( en | de | ru )

 

Disambiguierung von "Hirakawa, Tsubasa"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Visual Explanation of Deep Q-Network for Robot Navigation by Fine-tuning Attention Branch.

, , , , , und . CoRR, (2022)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Sachihiko Hirakawa

Kayo Hirakawa

 

Weitere Publikationen von Autoren mit dem selben Namen

Learning from AI: An Interactive Learning Method Using a DNN Model Incorporating Expert Knowledge as a Teacher., , , und . AIED (Posters/Late Breaking Results/...), Volume 1831 von Communications in Computer and Information Science, Seite 435-446. Springer, (2023)Improving reliability of attention branch network by introducing uncertainty., , , und . ICPR, Seite 1536-1542. IEEE, (2020)Defocus-aware Dirichlet particle filter for stable endoscopic video frame recognition., , , , , , , und . Artif. Intell. Medicine, (2016)Simultaneous Visual Context-aware Path Prediction., , , , , , und . VISIGRAPP (4: VISAPP), Seite 741-748. SCITEPRESS, (2020)Smoothing posterior probabilities with a particle filter of dirichlet distribution for stabilizing colorectal NBI endoscopy recognition., , , , , , , , , und . ICIP, Seite 621-625. IEEE, (2013)Visual Explanation by Attention Branch Network for End-to-end Learning-based Self-driving., , , , , und . IV, Seite 1577-1582. IEEE, (2019)SVM-MRF segmentation of colorectal NBI endoscopic images., , , , , , , und . EMBC, Seite 4739-4742. IEEE, (2014)Data Augmentation by Selecting Mixed Classes Considering Distance Between Classes., , , , , und . CoRR, (2022)Single-Shot Pruning for Pre-trained Models: Rethinking the Importance of Magnitude Pruning., , , , und . ICCV (Workshops), Seite 1425-1434. IEEE, (2023)Visual Explanation for Cooperative Behavior in Multi-Agent Reinforcement Learning., , , , und . IJCNN, Seite 1-7. IEEE, (2023)