Literatura científica selecionada sobre o tema "Vectorial embeddings"
Crie uma referência precisa em APA, MLA, Chicago, Harvard, e outros estilos
Consulte a lista de atuais artigos, livros, teses, anais de congressos e outras fontes científicas relevantes para o tema "Vectorial embeddings".
Ao lado de cada fonte na lista de referências, há um botão "Adicionar à bibliografia". Clique e geraremos automaticamente a citação bibliográfica do trabalho escolhido no estilo de citação de que você precisa: APA, MLA, Harvard, Chicago, Vancouver, etc.
Você também pode baixar o texto completo da publicação científica em formato .pdf e ler o resumo do trabalho online se estiver presente nos metadados.
Artigos de revistas sobre o assunto "Vectorial embeddings"
Rydhe, Eskil. "Vectorial Hankel operators, Carleson embeddings, and notions of BMOA". Geometric and Functional Analysis 27, n.º 2 (7 de março de 2017): 427–51. http://dx.doi.org/10.1007/s00039-017-0400-4.
Texto completo da fonteSzymański, Piotr. "A broadband multistate interferometer for impedance measurement". Journal of Telecommunications and Information Technology, n.º 2 (30 de junho de 2005): 29–33. http://dx.doi.org/10.26636/jtit.2005.2.311.
Texto completo da fonteHammer, Barbara, e Alexander Hasenfuss. "Topographic Mapping of Large Dissimilarity Data Sets". Neural Computation 22, n.º 9 (setembro de 2010): 2229–84. http://dx.doi.org/10.1162/neco_a_00012.
Texto completo da fonteRIESEN, KASPAR, e HORST BUNKE. "GRAPH CLASSIFICATION BASED ON VECTOR SPACE EMBEDDING". International Journal of Pattern Recognition and Artificial Intelligence 23, n.º 06 (setembro de 2009): 1053–81. http://dx.doi.org/10.1142/s021800140900748x.
Texto completo da fonteZhu, Huiming, Chunhui He, Yang Fang, Bin Ge, Meng Xing e Weidong Xiao. "Patent Automatic Classification Based on Symmetric Hierarchical Convolution Neural Network". Symmetry 12, n.º 2 (21 de janeiro de 2020): 186. http://dx.doi.org/10.3390/sym12020186.
Texto completo da fonteJi, Jiayi, Yunpeng Luo, Xiaoshuai Sun, Fuhai Chen, Gen Luo, Yongjian Wu, Yue Gao e Rongrong Ji. "Improving Image Captioning by Leveraging Intra- and Inter-layer Global Representation in Transformer Network". Proceedings of the AAAI Conference on Artificial Intelligence 35, n.º 2 (18 de maio de 2021): 1655–63. http://dx.doi.org/10.1609/aaai.v35i2.16258.
Texto completo da fonteDutta, Anjan, Pau Riba, Josep Lladós e Alicia Fornés. "Hierarchical stochastic graphlet embedding for graph-based pattern recognition". Neural Computing and Applications 32, n.º 15 (6 de dezembro de 2019): 11579–96. http://dx.doi.org/10.1007/s00521-019-04642-7.
Texto completo da fonteSzemenyei, Márton, e Ferenc Vajda. "3D Object Detection and Scene Optimization for Tangible Augmented Reality". Periodica Polytechnica Electrical Engineering and Computer Science 62, n.º 2 (23 de maio de 2018): 25–37. http://dx.doi.org/10.3311/ppee.10482.
Texto completo da fonteShrock, R. "Recent results on renormalization-group evolution of theories with gauge, fermion, and scalar fields". International Journal of Modern Physics A 32, n.º 35 (20 de dezembro de 2017): 1747007. http://dx.doi.org/10.1142/s0217751x17470078.
Texto completo da fonteMACHET, B. "COMMENTS ON THE STANDARD MODEL OF ELECTROWEAK INTERACTIONS". International Journal of Modern Physics A 11, n.º 01 (10 de janeiro de 1996): 29–63. http://dx.doi.org/10.1142/s0217751x96000031.
Texto completo da fonteTeses / dissertações sobre o assunto "Vectorial embeddings"
Cvetkov-Iliev, Alexis. "Embedding models for relational data analytics". Electronic Thesis or Diss., université Paris-Saclay, 2023. http://www.theses.fr/2023UPASG004.
Texto completo da fonteAnalytical pipelines, such as those relying on machine learning models, typically require data in the form of a single table describing the entities under study with a fixed set of attributes or features. In practice however, data often come as relational data (e.g. relational databases or knowledge graphs), where information on the entities of interest is irregular and scattered across sources. To leverage this relational data, it must thus be assembled into a format suitable for analysis, which requires time and expertise from the analyst. As an alternative, we investigate in this thesis the potential of embedding models to facilitate relational data assembling. We especially consider two data integration problems: 1) entity matching (e.g. linking "Paris" and "Paris, FR") when dealing with non-normalized data sources that have different knowledge-representation conventions; and 2) feature engineering over relational data to enrich data analyses with background information. Finally, we show that embedding models are indeed promising tools for relational data analytics: 1) "good" vectorial representations (a.k.a. embeddings) of entities can replace manual entity matching without hindering the quality of subsequent analyses; and 2) entity embeddings learned directly over relational data can automate feature engineering in an efficient and scalable way, paving the way for general-purpose representations that can bring background information in various downstream tasks
Chinea, Ríos Mara. "Advanced techniques for domain adaptation in Statistical Machine Translation". Doctoral thesis, Universitat Politècnica de València, 2019. http://hdl.handle.net/10251/117611.
Texto completo da fonte[CAT] La Traducció Automàtica Estadística és un sup-camp de la lingüística computacional que investiga com emprar els ordinadors en el procés de traducció d'un text d'un llenguatge humà a un altre. La traducció automàtica estadística és l'enfocament més popular que s'empra per a construir aquests sistemes de traducció automàtics. La qualitat d'aquests sistemes depèn en gran mesura dels exemples de traducció que s'empren durant els processos d'entrenament i adaptació dels models. Els conjunts de dades emprades són obtinguts a partir d'una gran varietat de fonts i en molts casos pot ser que no tinguem a mà les dades més adequades per a un domini específic. Donat aquest problema de manca de dades, la idea principal per a solucionar-ho és trobar aquells conjunts de dades més adequades per a entrenar o adaptar un sistema de traducció. En aquest sentit, aquesta tesi proposa un conjunt de tècniques de selecció de dades que identifiquen les dades bilingües més rellevants per a una tasca extrets d'un gran conjunt de dades. Com a primer pas en aquesta tesi, les tècniques de selecció de dades són aplicades per a millorar la qualitat de la traducció dels sistemes de traducció sota el paradigma basat en frases. Aquestes tècniques es basen en el concepte de representació contínua de les paraules o les oracions en un espai vectorial. Els resultats experimentals demostren que les tècniques utilitzades són efectives per a diferents llenguatges i dominis. El paradigma de Traducció Automàtica Neuronal també va ser aplicat en aquesta tesi. Dins d'aquest paradigma, investiguem l'aplicació que poden tenir les tècniques de selecció de dades anteriorment validades en el paradigma basat en frases. El treball realitzat es va centrar en la utilització de dues tasques diferents. D'una banda, investiguem com augmentar la qualitat de traducció del sistema, augmentant la grandària del conjunt d'entrenament. D'altra banda, el mètode de selecció de dades es va emprar per a crear un conjunt de dades sintètiques. Els experiments es van realitzar per a diferents dominis i els resultats de traducció obtinguts són convincents per a ambdues tasques. Finalment, cal assenyalar que les tècniques desenvolupades i presentades al llarg d'aquesta tesi poden implementar-se fàcilment dins d'un escenari de traducció real.
[EN] La Traducció Automàtica Estadística és un sup-camp de la lingüística computacional que investiga com emprar els ordinadors en el procés de traducció d'un text d'un llenguatge humà a un altre. La traducció automàtica estadística és l'enfocament més popular que s'empra per a construir aquests sistemes de traducció automàtics. La qualitat d'aquests sistemes depèn en gran mesura dels exemples de traducció que s'empren durant els processos d'entrenament i adaptació dels models. Els conjunts de dades emprades són obtinguts a partir d'una gran varietat de fonts i en molts casos pot ser que no tinguem a mà les dades més adequades per a un domini específic. Donat aquest problema de manca de dades, la idea principal per a solucionar-ho és trobar aquells conjunts de dades més adequades per a entrenar o adaptar un sistema de traducció. En aquest sentit, aquesta tesi proposa un conjunt de tècniques de selecció de dades que identifiquen les dades bilingües més rellevants per a una tasca extrets d'un gran conjunt de dades. Com a primer pas en aquesta tesi, les tècniques de selecció de dades són aplicades per a millorar la qualitat de la traducció dels sistemes de traducció sota el paradigma basat en frases. Aquestes tècniques es basen en el concepte de representació contínua de les paraules o les oracions en un espai vectorial. Els resultats experimentals demostren que les tècniques utilitzades són efectives per a diferents llenguatges i dominis. El paradigma de Traducció Automàtica Neuronal també va ser aplicat en aquesta tesi. Dins d'aquest paradigma, investiguem l'aplicació que poden tenir les tècniques de selecció de dades anteriorment validades en el paradigma basat en frases. El treball realitzat es va centrar en la utilització de dues tasques diferents d'adaptació del sistema. D'una banda, investiguem com augmentar la qualitat de traducció del sistema, augmentant la grandària del conjunt d'entrenament. D'altra banda, el mètode de selecció de dades es va emprar per a crear un conjunt de dades sintètiques. Els experiments es van realitzar per a diferents dominis i els resultats de traducció obtinguts són convincents per a ambdues tasques. Finalment, cal assenyalar que les tècniques desenvolupades i presentades al llarg d'aquesta tesi poden implementar-se fàcilment dins d'un escenari de traducció real.
Chinea Ríos, M. (2019). Advanced techniques for domain adaptation in Statistical Machine Translation [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/117611
TESIS
Capítulos de livros sobre o assunto "Vectorial embeddings"
Guo, Yi, Junbin Gao e Paul W. Kwan. "Regularized Kernel Local Linear Embedding on Dimensionality Reduction for Non-vectorial Data". In AI 2009: Advances in Artificial Intelligence, 240–49. Berlin, Heidelberg: Springer Berlin Heidelberg, 2009. http://dx.doi.org/10.1007/978-3-642-10439-8_25.
Texto completo da fonteYona, Golan. "Embedding Algorithms and Vectorial Representations". In Introduction to Computational Proteomics, 459–504. Chapman and Hall/CRC, 2010. http://dx.doi.org/10.1201/9781420010770-11.
Texto completo da fonteTrabalhos de conferências sobre o assunto "Vectorial embeddings"
Aoun, Paulo Henrique Calado, Andre C. A. Nascimento e Adenilton J. Da Silva. "Evaluation of Dimensionality Reduction and Truncation Techniques for Word Embeddings". In XV Encontro Nacional de Inteligência Artificial e Computacional. Sociedade Brasileira de Computação - SBC, 2018. http://dx.doi.org/10.5753/eniac.2018.4477.
Texto completo da fonteGutierrez-Vasquez, Ximena, e Victor Mijangos. "Low-resource bilingual lexicon extraction using graph based word embeddings". In LatinX in AI at Neural Information Processing Systems Conference 2018. Journal of LatinX in AI Research, 2018. http://dx.doi.org/10.52591/lxai2018120323.
Texto completo da fonteGuo, Yi, Junbin Gao e Paul Kwan. "Visualization of Non-vectorial Data Using Twin Kernel Embedding". In 2006 International Workshop on Integrating AI and Data Mining. IEEE, 2006. http://dx.doi.org/10.1109/aidm.2006.18.
Texto completo da fonteGuo, Yi, Junbin Gao e Paul W. Kwan. "Learning Out-Of Sample Mapping in Non-Vectorial Data Reduction using Constrained Twin Kernel Embedding". In 2007 International Conference on Machine Learning and Cybernetics. IEEE, 2007. http://dx.doi.org/10.1109/icmlc.2007.4370108.
Texto completo da fonte