Zobrazeno 1 - 10
of 22
pro vyhledávání: '"definite manifold"'
Publikováno v:
Jixie qiangdu, Pp 1307-1314 (2022)
Most of the existing local linear embedding algorithms assume that the original data set is located in Euclidean space, but in reality almost all the original space is non-Euclidean space. Aiming at the problem that Euclidean space cannot effectively
Externí odkaz:
https://doaj.org/article/62976ab839684fffb5b804003a020450
Publikováno v:
Developmental Cognitive Neuroscience, Vol 54, Iss , Pp 101096- (2022)
Electroencephalography (EEG) has been widely adopted by the developmental cognitive neuroscience community, but the application of machine learning (ML) in this domain lags behind adult EEG studies. Applying ML to infant data is particularly challeng
Externí odkaz:
https://doaj.org/article/80044d141a3040f3ba5aa8b782124183
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:
International Conference on Systems, Man, and Cybernetics
International Conference on Systems, Man, and Cybernetics, Oct 2022, Prague, Czech Republic
International Conference on Systems, Man, and Cybernetics, Oct 2022, Prague, Czech Republic
Existing multimodal stress/pain recognition approaches generally extract features from different modalities independently and thus ignore cross-modality correlations. This paper proposes a novel geometric framework for multimodal stress/pain detectio
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::a7ee3e0d06d990efce2019685201a74d
http://arxiv.org/abs/2207.08811
http://arxiv.org/abs/2207.08811
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:
IEEE Transactions on Neural Networks and Learning Systems
IEEE Transactions on Neural Networks and Learning Systems, IEEE, 2020, 31 (10), pp.3892-3905. ⟨10.1109/TNNLS.2019.2947244⟩
IEEE Transactions on Neural Networks and Learning Systems, 2020, 31 (10), pp.3892-3905. ⟨10.1109/TNNLS.2019.2947244⟩
IEEE Transactions on Neural Networks and Learning Systems, IEEE, 2020, 31 (10), pp.3892-3905. ⟨10.1109/TNNLS.2019.2947244⟩
IEEE Transactions on Neural Networks and Learning Systems, 2020, 31 (10), pp.3892-3905. ⟨10.1109/TNNLS.2019.2947244⟩
In this paper, we propose a new approach for facial expression recognition using deep covariance descriptors. The solution is based on the idea of encoding local and global Deep Convolutional Neural Network (DCNN) features extracted from still images
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::d8b22c646d7c1ec6bf66d2738e19280e
https://hal.archives-ouvertes.fr/hal-02369410
https://hal.archives-ouvertes.fr/hal-02369410
Conference
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:
Lawrence, Nicholas
By extending Husserl’s own historico-critical study to include the conceptual mathematics of more contemporary times – specifically category theory and its emphatic development since the second half of the 20th century – this paper claims that
Externí odkaz:
http://urn.kb.se/resolve?urn=urn:nbn:se:sh:diva-32873