Littérature scientifique sur le sujet « Neural Network Embeddings »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les listes thématiques d’articles de revues, de livres, de thèses, de rapports de conférences et d’autres sources académiques sur le sujet « Neural Network Embeddings ».
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.
Articles de revues sur le sujet "Neural Network Embeddings"
Che, Feihu, Dawei Zhang, Jianhua Tao, Mingyue Niu et Bocheng Zhao. « ParamE : Regarding Neural Network Parameters as Relation Embeddings for Knowledge Graph Completion ». Proceedings of the AAAI Conference on Artificial Intelligence 34, no 03 (3 avril 2020) : 2774–81. http://dx.doi.org/10.1609/aaai.v34i03.5665.
Texte intégralHuang, Junjie, Huawei Shen, Liang Hou et Xueqi Cheng. « SDGNN : Learning Node Representation for Signed Directed Networks ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 1 (18 mai 2021) : 196–203. http://dx.doi.org/10.1609/aaai.v35i1.16093.
Texte intégralSrinidhi, K., T. L.S Tejaswi, CH Rama Rupesh Kumar et I. Sai Siva Charan. « An Advanced Sentiment Embeddings with Applications to Sentiment Based Result Analysis ». International Journal of Engineering & ; Technology 7, no 2.32 (31 mai 2018) : 393. http://dx.doi.org/10.14419/ijet.v7i2.32.15721.
Texte intégralArmandpour, Mohammadreza, Patrick Ding, Jianhua Huang et Xia Hu. « Robust Negative Sampling for Network Embedding ». Proceedings of the AAAI Conference on Artificial Intelligence 33 (17 juillet 2019) : 3191–98. http://dx.doi.org/10.1609/aaai.v33i01.33013191.
Texte intégralKamath, S., K. G. Karibasappa, Anvitha Reddy, Arati M. Kallur, B. B. Priyanka et B. P. Bhagya. « Improving the Relation Classification Using Convolutional Neural Network ». IOP Conference Series : Materials Science and Engineering 1187, no 1 (1 septembre 2021) : 012004. http://dx.doi.org/10.1088/1757-899x/1187/1/012004.
Texte intégralGu, Haishuo, Jinguang Sui et Peng Chen. « Graph Representation Learning for Street-Level Crime Prediction ». ISPRS International Journal of Geo-Information 13, no 7 (1 juillet 2024) : 229. http://dx.doi.org/10.3390/ijgi13070229.
Texte intégralZhang, Lei, Feng Qian, Jie Chen et Shu Zhao. « An Unsupervised Rapid Network Alignment Framework via Network Coarsening ». Mathematics 11, no 3 (21 janvier 2023) : 573. http://dx.doi.org/10.3390/math11030573.
Texte intégralTruică, Ciprian-Octavian, Elena-Simona Apostol, Maria-Luiza Șerban et Adrian Paschke. « Topic-Based Document-Level Sentiment Analysis Using Contextual Cues ». Mathematics 9, no 21 (27 octobre 2021) : 2722. http://dx.doi.org/10.3390/math9212722.
Texte intégralJang, Youngjin, et Harksoo Kim. « Reliable Classification of FAQs with Spelling Errors Using an Encoder-Decoder Neural Network in Korean ». Applied Sciences 9, no 22 (7 novembre 2019) : 4758. http://dx.doi.org/10.3390/app9224758.
Texte intégralGuo, Lei, Haoran Jiang, Xiyu Liu et Changming Xing. « Network Embedding-Aware Point-of-Interest Recommendation in Location-Based Social Networks ». Complexity 2019 (4 novembre 2019) : 1–18. http://dx.doi.org/10.1155/2019/3574194.
Texte intégralThèses sur le sujet "Neural Network Embeddings"
Embretsén, Niklas. « Representing Voices Using Convolutional Neural Network Embeddings ». Thesis, KTH, Skolan för elektroteknik och datavetenskap (EECS), 2019. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-261415.
Texte intégralI dagens samhälle ökar populariteten för röstbaserade tjänster. Att kunna förse användare med röster de tycker om, för att fånga och behålla deras uppmärksamhet, är därför viktigt för att förbättra användarupplevelsen. Att hitta ett effektiv sätt att representera röster, så att likheter mellan dessa kan jämföras, är därför av stor nytta. Inom fältet språkteknologi i maskininlärning har stora framstegs gjorts genom att skapa representationer av ord från de inre lagren av neurala nätverk, så kallade neurala nätverksinbäddningar. Dessa representationer har visat sig innehålla semantiken av orden. Denna uppsats avser att undersöka huruvida liknande representationer kan hittas för ljuddata i form av berättarröster från ljudböcker, där likhet mellan röster fångas upp. För att undersöka detta utvecklades och utvärderades två faltningsnätverk som använde sig av spektrogramrepresentationer av röstdata. Den ena modellen är konstruerad som en vanlig klassificeringsmodell, tränad för att skilja mellan uppläsare i datasetet. Den andra modellen använder parvisa förhållanden mellan datapunkterna och en Kullback–Leibler divergensbaserad optimeringsfunktion, med syfte att minimera och maximera skillnaden mellan lika och olika par av datapunkter. Från dessa modeller används representationer från de olika lagren av nätverket för att representera varje datapunkt under utvärderingen. Både en objektiv och subjektiv utvärderingsmetod används. Under den objektiva utvärderingen undersöks först om de funna representationerna är distinkta för olika uppläsare, sedan undersöks även om dessa fångar upp information om uppläsarens kön. Den vanliga klassificeringsmodellen utvärderas också genom ett användartest, eftersom den modellen nådde en storleksordning bättre resultat under den objektiva utvärderingen. Syftet med användartestet var att undersöka om de funna representationerna innehåller information om den upplevda likheten mellan rösterna. Slutsatsen är att det föreslagna tillvägagångssättet har potential till att användas för att representera röster så att information om likhet fångas upp, men att det krävs mer omfattande testning, undersökning och utvärdering. För framtida studier föreslås mer sofistikerad förbehandling av data samt att samla in och använda sig av data kring förhållandet mellan röster under träningen av modellerna.
Bopaiah, Jeevith. « A recurrent neural network architecture for biomedical event trigger classification ». UKnowledge, 2018. https://uknowledge.uky.edu/cs_etds/73.
Texte intégralPALUMBO, ENRICO. « Knowledge Graph Embeddings for Recommender Systems ». Doctoral thesis, Politecnico di Torino, 2020. http://hdl.handle.net/11583/2850588.
Texte intégralPettersson, Fredrik. « Optimizing Deep Neural Networks for Classification of Short Texts ». Thesis, Luleå tekniska universitet, Datavetenskap, 2019. http://urn.kb.se/resolve?urn=urn:nbn:se:ltu:diva-76811.
Texte intégralRevanur, Vandan, et Ayodeji Ayibiowu. « Automatic Generation of Descriptive Features for Predicting Vehicle Faults ». Thesis, Högskolan i Halmstad, CAISR Centrum för tillämpade intelligenta system (IS-lab), 2020. http://urn.kb.se/resolve?urn=urn:nbn:se:hh:diva-42885.
Texte intégralMurugan, Srikala. « Determining Event Outcomes from Social Media ». Thesis, University of North Texas, 2020. https://digital.library.unt.edu/ark:/67531/metadc1703427/.
Texte intégralDe, Vine Lance. « Analogical frames by constraint satisfaction ». Thesis, Queensland University of Technology, 2020. https://eprints.qut.edu.au/198036/1/Lance_De%20Vine_Thesis.pdf.
Texte intégralHorn, Franziska Verfasser], Klaus-Robert [Akademischer Betreuer] [Gutachter] [Müller, Alan [Gutachter] Akbik et Ziawasch [Gutachter] Abedjan. « Similarity encoder : A neural network architecture for learning similarity preserving embeddings / Franziska Horn ; Gutachter : Klaus-Robert Müller, Alan Akbik, Ziawasch Abedjan ; Betreuer : Klaus-Robert Müller ». Berlin : Technische Universität Berlin, 2020. http://d-nb.info/1210998386/34.
Texte intégralHorn, Franziska [Verfasser], Klaus-Robert [Akademischer Betreuer] [Gutachter] Müller, Alan [Gutachter] Akbik et Ziawasch [Gutachter] Abedjan. « Similarity encoder : A neural network architecture for learning similarity preserving embeddings / Franziska Horn ; Gutachter : Klaus-Robert Müller, Alan Akbik, Ziawasch Abedjan ; Betreuer : Klaus-Robert Müller ». Berlin : Technische Universität Berlin, 2020. http://d-nb.info/1210998386/34.
Texte intégralŠůstek, Martin. « Word2vec modely s přidanou kontextovou informací ». Master's thesis, Vysoké učení technické v Brně. Fakulta informačních technologií, 2017. http://www.nusl.cz/ntk/nusl-363837.
Texte intégralLivres sur le sujet "Neural Network Embeddings"
Unger, Herwig, et Wolfgang A. Halang, dir. Autonomous Systems 2016. VDI Verlag, 2016. http://dx.doi.org/10.51202/9783186848109.
Texte intégralChapitres de livres sur le sujet "Neural Network Embeddings"
Zhang, Yuan, Jian Cao, Jue Chen, Wenyu Sun et Yuan Wang. « Razor SNN : Efficient Spiking Neural Network with Temporal Embeddings ». Dans Artificial Neural Networks and Machine Learning – ICANN 2023, 411–22. Cham : Springer Nature Switzerland, 2023. http://dx.doi.org/10.1007/978-3-031-44192-9_33.
Texte intégralMarkov, Ilia, Helena Gómez-Adorno, Juan-Pablo Posadas-Durán, Grigori Sidorov et Alexander Gelbukh. « Author Profiling with Doc2vec Neural Network-Based Document Embeddings ». Dans Advances in Soft Computing, 117–31. Cham : Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-62428-0_9.
Texte intégralBajaj, Ahsaas, Shubham Krishna, Hemant Tiwari et Vanraj Vala. « Learning Mobile App Embeddings Using Multi-task Neural Network ». Dans Natural Language Processing and Information Systems, 29–40. Cham : Springer International Publishing, 2019. http://dx.doi.org/10.1007/978-3-030-23281-8_3.
Texte intégralRöchert, Daniel, German Neubaum et Stefan Stieglitz. « Identifying Political Sentiments on YouTube : A Systematic Comparison Regarding the Accuracy of Recurrent Neural Network and Machine Learning Models ». Dans Disinformation in Open Online Media, 107–21. Cham : Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-61841-4_8.
Texte intégralPicone, Rico A. R., Dane Webb, Finbarr Obierefu et Jotham Lentz. « New Methods for Metastimuli : Architecture, Embeddings, and Neural Network Optimization ». Dans Augmented Cognition, 288–304. Cham : Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-78114-9_21.
Texte intégralCalderaro, Salvatore, Giosué Lo Bosco, Filippo Vella et Riccardo Rizzo. « Breast Cancer Histologic Grade Identification by Graph Neural Network Embeddings ». Dans Bioinformatics and Biomedical Engineering, 283–96. Cham : Springer Nature Switzerland, 2023. http://dx.doi.org/10.1007/978-3-031-34960-7_20.
Texte intégralBiswas, Arijit, Mukul Bhutani et Subhajit Sanyal. « MRNet-Product2Vec : A Multi-task Recurrent Neural Network for Product Embeddings ». Dans Machine Learning and Knowledge Discovery in Databases, 153–65. Cham : Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-71273-4_13.
Texte intégralSalsal, Sura Khalid, et Wafaa ALhamed. « Document Retrieval in Text Archives Using Neural Network-Based Embeddings Compared to TFIDF ». Dans Intelligent Systems and Networks, 526–37. Singapore : Springer Singapore, 2021. http://dx.doi.org/10.1007/978-981-16-2094-2_63.
Texte intégralMolokwu, Bonaventure C., Shaon Bhatta Shuvo, Narayan C. Kar et Ziad Kobti. « Node Classification in Complex Social Graphs via Knowledge-Graph Embeddings and Convolutional Neural Network ». Dans Lecture Notes in Computer Science, 183–98. Cham : Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-50433-5_15.
Texte intégralBarbaglia, Luca, Sergio Consoli et Sebastiano Manzan. « Exploring the Predictive Power of News and Neural Machine Learning Models for Economic Forecasting ». Dans Mining Data for Financial Applications, 135–49. Cham : Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-66981-2_11.
Texte intégralActes de conférences sur le sujet "Neural Network Embeddings"
Luo, Dixin, Haoran Cheng, Qingbin Li et Hongteng Xu. « Coupled Point Process-based Sequence Modeling for Privacy-preserving Network Alignment ». Dans Thirty-Second International Joint Conference on Artificial Intelligence {IJCAI-23}. California : International Joint Conferences on Artificial Intelligence Organization, 2023. http://dx.doi.org/10.24963/ijcai.2023/678.
Texte intégralDong, Yuxiao, Ziniu Hu, Kuansan Wang, Yizhou Sun et Jie Tang. « Heterogeneous Network Representation Learning ». Dans Twenty-Ninth International Joint Conference on Artificial Intelligence and Seventeenth Pacific Rim International Conference on Artificial Intelligence {IJCAI-PRICAI-20}. California : International Joint Conferences on Artificial Intelligence Organization, 2020. http://dx.doi.org/10.24963/ijcai.2020/677.
Texte intégralLiu, Bing, Wei Luo, Gang Li, Jing Huang et Bo Yang. « Do We Need an Encoder-Decoder to Model Dynamical Systems on Networks ? » Dans Thirty-Second International Joint Conference on Artificial Intelligence {IJCAI-23}. California : International Joint Conferences on Artificial Intelligence Organization, 2023. http://dx.doi.org/10.24963/ijcai.2023/242.
Texte intégralAspis, Yaniv, Krysia Broda, Jorge Lobo et Alessandra Russo. « Embed2Sym - Scalable Neuro-Symbolic Reasoning via Clustered Embeddings ». Dans 19th International Conference on Principles of Knowledge Representation and Reasoning {KR-2022}. California : International Joint Conferences on Artificial Intelligence Organization, 2022. http://dx.doi.org/10.24963/kr.2022/44.
Texte intégralGarcia-Romero, Daniel, David Snyder, Gregory Sell, Daniel Povey et Alan McCree. « Speaker diarization using deep neural network embeddings ». Dans 2017 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2017. http://dx.doi.org/10.1109/icassp.2017.7953094.
Texte intégralHamaguchi, Takuo, Hidekazu Oiwa, Masashi Shimbo et Yuji Matsumoto. « Knowledge Transfer for Out-of-Knowledge-Base Entities : A Graph Neural Network Approach ». Dans Twenty-Sixth International Joint Conference on Artificial Intelligence. California : International Joint Conferences on Artificial Intelligence Organization, 2017. http://dx.doi.org/10.24963/ijcai.2017/250.
Texte intégralCheng, Weiyu, Yanyan Shen, Yanmin Zhu et Linpeng Huang. « DELF : A Dual-Embedding based Deep Latent Factor Model for Recommendation ». Dans Twenty-Seventh International Joint Conference on Artificial Intelligence {IJCAI-18}. California : International Joint Conferences on Artificial Intelligence Organization, 2018. http://dx.doi.org/10.24963/ijcai.2018/462.
Texte intégralRomero, Hector E., Ning Ma et Guy J. Brown. « Snorer Diarisation Based On Deep Neural Network Embeddings ». Dans ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2020. http://dx.doi.org/10.1109/icassp40776.2020.9053683.
Texte intégralSnyder, David, Daniel Garcia-Romero, Daniel Povey et Sanjeev Khudanpur. « Deep Neural Network Embeddings for Text-Independent Speaker Verification ». Dans Interspeech 2017. ISCA : ISCA, 2017. http://dx.doi.org/10.21437/interspeech.2017-620.
Texte intégralSettle, Shane, et Karen Livescu. « Discriminative acoustic word embeddings : Tecurrent neural network-based approaches ». Dans 2016 IEEE Spoken Language Technology Workshop (SLT). IEEE, 2016. http://dx.doi.org/10.1109/slt.2016.7846310.
Texte intégral