Zobrazeno 1 - 10
of 318
pro vyhledávání: '"Unsupervised representation learning"'
Publikováno v:
IEEE Access, Vol 12, Pp 77486-77500 (2024)
Domain adaptation can mitigate the problem of limited labels in deep learning training. Nevertheless, extending the 2D domain adaptation method directly to 3D encounters challenges unique to point clouds, frequently resulting in inadequate feature al
Externí odkaz:
https://doaj.org/article/53e2d6934df94bf0b47ba6babfc5863f
Publikováno v:
Remote Sensing, Vol 16, Iss 13, p 2423 (2024)
Potential inconsistencies between the goals of unsupervised representation learning and clustering within multi-stage deep clustering can diminish the effectiveness of these techniques. However, because the goal of unsupervised representation learnin
Externí odkaz:
https://doaj.org/article/706233fde1df468091166637872f6141
LBP4MTS: Local Binary Pattern-Based Unsupervised Representation Learning of Multivariate Time Series
Autor:
Chengyang Ye, Qiang Ma
Publikováno v:
IEEE Access, Vol 11, Pp 118595-118605 (2023)
Representation learning of multivariate time series is a crucial and complex task that offers valuable insights for numerous applications, including time series classification, trend analysis, and regression. Unsupervised learning approaches are ofte
Externí odkaz:
https://doaj.org/article/c801b3d56945469fbeb4069343d58227
Publikováno v:
IEEE Access, Vol 11, Pp 117368-117384 (2023)
The progression of deep clustering techniques in the recent years emphasizes the need for unsupervised representation learning methods that build lower-dimensional embeddings within expressive latent feature spaces. An important performance factor fo
Externí odkaz:
https://doaj.org/article/135a273f50f6424e9e71b3adccdd9318
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.
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:
Sensors, Vol 23, Iss 24, p 9698 (2023)
Fetal heart rate (FHR) monitoring, typically using Doppler ultrasound (DUS) signals, is an important technique for assessing fetal health. In this work, we develop a robust DUS-based FHR estimation approach complemented by DUS signal quality assessme
Externí odkaz:
https://doaj.org/article/513c9445a2a04940aec50a7022c618bd
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Takahiko Furuya, Ryutarou Ohbuchi
Publikováno v:
IEEE Access, Vol 10, Pp 116287-116301 (2022)
Unsupervised learning of feature representations is a challenging yet important problem for analyzing a large collection of multimedia data that do not have semantic labels. Recently proposed neural network-based unsupervised learning approaches have
Externí odkaz:
https://doaj.org/article/6e41df7e137a422097b69fca11914f17