Zobrazeno 1 - 10
of 770
pro vyhledávání: '"unlabeled data"'
Autor:
Ratana Charoenpanyakul, Veerayuth Kittichai, Songpol Eiamsamang, Patchara Sriwichai, Natchapon Pinetsuksai, Kaung Myat Naing, Teerawat Tongloy, Siridech Boonsang, Santhad Chuwongin
Publikováno v:
Scientific Reports, Vol 14, Iss 1, Pp 1-20 (2024)
Abstract Traditional mosquito identification methods, relied on microscopic observation and morphological characteristics, often require significant expertise and experience, which can limit their effectiveness. This study introduces a self-supervise
Externí odkaz:
https://doaj.org/article/180b062b2a844c6ebe77d702b92a1eee
Publikováno v:
International Journal of Digital Earth, Vol 17, Iss 1 (2024)
ABSTRACTThe training of image captioning (IC) models requires a large number of caption-labeled samples, which is usually difficult to satisfy in the actual remote sensing scenarios. The performance of the models will be damaged due to the few-shot p
Externí odkaz:
https://doaj.org/article/b22f0d2726014ff098a5807b6dcb0be1
Publikováno v:
International Journal of Electrical Power & Energy Systems, Vol 162, Iss , Pp 110323- (2024)
Energy theft poses a significant threat to the power industry, causing financial losses and grid instability. Existing detection methods often struggle with limited labeled data and the emergence of new, unobserved theft patterns. To address these ch
Externí odkaz:
https://doaj.org/article/4a2397da69e04d49ae0f04583869c4c6
Publikováno v:
International Journal of Computational Intelligence Systems, Vol 16, Iss 1, Pp 1-15 (2023)
Abstract Learning from only positive and unlabeled (PU) data has broad applications in fields such as web data mining, product recommendations and medical diagnosis, which aims to train a binary classifier in the absence of negative labeled data. How
Externí odkaz:
https://doaj.org/article/0aa03685a2cf4031bbe55d2b3ca26675
Publikováno v:
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol 16, Pp 5782-5796 (2023)
Deep convolutional neural networks have gotten a lot of press in the last several years, especially in domains like computer vision and remote sensing (RS). However, achieving superior performance with deep networks highly depends on a massive number
Externí odkaz:
https://doaj.org/article/572f1e824962425bbd68d67f17f7e569
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.
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.