{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,9,7]]，“日期-时间”：“2024-09-07T17:49:44Z”，“时间戳”：1725731384482}，“出版商位置”：“美国纽约州纽约市”，“参考-计数”：43，“出版者”：“ACM”，“许可证”：[{“开始”：{-“日期-零件”：[[2017,6,28]]，“date-time”：“2017-06-28T00:00:00Z”，“时间戳”：149860800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“http://www.acm.org\/publications\/policys\/corpyright_policy#Background”}]，“content-domain”：{“domain”:[“dl.acm.org”]，“crossmark-restriction”：true}，”short-container-title“：[]，”published-print“：{”date-parts“：[2017,6,28]}”，“DOI”：“10.1145\/307 7981.3078049“，”type“：”procesdings-article“，“created”：{“date-parts”：[[2017,7,13]]，“date-time”：“2017-07-13T09:45:49Z”，“timestamp”：1499939149000}，“page”：“1-8”，“update-policy”：”http://\/dx.doi.org\/10.1145\/crossmark-policy“，”source“：”Crossref“，”is-referenced-by-count“：12，”title“：[“运动和递归神经网络的生理学合理模型下的书法风格学习”]，“前缀”：“10.1145”，“卷”：“28”，“作者”：[{“给定”：“丹尼尔”，”家庭“：”贝里奥“，”序列“：”第一“，”从属关系“：[{'名称“：”伦敦大学金史密斯“}]}，{“已知”：“备忘录”，“家族”：“阿克滕”用法：[{“name”：“Goldsmiths，University of London”}]}，{“given”：“Frederic Fol”，“family”：“Leymarie”，“sequence”：“additional”，“affiliation”：[{“name”:“Goldsmiths，University of Lundon”{]}：“普拉蒙顿”，“sequence”：“additional”，“affiliation”：[{“name”：“Ecole Polytechnique de Montr\u00e9al”}]}]，“member”：“320”，“published-online”：{“date-parts”：[[2017,6,28]]}，“reference”：[}“key”：“e_1_3_2_1_1_1_1”，“doi-asserted-by”：“publisher”，”doi“10.5555\/2188385.8395”}，{“volume-title”：“Proc.IEEE\/RSJ Int”l智能机器人和系统（IROS）会议”，“作者”：“Berio D.”，“key”：“e_1_3_2_1_2_1”，“非结构化”：“D.Berio，S.Calinon，and F.Fol Leymarie.2016。使用兼容机器人学习动态涂鸦笔画。程序中。IEEE \/RSJ智能机器人和系统（IROS）国际会议。韩国大田，3981--6。D.Berio、S.Calinon和F.Fol Leymarie，2016年。使用兼容机器人学习动态涂鸦笔画。程序中。IEEE \/RSJ智能机器人和系统（IROS）国际会议。韩国大田，3981--6.“}，{”key“：”e_1_3_2_1_3_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3077981.3078044”}，”volume-title“：”Graphics Interface Proceedings，Canadian Human-Computer Communications Society“，”author“：”Berio D“，”key：“e_1_ 3_2_1_4_1”，”unstructured“：”D Berio，S.Calianon，and F.Fol Leymarie.2017。利用模型预测控制生成书法轨迹。在图形界面程序中。加拿大人类计算机通信协会，加拿大埃德蒙顿。D Berio、S.Calinon和F.Fol Leymarie，2017年。利用模型预测控制生成书法轨迹。在图形界面程序中。加拿大人类计算机通信协会，加拿大埃德蒙顿。}，{“卷-时间”：“计算美学研讨会论文集。欧洲制图协会，35-47”，“作者”：“Berio D.”，“关键”：“e_1_3_2_1_5_1”，“非结构化”：“D.Berio和F.Fol Leymarie.2015。涂鸦标记笔划分析和合成的计算模型。《计算美学研讨会论文集》。欧洲制图协会，35-47。D.Berio和F.Fol Leymarie，2015年。涂鸦标记笔划分析和合成的计算模型。《计算美学研讨会论文集》。欧洲制图协会，35-47.“}，{”key“：”e_1_3_2_1_6_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/IWFHR.2004.45”}，“key”：“e_1_3_2_1_8_1”，“unstructured”：“L.Crnkovic-Friis和L.Crnkocic-Friis.2016。使用深度学习的生成编舞。arXiv预印arXiv:1605.06921（2016）。L.Crnkovic-Friis和L.Crinkovic-Fries。2016年，使用深度学习的生成性编排。arXiv预印arXiv:1605.06921（2016）。“}，{”volume-title“：”Adam：随机优化的一种方法。arXiv预印本arXiv:1412.6980“，”year“：”2014“，”author“：”D.“，”key“：”e_1_3_2_1_9_1“，”unstructured“：”Kingma D.和Ba J.2014.Adam：一种随机优化方法。arX iv预印版arXiv:1412.6980（2014），1-13。Kingma D.和Ba J.2014年。亚当：一种随机优化方法。arXiv预印本arXiv:1412.6980（2014），1--13.“}，{”key“：”e_1_3_2_1_10_1“，”doi-asserted-by“：”crossref“，“unstructured”：“J.De Winter和J.Wagemans.2008。日常物体轮廓上各点的感知显著性：一项大规模研究。感知与心理物理学70 1（2008）50-64。J.De Winter和J.Wagemans。2008.日常物体轮廓沿线点的感知显著性：一项大规模研究。感知与心理物理学70 1（2008）50-64.“，”DOI“：”10.3758\/PP.70.1.50“}，{“key”：“e_1_3_2_11_1”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1111\/j.2517-6161.1977.tb01600.x”}，“key“：”e_1_ 3_2_12_1“，”DOI-assert-by“：”crossref“，”unstructured“：”j.Feldman和M.Singh.2005。轮廓和对象边界的信息。《心理学评论》112 1（2005）243。J.Feldman和M.Singh。2005.轮廓和物体边界信息。《心理学评论》112 1（2005）243.“，“DOI”：“10.1037\/0033-295X.112.1.243”}，{“卷-时间”：“手写识别前沿程序（ICFHR）.222--7.”，“作者”：“Fischer A.”，“关键”：“e_1_3_2_13_1”，“非结构化”：“A.Fischer，R.Plamondon，C.O'Reilly，Y.Savaria.2014。神经肌肉表征和手写白板笔记的合成生成。程序中。手写识别前沿（ICFHR）。222--7. A.Fischer、R.Plamondon、C.O'Reilly和Y.Savaria，2014年。神经肌肉表征和手写白板笔记的合成生成。程序中。手写识别前沿（ICFHR）。222--7.“}，{”key“：”e_1_3_2_1_14_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007 \/s00422-007-0145-5”}，“key”：“e_1_ 3_2_15_1”，“doi-assert-by”：“crossref”，”unstructured“：”T.Flash和B.Hochner，2005。脊椎动物和无脊椎动物的原始运动。神经生物学的当前观点15 6（2005）660-6。T.Flash和B.Hochner。2005年，脊椎动物和无脊椎动物的运动原生动物。《神经生物学当前观点》15 6（2005）660--6.“，”DOI“：”10.1016\/j.conb.2005.10.11“}，{”key“：”e_1_3_2_16_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1162\/0899766000300015015”}，“volume-title”：“用递归神经网络生成序列。arXiv预印本arXiv:1308.0850”，“年份”：“2013”，“作者”：“Graves A.”，“key”：“e_1_ 3_2_1_1_1”7_1“，”非结构化“：”A.Graves。2013.使用递归神经网络生成序列。arXiv预印arXiv:1308.0850（2013）。A.格雷夫斯。2013.使用递归神经网络生成序列。arXiv预印arXiv:1308.0850（2013）。“}，{”volume-title“：”DRAW:用于图像生成的递归神经网络。arXiv预印本arXiv:1502.04623“，”year“：”2015“，”author“：”Gregor K.“，”key“：”e_1_3_2_18_1“，”unstructured“：”K.Gregor，I.Danielka，A.Graves，and D.Wierstra.2015。DRAW:图像生成的循环神经网络。arXiv预印本arXiv：1502.04623（2015）.K。Gregor、I.Danihelka、A.Graves和D.Wierstra。2015年，DRAW:图像生成的递归神经网络。arXiv预印arXiv:1502.04623（2015）。“}，{”key“：”e_1_3_2_19_1“，”unstructured“：”D.Ha.2015。使用TensorFlow的生成性手写演示。(2015). https:\/\/github.com/hardmaru\/write-rnn-tensorflow D.Ha。2015年。使用TensorFlow的生成手写演示。(2015). https:\/\/github.com/hardmaru\/write-rnn-tensorflow“}，{“key”：“e_1_3_2_1_20_1”，“unstructured”：“D.Ha A.Dai和Q.V.Le.2016。超级网络。arXiv预印本arXiv:1609.09106（2016）。D.Ha A.Dai和Q.V.Le。2016年，超级网络。arXiv预印本arXiv:1609.09106（2016）。}，{“volume-title”：“曲线类比。在第13届欧洲图形绘制研讨会（EGRW）上”，“作者”：“Hertzmann A.”，“关键”：“e_1_3_2_1_21_1”，“非结构化”：“A.Hertzann，N.Oliver，B.Curless，and S.M.Seitz。2002.曲线类比，在第13期欧洲图形绘制讲习班（EGRV）上。意大利比萨，233--46。A.Hertzmann、N.Oliver、B.Curless和S.M.Seitz。2002.曲线类比。程序中。第十三届欧洲制图研讨会（EGRW）。意大利比萨，233--46.“}，{”key“：”e_1_3_2_1_22_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1162\/neco.1997.9.8.1735“}”，{“key”：“e_1_ 3_2_1_2 3_1”，“doi-assert-by”：“publisher”，”doi:“10.1145\/1815330.1815343”}，“volume-title”：“Graphonomics:Contemporary research in手写体”，“year”：“1986”，“author”：“Kao”S.R.“，”key“：”e_1_3_2_1_24_1“，“非结构化”：”H。S.R.Kao、R.Hoosain和G.P.Van Galen。1986 . 笔迹组学：当代笔迹研究。爱思唯尔。H.S.R.Kao、R.Hoosain和G.P.Van Galen。1986.笔迹组学：当代笔迹研究。爱思唯尔。}，{“key”：“e_1_3_2_1_25_1”，“非结构化”：“涂鸦研究实验室，2009。涂鸦分析数据库（000000book.com）。网状物。(2009). http://\/000000book.com涂鸦研究实验室，2009年。涂鸦分析数据库（000000book.com）。网状物。(2009). http://\/0000000 book.com“}，{“volume-title”：“非真实感动画和渲染（NPAR）研讨会程序。欧洲制图协会，203--15”，“作者”：“Lang K.”，“密钥”：“e_1_3_2_1_26_1”，“非结构化”：“K.Lang和M.Alexa.2015。马尔可夫笔：自由绘画风格的在线合成。程序中。非真实感动画与渲染（NPAR）研讨会。欧洲制图协会，203--15。K.Lang和M.Alexa。2015.马尔可夫笔：自由绘画风格的在线合成。程序中。非真实感动画与渲染（NPAR）研讨会。欧洲制图协会，203-15.“}，{”key“：”e_1_3_2_1_27_1“，”unstructured“：”H.W.Lin和M.Tegmark.2016。为什么深度和廉价的学习效果这么好？arXiv预印arXiv:1608.08225（2016）。H.W.Lin和M.Tegmark，2016年。为什么深度学习和廉价学习效果如此好？arXiv预印arXiv:1608.08225（2016）。“}，{”key“：”e_1_3_2_1_28_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ICFHR.2012.161”}，“key”：“e_1_ 3_2_1_2 9_1”，“doi-assert-by”：“publisher”，”doi“：”10.1007\/BF00248865“}”，{“key“:”e_3_2_30_1“、”unstructured“：”V.Nair和G.Hinton.2005。根据手写数字的图像推断电机程序。神经信息处理系统进展。515--22. V.Nair和G.Hinton。2005.从手写数字图像推断运动程序。神经信息处理系统进展。515--22.“}，{“volume-title”：“第十一届国际手写识别前沿会议（ICFHR）议事录”，“author”：“O'Reilly C.”，“key”：“e_1_3_2_1_31_1”，“unstructured”：“C.O'Relly and R.Plamondon.2008。自动提取签名上的Sigma-对数参数。程序中。第十一届国际手写识别前沿会议（ICFHR）。C.O'Reilly和R.Plamondon。2008.自动提取签名上的Sigma-对数参数。程序中。第十一届国际手写识别前沿会议（ICFHR）。“}，{”key“：”e_1_3_2_1_32_1“，”首页“：”1310“，”article-title“：”训练递归神经网络的难度“，”卷“：”28“，”author“：”Pascanu R.“，”year“：”2013“，”unstructured“：”R.Pascanu，T.Mikolov，and Y.Bengio。2013。训练递归神经网的难度。《国际医学图书馆学报》第28卷。1310 -- 1318 . R.Pascanu、T.Mikolov和Y.Bengio。2013年，关于训练递归神经网络的难度。程序中。ICML第28卷。1310--8.“，“新闻标题”：“Proc。ICML“}，{“卷-时间”：“ICFHR的程序。IEEE，285--90”，“作者”：“Pham V.”，“密钥”：“e_1_3_2_1_33_1”，《非结构化》：“V.Pham，T.Bluche，C.Kermorvant，J.Louradour，2014。Dropout改进了手写识别的递归神经网络。程序中。ICFHR的。IEEE，285--90。V.Pham、T.Bluche、C.Kermorvant和J.Louradour。2014.辍学改善了手写识别的递归神经网络。程序中。ICFHR。IEEE，285--90.“}，{”key“：”e_1_3_2_1_34_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.conco.2010.04.009”}，“key”：“e_1_ 3_2_1_1_35_1”，“doi-assert-by”：“publisher”，”doi“：”10.1007\/BF00202785“}\/BF00226195“}，{”key“：”e_1_3_2_1_37_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.patrec.2012.06.004“}，{“key”：“e_1_3_2_1_38_1”，“doi-asserted-by”：“publisher”、“doi”：“10.1007\/BF00204200”}、{“密钥”：“e_1_3_2_1_39_1”、”doi-assert-by“：”publisher“，”doi“：”10.1007\/s00422-006-0055-y“}I“：”10.1037\/0033-295X.102.1.28“}，{”volume-title“：”NIPS.589--95的程序“，”年份“：”1999年”，“作者”：“舒斯特M.”，“关键”：“e_1_3_2_1_41_1”，《非结构化》：“舒斯特尔M。1999 . 序列数据问题的更好生成模型：双向递归混合密度网络。程序中。NIPS。589--95 . 舒斯特先生。1999.序列数据问题的更好的生成模型：双向递归混合密度网络。程序中。NIPS。589--95.“}，{”key“：”e_1_3_2_1_43_1“，”doi-asserted-by“：”publisher“，“doi”：“10.3389\/fnhum.2012.00311”}，“volume-title”：“国际图形组学学会（IGS）第十二届会议议事录.206--11”，“author”：“Varga T.”，”key：“e_1_a_2_1_44_1”，《非结构化》：“T.Varga，D.Kilchofer，and H.Bunke.2005。用于识别系统训练的基于模板的合成手写体生成。程序中。第12届国际图形组学协会（IGS）会议。206--11 . T.Varga、D.Kilchofer和H.Bunke。2005.识别系统训练用基于模板的合成手写体生成。程序中。第12届国际图形组学协会（IGS）会议。206--11.“}，{“volume-title”：“用递归神经网络绘制和识别汉字。arXiv预印本arXiv:1606.06539”，“年份”：“2016年”，“作者”：“张X.-Y.”，“键”：“e_1_3_2_1_45_1”，“非结构化”：“X.-Y.Zhang等人。2016年。用递归神经网络绘制和识别汉字。arXiv预印本arXiv:1606.06539（2016）。X.-Y.Zhang等人。2016.用递归神经网络绘制和识别汉字。arXiv预印本arXiv:1606.06539（2016）。“}]，”event“：{”name“：”MOCO'17:第四届运动计算国际会议“，”赞助商“：[”萨里大学“]，”location“：”London United Kingdom“，”缩写“：”MOCO'17“}，”container-title“：[“第四届国际运动计算会议论文集”]，”original-title”：[]，“link”：[{“URL”：“https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3077981.3078049“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2023,1,14]]，”date-time“：“2023-01-14T09:55:52Z”，”timestamp“：1673690152000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3077981.3078049“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2017,6,28]]}，“引用计数”：43，“替代id”：[“10.1145\/307981.3078049”，“10.1145\/3077981”]，“URL”：“http://\/dx.doi.org\/10.1145 \/307981.078049”，“关系”：{}，“主题”：[]，“已发布”：{“日期部分”：[[2017,6,28]]}，”断言“：[{”value“：”2017-06-28“，”order“：2，”name“：”published“，”label“：”published“，”group“：{”name“:”publication_history“，”标签“：”publication history“}}]}}