恩武·金
人员信息
优化列表
![笔记](https://dblp.uni-trier.de/img/note-mark.dark.12x12.png)
2020年–今天
2024 [公元18年] Jiho Lee(李继豪) , 恩武·金 :
使用任务软件嵌套搜索缓解搜索干扰。 IEEE传输。 图像处理。 33 : 3102-3114 ( 2024 ) 2023 [公元17年] 崔素进(Sujin Choi) , 金贤东 , 恩武·金 :
多任务学习的任务软件动态模型优化。 IEEE接入 11 : 137709-137717 ( 2023 ) [第14条] 金贤东 , 金庆贤 , 安昌浩 , 恩武·金 :
用贫乏的大脑培养一代人,以实现持续学习。 ICCV公司 2023 : 18915-18924 2022 [公元16年] 安昌浩 , 恩武·金 , Songhwai哦 :
带有自适应模型搜索和名义损失模型的增量学习。 IEEE接入 10 : 16052-16062 ( 2022 ) [公元15年] Wonhee Cho公司 , 恩武·金 :
提高快速学习的强化效率。 IEEE接入 10 : 17697-17706 ( 2022 ) [公元14年] 金贤东 , Kimin Yun先生 , 恩武·金 :
资源高效持续学习的深层神经网络选通机制。 IEEE接入 10 : 18776-18786 ( 2022 ) [j13] Soyeon公园 , Jiho Lee(李继豪) , 恩武·金 :
使用多路径网络进行资源高效的多任务深度学习。 IEEE接入 10 : 32889-32899 ( 2022 ) [c13] 金贤东 , 恩武·金 :
有益或有害:持续学习中的任务间关联。 ECCV(11) 2022 : 519-535 [第12条] Changseong Kim(金昌盛) , 恩武·金 :
异构任务的多任务学习。 国际通信技术委员会 2022 : 1024-1026 2021 [公元12年] 恩武·金 , 安昌浩 , Songhwai哦 :
Auto-VirtualNet:多任务学习的成本自适应动态架构搜索。 神经计算 442 : 116-124 ( 2021 ) [第11条] 尹熙·金 , 恩武·金 :
任务的聚类引导增量学习。 图标 2021 : 417-421 2020 [公元11年] 恩武·金 , 米西克·李 , Songhwai哦 :
具有渐变正则化器的非凸稀疏表示。 IEEE接入 8 : 132489-132501 ( 2020 )
2010 – 2019
2019 [公元10年] 恩武·金 , 李敏植 , Songhwai哦 :
数据驱动子空间表示和聚类的可扩展框架。 模式识别。 莱特。 125 : 742-749 ( 2019 ) [第10条] 恩武·金 , 安昌浩 , 菲利普·H·S·托尔 , Songhwai哦 :
用于多任务记忆高效推理的深层虚拟网络。 CVPR公司 2019 : 2710-2719 【c9】 安昌浩 , 恩武·金 , Songhwai哦 :
具有多任务学习模型选择的深弹性网络。 ICCV公司 2019 : 6528-6537 [i3] 恩武·金 , 安昌浩 , 菲利普·H·S·托尔 , Songhwai哦 :
用于多任务记忆高效推理的深层虚拟网络。 CoRR公司 腹肌/1904.04562 ( 2019 ) [i2] 安昌浩 , 恩武·金 , Songhwai哦 :
具有多任务学习模型选择的深弹性网络。 CoRR公司 abs/1909.04860 ( 2019 ) 2018 [公元9年] 恩武·金 , Sungjoon Choi先生 , Songhwai哦 :
用于自主机器人导航的结构化内核子空间学习。 传感器 18 ( 2 ) : 582 ( 2018 ) 【c8】 恩武·金 , 安昌浩 , Songhwai噢 :
NestedNet:学习深层神经网络中的嵌套稀疏结构。 CVPR公司 2018 : 8669-8678 2017 [j8] Sungjoon Choi先生 , 恩武·金 , Kyungjae Lee(李京杰) , Songhwai哦 :
动态环境下移动机器人的实时非参数反应导航。 机器人自动。 系统。 91 : 11-24 ( 2017 ) [i1] 恩武·金 , 安昌浩 , Songhwai哦 :
深度神经网络中嵌套稀疏结构的学习。 CoRR公司 abs/1712.03781 ( 2017 ) 2016 [j7] 恩武·金 , 米西克·李 , Songhwai噢 :
稳健的Elastic-Net子空间表示。 IEEE传输。 图像处理。 25 ( 9 ) : 4245-4259 ( 2016 ) 2015 [j6] 恩武·金 , Songhwai哦 :
高效子空间学习的鲁棒正交矩阵分解。 神经计算 167 : 218-229 ( 2015 ) [j5] 恩武·金 , 米西克·李 , Chong-Ho Choi先生 , Nojun Kwak先生 , Songhwai哦 :
高效l 1 -用交替校正梯度法求解大尺度问题的基于范数的低秩矩阵近似。 IEEE传输。 神经网络学习。 系统。 26 ( 2 ) : 237-251 ( 2015 ) 【c7】 恩武·金 , 米西克·李 , Songhwai噢 :
鲁棒子空间学习中奇异值的弹性网正则化。 CVPR公司 2015 : 915-923 【c6】 金恩武 , Sungjoon Choi先生 , Songhwai哦 :
用于自主机器人导航的高斯过程回归中的结构化低秩矩阵近似。 ICRA公司 2015 : 69-74 [c5] Sungjoon Choi先生 , 恩武·金 , Kyungjae Lee(李京杰) , Songhwai哦 :
利用非平稳高斯过程回归进行自主机器人导航。 ICRA公司 2015 : 473-478 2014 【j4】 金东禅(Dongchan Kim) , 永居荣 , 韩业吉 , Joonsung Choi先生 , 恩武·金 , Bumseok Jeong先生 , Yong Man Ro公司 , HyunWook公园 :
人脑双眼视差过大的fMRI分析。 国际成像系统杂志。 Technol公司。 24 ( 1 ) : 94-102 ( 2014 ) 【c4】 Sungjoon Choi先生 , 恩武·金 , Songhwai哦 :
使用高斯过程运动控制在拥挤的动态环境中实时导航。 ICRA公司 2014 : 3221-3226 【c3】 恩武·金 , Sungjoon Choi先生 , Songhwai哦 :
使用基于l1范数的低阶核矩阵近似的稳健自回归高斯过程运动模型。 IROS公司 2014 : 4396-4401 2013 [j3] 金恩武 , 大石金 , 法亚兹·艾哈迈德 , Hyun Wook公园 :
fMRI中基于模式的Granger因果关系映射。 大脑连接。 三 ( 6 ) : 569-577 ( 2013 ) [注2] 法亚兹·艾哈迈德 , 南吉尔·李 , 恩武·金 , Sung-Ho Kim先生 , Hyun Wook公园 :
大脑区域因果网络检测的收缩方法。 国际成像系统杂志。 Technol公司。 23 ( 2 ) : 140-146 ( 2013 ) 【c2】 Sungjoon Choi先生 , 恩武·金 , Songhwai哦 :
使用深度学习预测智能家居的人类行为。 RO-MAN公司 2013 : 173-179 2011 [j1] 恩武·金 , 叶继汉 , 玄湖公园 :
基于参考估计的多刺激fMRI新分析方法。 国际成像系统杂志。 Technol公司。 21 ( 4 ) : 315-322 ( 2011 ) 【c1】 金东禅(Dongchan Kim) , 永居荣 , 恩武·金 , 龙曼洛 , HyunWook公园 :
人脑对立体深度知觉引起的视觉疲劳的反应。 数字信号处理器 2011 : 1-5
合著者索引
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)