Zobrazeno 1 - 10
of 99
pro vyhledávání: '"Lin, Ching‐Yung"'
The video game industry is larger than both the film and music industries combined. Recommender systems for video games have received relatively scant academic attention, despite the uniqueness of the medium and its data. In this paper, we introduce
Externí odkaz:
http://arxiv.org/abs/1808.05988
Autor:
Yu, Ruichi, Li, Ang, Chen, Chun-Fu, Lai, Jui-Hsin, Morariu, Vlad I., Han, Xintong, Gao, Mingfei, Lin, Ching-Yung, Davis, Larry S.
To reduce the significant redundancy in deep Convolutional Neural Networks (CNNs), most existing methods prune neurons by only considering statistics of an individual layer or two consecutive layers (e.g., prune one layer to minimize the reconstructi
Externí odkaz:
http://arxiv.org/abs/1711.05908
Social media anomaly detection is of critical importance to prevent malicious activities such as bullying, terrorist attack planning, and fraud information dissemination. With the recent popularity of social media, new types of anomalous behaviors ar
Externí odkaz:
http://arxiv.org/abs/1601.01102
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Su, Ying‐Wen, Huang, Wen‐Yu, Lin, Huan‐Chau, Liao, Po‐Nien, Lin, Ching‐Yung, Lin, Xiang‐Yu, Huang, Sing‐Han, Chen, Yi‐Ting, Wu, Pao‐Shu, Su, Ying-Wen, Huang, Wen-Yu, Lin, Huan-Chau, Liao, Po-Nien, Lin, Ching-Yung, Lin, Xiang-Yu, Huang, Sing-Han, Chen, Yi-Ting, Wu, Pao-Shu
Publikováno v:
Journal of Oral Pathology & Medicine; Mar2023, Vol. 52 Issue 3, p245-254, 10p, 3 Black and White Photographs, 2 Diagrams
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:
In Journal of Visual Communication and Image Representation 2004 15(3):370-392
Publikováno v:
EURASIP Journal on Advances in Signal Processing, Vol 2007, Iss 1, p 021515 (2007)
Externí odkaz:
https://doaj.org/article/b5b6319feaf64a9f84461b889ec89ee0
Autor:
Tong, Hanghang1, Lin, Ching-Yung1
Publikováno v:
Statistical Analysis & Data Mining. Feb2012, Vol. 5 Issue 1, p3-15. 13p.
Publikováno v:
MIT web domain
Sequential anomaly detection is a challenging problem due to the one-class nature of the data (i.e., data is collected from only one class) and the temporal dependence in sequential data. We present One-Class Conditional Random Fields (OCCRF) for seq
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od________88::131c302326da22b3df29cf9559df7b57
http://hdl.handle.net/1721.1/86065
http://hdl.handle.net/1721.1/86065