intégralZhan, Huixin, et Victor S. Sheng. « Privacy-Preserving Representation Learning for Text-Attributed Networks with Simplicial Complexes ». Proceedings of the AAAI Conference on Artificial Intelligence 37, no 13 (26 juin 2023) : 16143–44. http://dx.doi.org/10.1609/aaai.v37i13.26932.
Texte intégralZhang, Hu, Jingjing Zhou, Ru Li et Yue Fan. « Network representation learning method embedding linear and nonlinear network structures ». Semantic Web 13, no 3 (6 avril 2022) : 511–26. http://dx.doi.org/10.3233/sw-212968.
Texte intégralVernon, Matthew C., et Matt J. Keeling. « Representing the UK's cattle herd as static and dynamic networks ». Proceedings of the Royal Society B : Biological Sciences 276, no 1656 (14 octobre 2008) : 469–76. http://dx.doi.org/10.1098/rspb.2008.1009.
Texte intégralIddianozie, Chidubem, et Gavin McArdle. « Towards Robust Representations of Spatial Networks Using Graph Neural Networks ». Applied Sciences 11, no 15 (27 juillet 2021) : 6918. http://dx.doi.org/10.3390/app11156918.
Texte intégralHu, Hao, Mengya Gao et Mingsheng Wu. « Relieving the Incompatibility of Network Representation and Classification for Long-Tailed Data Distribution ». Computational Intelligence and Neuroscience 2021 (27 décembre 2021) : 1–10. http://dx.doi.org/10.1155/2021/6702625.
Texte intégralXu, Jian, Thanuka L. Wickramarathne et Nitesh V. Chawla. « Representing higher-order dependencies in networks ». Science Advances 2, no 5 (mai 2016) : e1600028. http://dx.doi.org/10.1126/sciadv.1600028.
Texte intégralZhang, Yixin, Lizhen Cui, Wei He, Xudong Lu et Shipeng Wang. « Behavioral data assists decisions : exploring the mental representation of digital-self ». International Journal of Crowd Science 5, no 2 (26 juillet 2021) : 185–203. http://dx.doi.org/10.1108/ijcs-03-2021-0011.
Texte intégralDecker, Kevin T., et Brett J. Borghetti. « Hyperspectral Point Cloud Projection for the Semantic Segmentation of Multimodal Hyperspectral and Lidar Data with Point Convolution-Based Deep Fusion Neural Networks ». Applied Sciences 13, no 14 (14 juillet 2023) : 8210. http://dx.doi.org/10.3390/app13148210.
Texte intégralLiang, Sen, Zhi-ze Zhou, Yu-dong Guo, Xuan Gao, Ju-yong Zhang et Hu-jun Bao. « Facial landmark disentangled network with variational autoencoder ». Applied Mathematics-A Journal of Chinese Universities 37, no 2 (juin 2022) : 290–305. http://dx.doi.org/10.1007/s11766-022-4589-0.
Texte intégralCraven, Mark W., et Jude W. Shavlik. « Understanding Time-Series Networks : A Case Study in Rule Extraction ». International Journal of Neural Systems 08, no 04 (août 1997) : 373–84. http://dx.doi.org/10.1142/s0129065797000380.
Texte intégralBast, Hannah, et Sabine Storandt. « Frequency Data Compression for Public Transportation Network Algorithms (Extended Abstract) ». Proceedings of the International Symposium on Combinatorial Search 4, no 1 (20 août 2021) : 205–6. http://dx.doi.org/10.1609/socs.v4i1.18302.
Texte intégralXu, Liang, Yue Zhao, Xiaona Xu, Yigang Liu et Qiang Ji. « Latent Regression Bayesian Network for Speech Representation ». Electronics 12, no 15 (4 août 2023) : 3342. http://dx.doi.org/10.3390/electronics12153342.
Texte intégralNaseer, Sheraz, Rao Faizan Ali, P. D. D. Dominic et Yasir Saleem. « Learning Representations of Network Traffic Using Deep Neural Networks for Network Anomaly Detection : A Perspective towards Oil and Gas IT Infrastructures ». Symmetry 12, no 11 (16 novembre 2020) : 1882. http://dx.doi.org/10.3390/sym12111882.
Texte intégralGatts, C., et A. Mariano. « Data Categorization and Neural Pattern Recognition ». Microscopy and Microanalysis 3, S2 (août 1997) : 933–34. http://dx.doi.org/10.1017/s1431927600011557.
Texte intégralAltuntas, Volkan. « NodeVector : A Novel Network Node Vectorization with Graph Analysis and Deep Learning ». Applied Sciences 14, no 2 (16 janvier 2024) : 775. http://dx.doi.org/10.3390/app14020775.
Texte intégralZhang, Ye, Yanqi Gao, Yupeng Zhou, Jianan Wang et Minghao Yin. « MRMLREC : A Two-Stage Approach for Addressing Data Sparsity in MOOC Video Recommendation (Student Abstract) ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 21 (24 mars 2024) : 23709–11. http://dx.doi.org/10.1609/aaai.v38i21.30536.
Texte intégralMilano, Marianna, Giuseppe Agapito et Mario Cannataro. « Challenges and Limitations of Biological Network Analysis ». BioTech 11, no 3 (7 juillet 2022) : 24. http://dx.doi.org/10.3390/biotech11030024.
Texte intégralRossi, R. A., L. K. McDowell, D. W. Aha et J. Neville. « Transforming Graph Data for Statistical Relational Learning ». Journal of Artificial Intelligence Research 45 (30 octobre 2012) : 363–441. http://dx.doi.org/10.1613/jair.3659.
Texte intégralZhang, Sen, Shaobo Li, Xiang Li et Yong Yao. « Representation of Traffic Congestion Data for Urban Road Traffic Networks Based on Pooling Operations ». Algorithms 13, no 4 (2 avril 2020) : 84. http://dx.doi.org/10.3390/a13040084.
Texte intégralShcherbakov, A. V., V. G. Kharitonenko, A. I. Chuprov et A. E. Gainov. « ENSURING DATA UNIQUENESS IN SEMANTIC NETWORKS ». Vestnik komp'iuternykh i informatsionnykh tekhnologii, no 228 (juin 2023) : 36–40. http://dx.doi.org/10.14489/vkit.2023.06.pp.036-040.
Texte intégralHeo, Seongsil, Sungsik Kim et Jaekoo Lee. « BIMO : Bootstrap Inter–Intra Modality at Once Unsupervised Learning for Multivariate Time Series ». Applied Sciences 14, no 9 (30 avril 2024) : 3825. http://dx.doi.org/10.3390/app14093825.
Texte intégralIdiart, Marco, Barry Berk et L. F. Abbott. « Reduced Representation by Neural Networks with Restricted Receptive Fields ». Neural Computation 7, no 3 (mai 1995) : 507–17. http://dx.doi.org/10.1162/neco.1995.7.3.507.
Texte intégralBautista, John Lorenzo, Yun Kyung Lee et Hyun Soon Shin. « Speech Emotion Recognition Based on Parallel CNN-Attention Networks with Multi-Fold Data Augmentation ». Electronics 11, no 23 (28 novembre 2022) : 3935. http://dx.doi.org/10.3390/electronics11233935.
Texte intégralLiu, Hao, Jindong Han, Yanjie Fu, Jingbo Zhou, Xinjiang Lu et Hui Xiong. « Multi-modal transportation recommendation with unified route representation learning ». Proceedings of the VLDB Endowment 14, no 3 (novembre 2020) : 342–50. http://dx.doi.org/10.14778/3430915.3430924.
Texte intégralZhang, Kainan, Zhipeng Cai et Daehee Seo. « Privacy-Preserving Federated Graph Neural Network Learning on Non-IID Graph Data ». Wireless Communications and Mobile Computing 2023 (3 février 2023) : 1–13. http://dx.doi.org/10.1155/2023/8545101.
Texte intégralWang, Jing, Songhe Feng, Gengyu Lyu et Jiazheng Yuan. « SURER : Structure-Adaptive Unified Graph Neural Network for Multi-View Clustering ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 14 (24 mars 2024) : 15520–27. http://dx.doi.org/10.1609/aaai.v38i14.29478.
Texte intégralPoulton, Mary M., Ben K. Sternberg et Charles E. Glass. « Location of subsurface targets in geophysical data using neural networks ». GEOPHYSICS 57, no 12 (décembre 1992) : 1534–44. http://dx.doi.org/10.1190/1.1443221.
Texte intégralBartsev, S. I., P. M. Baturina et G. M. Markova. « Neural Network-Based Decoding Input Stimulus Data Based on Recurrent Neural Network Neural Activity Pattern ». Doklady Biological Sciences 502, no 1 (17 mars 2022) : 1–5. http://dx.doi.org/10.1134/s001249662201001x.
Texte intégralLiu, Xinlong, Chu He, Dehui Xiong et Mingsheng Liao. « Pattern Statistics Network for Classification of High-Resolution SAR Images ». Remote Sensing 11, no 16 (20 août 2019) : 1942. http://dx.doi.org/10.3390/rs11161942.
Texte intégralYe, Zhonglin, Haixing Zhao, Ke Zhang et Yu Zhu. « Multi-View Network Representation Learning Algorithm Research ». Algorithms 12, no 3 (12 mars 2019) : 62. http://dx.doi.org/10.3390/a12030062.
Texte intégralSun, Hanlin, Wei Jie, Jonathan Loo, Liang Chen, Zhongmin Wang, Sugang Ma, Gang Li et Shuai Zhang. « Network Representation Learning Enhanced by Partial Community Information That Is Found Using Game Theory ». Information 12, no 5 (25 avril 2021) : 186. http://dx.doi.org/10.3390/info12050186.
Texte intégralMonterubbiano, Andrea, Raphael Azorin, Gabriele Castellano, Massimo Gallo, Salvatore Pontarelli et Dario Rossi. « SPADA : A Sparse Approximate Data Structure Representation for Data Plane Per-flow Monitoring ». Proceedings of the ACM on Networking 1, CoNEXT3 (27 novembre 2023) : 1–25. http://dx.doi.org/10.1145/3629149.
Texte intégralKominakis, A. P. « Graph analysis of animals' pedigrees ». Archives Animal Breeding 44, no 5 (10 octobre 2001) : 521–30. http://dx.doi.org/10.5194/aab-44-521-2001.
Texte intégralTu, Wenxuan, Sihang Zhou, Xinwang Liu, Xifeng Guo, Zhiping Cai, En Zhu et Jieren Cheng. « Deep Fusion Clustering Network ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 11 (18 mai 2021) : 9978–87. http://dx.doi.org/10.1609/aaai.v35i11.17198.
Texte intégralTian, Hao, et Reza Zafarani. « Higher-Order Networks Representation and Learning : A Survey ». ACM SIGKDD Explorations Newsletter 26, no 1 (24 juillet 2024) : 1–18. http://dx.doi.org/10.1145/3682112.3682114.
Texte intégralEsser, Pascal, Maximilian Fleissner et Debarghya Ghoshdastidar. « Non-parametric Representation Learning with Kernels ». Proceedings of the AAAI Conference on Artificial Intelligence 38, no 11 (24 mars 2024) : 11910–18. http://dx.doi.org/10.1609/aaai.v38i11.29077.
Texte intégralJing, Dongsheng, Yu Yang, Zhimin Gu, Renjun Feng, Yan Li et Haitao Jiang. « Multi-Feature Fusion in Graph Convolutional Networks for Data Network Propagation Path Tracing ». Electronics 13, no 17 (28 août 2024) : 3412. http://dx.doi.org/10.3390/electronics13173412.
Texte intégral