Aller au contenu principal
2024 conference-paper

Informative Sample Labeling with Conditional Variational Deep Embedding for Active Learning

0Citations signalées, ce qui n’est pas une note de qualité
5Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : cn, au. Niveau de preuve : code pays fourni par la source.

Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Informative Sample Labeling with Conditional Variational Deep Embedding for Active Learning
Date Crossref
13/12/2024
Éditeur
Springer Nature Singapore
Type
book-chapter

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Zhejiang Zanyu Technology (China) pays non établi dans la notice
    Entreprise
  • Zhejiang University pays non établi dans la notice
    Université ou école supérieure
  • University of Technology Sydney pays non établi dans la notice
    Université ou école supérieure
  • Hunan University of Science and Technology pays non établi dans la notice
    Université ou école supérieure
  • Hunan University of Technology pays non établi dans la notice
    Université ou école supérieure
  • Hangzhou Yugu Technology Co. Ltd. pays non établi dans la notice
    Entreprise

Zhejiang Zanyu Technology (China), Zhejiang University et University of Technology Sydney, avec 3 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Machine Learning and AlgorithmsMachine Learning and Data ClassificationCOVID-19 diagnosis using AI

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.