Výsledky vyhledávání - "Deep Relational Learning"

The SYNERISE dataset: An E-Commerce Dataset for Sequential Recommendation, Universal Behavior Modeling and Deep Relational Learning

Autoři: Dabrowski, Jacek Janicka, Maria Sienkiewicz, Łukasz a další

Zdroj: Dabrowski, J, Janicka, M, Sienkiewicz, Ł, Stomfai, G, Dietmar, J, Barile, F, Polignano, M, Pomo, C & Srivastava, A 2025, The SYNERISE dataset: An E-Commerce Dataset for Sequential Recommendation, Universal Behavior Modeling and Deep Relational Learning. in Proceedings of the Recommender Systems Challenge 2025. Association for Computing Machinery, New York, NY, USA, RecSysChallenge: Proceedings of the Recommender Systems Challenge, pp. 1–6. https://doi.org/10.1145/3758126.3758188

Témata: Recommender Systems, Dataset, Evaluation, Sequential Recommendation, Deep Relational Learning

Relation: info:eu-repo/semantics/altIdentifier/isbn/9798400720994; urn:ISBN:9798400720994

Dostupnost: https://cris.maastrichtuniversity.nl/en/publications/ee267dd5-f4e1-4ece-8551-e9fb8cf1638a
https://doi.org/10.1145/3758126.3758188

ADAL-NN: Anomaly Detection and Localization Using Deep Relational Learning in Distributed Systems

Autoři: Kashan Ahmed Ayesha Altaf Nor Shahida Mohd Jamail a další

Zdroj: Applied Sciences, Vol 13, Iss 12, p 7297 (2023)

Témata: log parsing, deep relational learning, natural language processing, anomaly detection, Technology, Engineering (General). Civil engineering (General), TA1-2040, Biology (General), QH301-705.5, Physics, QC1-999, Chemistry, QD1-999

Relation: https://www.mdpi.com/2076-3417/13/12/7297; https://doaj.org/toc/2076-3417; https://doaj.org/article/c2913ec0bb09467ca92079fed2e0c8e7

Dostupnost: https://doi.org/10.3390/app13127297
https://doaj.org/article/c2913ec0bb09467ca92079fed2e0c8e7

Relational reasoning network for anatomical landmarking

Autoři: Torosdagli, Neslisah Anwar, Syed Verma, Payal a další

Zdroj: GW Authored Works

Témata: anatomical landmarking, craniomaxillofacial bones, deep relational learning, relational reasoning, surgical modeling

Relation: https://hsrc.himmelfarb.gwu.edu/gwhpubs/2637; https://doi.org/10.1117/1.JMI.10.2.024002

Dostupnost: https://hsrc.himmelfarb.gwu.edu/gwhpubs/2637
https://doi.org/10.1117/1.JMI.10.2.024002

Škálování hlubokého relačního učení ; Scaling up Deep Relational Learning

Autoři: Jan Neumann Šír Gustav Drchal Jan

Přispěvatelé: Jan Neumann Šír Gustav Drchal Jan

Témata: Hluboké relační učení, grafové neuronové sítě, hluboké učení, neuronové sítě, relační databáze, logika prvního řádu, Deep relational learning, graph neural networks, deep learning, neural networks, relational databases, first-order logic

Relation: http://hdl.handle.net/10467/115035

Dostupnost: http://hdl.handle.net/10467/115035

RelNN: A Deep Neural Model for Relational Learning

Autoři: Kazemi, Seyed Mehran Poole, David

Zdroj: Proceedings of the AAAI Conference on Artificial Intelligence; Vol. 32 No. 1 (2018): Thirty-Second AAAI Conference on Artificial Intelligence ; 2374-3468 ; 2159-5399

Témata: Artificial Intelligence, Machine Learning, Relational Learning, Deep Learning, Relational Logistic Regression, Markov Logic Networks, Symbolic Neural Models, Deep Relational Learning, Statistical Relational Learning, Statistical Relational AI

Popis souboru: application/pdf

Relation: https://ojs.aaai.org/index.php/AAAI/article/view/12111/11970; https://ojs.aaai.org/index.php/AAAI/article/view/12111

Dostupnost: https://ojs.aaai.org/index.php/AAAI/article/view/12111
https://doi.org/10.1609/aaai.v32i1.12111

Učení složitých závislostí v textu pomocí relačních neurálních modelů ; Learning Complex Natural Language Inferences with Relational Neural Models

Autoři: Boris Rakovan Šír Gustav Drchal Jan

Přispěvatelé: Boris Rakovan Šír Gustav Drchal Jan

Témata: zpracování přirozeného jazyka, porozumění přirozeného jazyka, hluboké relační učení, grafové neurónové sítě, klasifikace textu, natural language processing, natural language understanding, deep relational learning, graph neural networks, text classification

Popis souboru: application/pdf; application/octet-stream

Relation: http://hdl.handle.net/10467/101015

Dostupnost: http://hdl.handle.net/10467/101015