×
验证码:
换一张
忘记密码?
记住我
切换中国科技网通行证登录
×
切换中国科技网通行证登录
登录
中文版
|
English
中国科学院自动化研究所机构知识库
Knowledge Commons of Institute of Automation,CAS
登录
注册
ALL
ORCID
题名
作者
导师
学科领域
关键词
资助项目
文献类型
出处
会议名称
收录类别
出版者
发表日期
存缴日期
学科门类
学习讨论厅
图片搜索
粘贴图片网址
首页
研究单元&专题
作者
文献类型
知识图谱
新闻&公告
在结果中检索
研究单元&专题
多模态人工智能系统... [14]
博士后 [1]
作者
郑晓龙 [3]
曾大军 [3]
王飞跃 [3]
吕宜生 [3]
田虎 [3]
荆蓉蓉 [3]
更多...
文献类型
期刊论文 [6]
会议论文 [5]
学位论文 [2]
研究报告 [1]
发表日期
2022 [2]
2021 [7]
2020 [1]
2019 [2]
2018 [1]
2015 [1]
更多...
语种
英语 [7]
中文 [2]
出处
IEEE TRANS... [2]
IEEE Trans... [2]
IEEE TRANS... [1]
IJCAI [1]
PLANT PHEN... [1]
资助项目
Agreement ... [1]
Agricultur... [1]
Autonomous... [1]
China Rail... [1]
China Rail... [1]
Innovation... [1]
更多...
收录类别
SCI [5]
EI [3]
导师
曹志冬 [1]
朱凤华 [1]
资助机构
Agreement ... [1]
Agricultur... [1]
Autonomous... [1]
China Rail... [1]
Innovation... [1]
National K... [1]
更多...
×
知识图谱
CASIA OpenIR
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
浏览/检索结果:
共14条,第1-10条
帮助
限定条件
专题:多模态人工智能系统全国重点实验室
第一作者的第一单位
第一作者单位
通讯作者单位
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
发表日期升序
发表日期降序
期刊影响因子升序
期刊影响因子降序
提交时间升序
提交时间降序
WOS被引频次升序
WOS被引频次降序
作者升序
作者降序
题名升序
题名降序
A GNN-based Few-shot learning model on the Credit Card Fraud detection
会议论文
, Beijing, China, 2021-07-15_2021-08-15
作者:
Rongrong Jing
;
Hu Tian
;
Gang Zhou
;
Xingwei Zhang
;
Xiaolong Zheng
;
Daniel Dajun Zeng
Adobe PDF(430Kb)
  |  
收藏
  |  
浏览/下载:208/68
  |  
提交时间:2022/06/17
A Graph-Based Semi-Supervised Fraud Detection Framework
会议论文
, Beijing, China, 2021-05-31
作者:
Rongrong Jing
;
Xiaolong Zheng
;
Hu Tian
;
Xingwei Zhang
;
Weiyun Chen
;
Dash Desheng Wu
;
Daniel Dajun Zeng
Adobe PDF(1227Kb)
  |  
收藏
  |  
浏览/下载:217/51
  |  
提交时间:2022/06/17
Improving the Data Quality for Credit Card Fraud Detection
会议论文
, Arlington, VA, USA, 2022-11
作者:
Rongrong Jing
;
Hu Tian
;
Yidi Li
;
Xingwei Zhang
;
Xiaolong Zheng
;
Zhu Zhang
;
Daniel Dajun Zeng
Adobe PDF(472Kb)
  |  
收藏
  |  
浏览/下载:353/77
  |  
提交时间:2022/06/17
A Multi-Task MRC Framework for Chinese Emotion Cause and Experiencer Extraction
会议论文
, Bratislava, Slovakia, 2021-09
作者:
Haoda Qian
;
Qiudan Li
;
Zaichuan Tang
Adobe PDF(79001Kb)
  |  
收藏
  |  
浏览/下载:332/124
  |  
提交时间:2022/06/14
Classification of Rice Yield Using UAV-Based Hyperspectral Imagery and Lodging Feature
期刊论文
PLANT PHENOMICS, 2021, 卷号: 2021, 页码: 14
作者:
Wang, Jian
;
Wu, Bizhi
;
Kohnen, Markus, V
;
Lin, Daqi
;
Yang, Changcai
;
Wang, Xiaowei
;
Qiang, Ailing
;
Liu, Wei
;
Kang, Jianbin
;
Li, Hua
;
Shen, Jing
;
Yao, Tianhao
;
Su, Jun
;
Li, Bangyu
;
Gu, Lianfeng
收藏
  |  
浏览/下载:198/0
  |  
提交时间:2021/12/28
基于订单数据挖掘的城市出租车需求预测研究
学位论文
工学硕士, 中国科学院自动化研究所: 中国科学院自动化研究所, 2021
作者:
张驰展
Adobe PDF(18350Kb)
  |  
收藏
  |  
浏览/下载:140/0
  |  
提交时间:2021/06/18
出租车需求预测,数据挖掘,多任务学习,长短期记忆网络,深度学习
传染病多元耦合时序预测的深度学习方法与应用
学位论文
, 中国科学院大学自动化研究所: 中国科学院大学自动化研究所, 2021
作者:
王月娇
Adobe PDF(4642Kb)
  |  
收藏
  |  
浏览/下载:238/7
  |  
提交时间:2021/06/17
深度学习
传染病
多元时间序列预测
手足口病
新冠肺炎
MLRNN: Taxi Demand Prediction Based on Multi-Level Deep Learning and Regional Heterogeneity Analysis
期刊论文
IEEE Transactions on Intelligent Transportation Systems, 2021, 卷号: 0, 期号: 0, 页码: 0
作者:
Chizhan Zhang
;
Fenghua Zhu
;
Yisheng Lv
;
Peijun Ye
;
Feiyue Wang
Adobe PDF(4431Kb)
  |  
收藏
  |  
浏览/下载:228/53
  |  
提交时间:2021/06/16
Taxi demand prediction
taxi zone clustering
heterogeneity analysis
deep learning
Acting As A Decision Maker: Traffic-Condition-Aware Ensemble Learning for Traffic Flow Prediction
期刊论文
IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, 2020, 期号: Accepted, 页码: Accepted
作者:
Yuanyuan Chen
;
Hongyu Chen
;
Peijun Ye
;
Yisheng Lv
;
Fei-Yue Wang
浏览
  |  
Adobe PDF(2382Kb)
  |  
收藏
  |  
浏览/下载:273/57
  |  
提交时间:2020/10/16
Traffic Flow Prediction
Ensemble Learning
Deep Learning
A Multi-Stream Feature Fusion Approach for Traffic Prediction
期刊论文
IEEE Transactions on Intelligent Transportation Systems, 2022, 卷号: 23, 期号: 2, 页码: 1456-1466
作者:
Zhishuai Li
;
Gang Xiong
;
Yonglin Tian
;
Yisheng Lv
;
Yuanyuan Chen
;
Pan Hui
;
Xiang Su
Adobe PDF(3248Kb)
  |  
收藏
  |  
浏览/下载:372/65
  |  
提交时间:2020/10/15
Traffic prediction, graph convolutional neural network, deep learning, multi-stream