Zobrazeno 1 - 10
of 132
pro vyhledávání: '"Latent representations"'
Publikováno v:
IEEE Access, Vol 12, Pp 168983-169000 (2024)
Artificial Intelligence decision-making systems have dramatically increased their predictive power in recent years, beating humans in many different specific tasks. However, with increased performance has come an increase in the complexity of the bla
Externí odkaz:
https://doaj.org/article/1f127b70bcc847e9815ab6e2cdcdb1d7
Publikováno v:
IEEE Access, Vol 12, Pp 34877-34888 (2024)
Predicting potential drug-drug interactions (DDIs) can effectively mitigate unforeseen interactions throughout the entire drug development process, playing a pivotal role in ensuring drug safety. However, traditional methods are laborious and require
Externí odkaz:
https://doaj.org/article/04233d2cd5d7451cb68847b46c095db3
Publikováno v:
AI Open, Vol 4, Iss , Pp 91-97 (2023)
Fairness has become a central issue for our research community as classification algorithms are adopted in societally critical domains such as recidivism prediction and loan approval. In this work, we consider the potential bias based on protected at
Externí odkaz:
https://doaj.org/article/f9e00e1008924459a9165e321112080a
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Viet Anh Phan
Publikováno v:
IEEE Access, Vol 10, Pp 117827-117835 (2022)
Detecting defective source code to localize and fix bugs is important to reduce software development efforts. Although deep learning models have made a breakthrough in this field, many issues have not been resolved, such as labeled data shortage and
Externí odkaz:
https://doaj.org/article/9b4aecf1dbbe4a608cec9b76814b7e46
Publikováno v:
IEEE Access, Vol 8, Pp 172021-172033 (2020)
In machinery fault diagnosis, a large amount of monitoring data is often unlabeled, while the number of labeled data is limited. Therefore, learning effective features from massive unlabeled data is a challenging issue for machinery fault diagnosis.
Externí odkaz:
https://doaj.org/article/9f4f189e11bf4bbb82a26bcd2d1c907f
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IET Computer Vision, Vol 13, Iss 7, Pp 659-665 (2019)
Deep learning is a powerful tool for domain adaptation by learning robust high‐level domain invariant representations. Recently, adversarial domain adaptation models are applied to learn representations with adversarial training manners in feature
Externí odkaz:
https://doaj.org/article/85a60afaa2b04078a0229cf6f6434ed7
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.