Unsupervised Learning - Resultats de la cerca - Dipòsit Digital de Documents de la UAB

Cerca col·leccions:

Ordena'ls per:	Mostrar els resultats:	Format de visualizació:

Resultats globals: 5 registres trobats en 0.02 segons.
Articles, 4 registres trobats Documents de recerca, 1 registres trobats

Articles	4 registres trobats

9 p, 1.6 MB

Unsupervised machine learning improves risk stratification in newly diagnosed multiple myeloma : an analysis of the Spanish Myeloma Group / Mosquera Orgueira, Adrian (Hospital Clínico Universitario (Santiago de Compostela, Galícia)) ; González Pérez, Marta Sonia (Hospital Clínico Universitario (Santiago de Compostela, Galícia)) ; Diaz Arias, José (Hospital Clínico Universitario (Santiago de Compostela, Galícia)) ; Rosiñol, Laura (Institut d'Investigacions Biomèdiques August Pi i Sunyer) ; Oriol, Albert (Institut Germans Trias i Pujol. Institut de Recerca contra la Leucèmia Josep Carreras) ; Teruel, Ana Isabel (Hospital Clínic Universitari (València)) ; Martínez-López, Joaquín (Hospital Universitario 12 de Octubre (Madrid)) ; Palomera, Luis (Hospital Clínico Universitario "Lozano Blesa" de Zaragoza) ; Granell, Miquel (Institut d'Investigació Biomèdica Sant Pau) ; Blanchard, María Jesús (Hospital Universitario Ramón y Cajal (Madrid)) ; de la Rubia, Javier (Hospital Universitari Doctor Peset (València)) ; López de la Guia, Ana (Hospital Universitario La Paz (Madrid)) ; Ríos-Tamayo, Rafael (Hospital Universitario Virgen de las Nieves (Granada)) ; Sureda, Anna (Institut d'Investigació Biomèdica de Bellvitge) ; Hernández, Miguel Teodoro (Hospital Universitario de Canarias (La Laguna)) ; Bengoechea, Enrique (Hospital de Donostia (Sant Sebastià, País Basc)) ; Calasanz, M.J (Clínica Universidad de Navarra) ; Gutierrez, Norma (Hospital Universitario de Salamanca.) ; Martin, María Luís (Hospital Universitario 12 de Octubre (Madrid)) ; Bladé Creixenti, Juan (Institut d'Investigacions Biomèdiques August Pi i Sunyer) ; Lahuerta, J. J (Hospital Universitario 12 de Octubre (Madrid)) ; San-Miguel, J (Clínica Universidad de Navarra) ; Mateos, M. V (Hospital Universitario de Salamanca) ; Universitat Autònoma de Barcelona
2022 - DOI (Digital Object Identifier)

10.1038/s41408-022-00647-z
Blood Cancer Journal, Vol. 12 Núm. 4 (april 2022) , p. 76

Registre complet -

7 p, 1.2 MB

Few shots are all you need : A progressive learning approach for low resource handwritten text recognition / Souibgui, Mohamed Ali (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Fornes Bisquerra, Alicia (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Kessentini, Yousri (Artificial Intelligence and Networks) ; Megyesi, Beáta (Uppsala University. Department of Linguistics and Philology)
Handwritten text recognition in low resource scenarios, such as manuscripts with rare alphabets, is a challenging problem. In this paper, we propose a few-shot learning-based handwriting recognition approach that significantly reduces the human annotation process, by requiring only a few images of each alphabet symbols. [...]
2022 - DOI (Digital Object Identifier)

10.1016/j.patrec.2022.06.003
Pattern Recognition Letters, Vol. 160 (August 2022) , p. 43-49

Registre complet -

13 p, 1.2 MB

Don't miss the mismatch : investigating the objective function mismatch for unsupervised representation learning / Stuhr, Bonifaz (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Brauer, Jürgen (University of Applied Sciences Kempten. Department of Computer Science)
Finding general evaluation metrics for unsupervised representation learning techniques is a challenging open research question, which recently has become more and more necessary due to the increasing interest in unsupervised methods. [...]
2022 - DOI (Digital Object Identifier)

10.1007/s00521-022-07031-9
Neural Computing and Applications, Published online February 2022

Registre complet -

17 p, 580.7 KB

Learning Model Structure from Data : an Application to On-Line Handwriting / Binsztok, Henri (Université Paris VI. LIP6) ; Artières, Thierry (Université Paris VI. LIP6)
We present a learning strategy for Hidden Markov Models that may be used to cluster handwriting sequences or to learn a character model by identifying its main writing styles. Our approach aims at learning both the structure and parameters of a Hidden Markov Model (HMM) from the data. [...]
2005 - DOI (Digital Object Identifier)

10.5565/rev/elcvia.94
ELCVIA : Electronic Letters on Computer Vision and Image Analysis, V. 5 n. 2 (2005) p. 30-46

Registre complet -

Documents de recerca	1 registres trobats

11 p, 2.7 MB

Classificació de Jocs; Detecció de Ludopatia / Burgués Llavall, Gerard ; Gonzàlez, Jordi, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Universitat Autònoma de Barcelona. Escola d'Enginyeria
La ludopatia és l'addicció patològica als jocs d'atzar i es considera una malaltia caracteritzada pel fracàs crònic i progressiu. Un 1 % de la societat de l'estat espanyol la pateix. Aquest article té el propòsit d'esbrinar el comportament dels usuaris per tal de detectar a totes aquelles persones que poden estar patint ludopatia de forma inconscient. [...]
Gambling addiction is a pathological addiction to gambling and is considered a disease characterized by chronic and progressive failure. 1 % of Spanish society suffers from it. This article aims to find out the behavior of users in order to detect all those people who may be unconsciously suffering from gambling . [...]
La ludopatía es la adicción patológica a los juegos de azar y se considera una enfermedad caracterizada por el fracaso crónico y progresivo. Un 1% de la sociedad del estado español la sufre. Este artículo tiene el propósito de averiguar el comportamiento de los usuarios para detectar a todas aquellas personas que pueden estar sufriendo ludopatía de forma inconsciente. [...]
2022
Enginyeria Informàtica [958]

Registre complet -

Us interessa rebre alertes sobre nous resultats d'aquesta cerca?
Definiu una alerta personal via correu electrònic o subscribiu-vos al canal RSS.