[1] |
T.Fádel,S.Carvalho,B.Santos,阿尔茨海默病中的面部表情识别:系统综述,临床杂志。实验神经心理学。,41(2019), 192-203. 数字对象标识:10.1080/13803395.2018.1501001
|
[2] |
S.Li,W.Deng,《混合情感:使用众包注释和深层局部特征学习的多标签面部表情识别》,国际期刊计算。视觉。,127(2019), 884-906. 数字对象标识:2007年10月17日/11263-018-1131-1
|
[3] |
W.Su,M.Liu,Y.Yang,J.Wang,S.Li,H.Lv,et al.,PPD:实验验证的原核启动子的人工管理数据库,分子生物学杂志。,(2019),即将出版。 |
[4] |
D.Jain,P.Shamsolmoali,P.Sehdev,面部情绪识别的扩展深度神经网络,模式识别器。莱特。,120(2019), 69-74. 数字对象标识:2016年10月10日/j.patrec.2019.01.008
|
[5] |
C.Gong,F.Lin,X.An,绿色物联网中嵌入式人机交互的新型情感控制系统,IEEE接入,7(2019), 185148-185156. 数字对象标识:10.1109/通道2019.2960832
|
[6] |
J.Deng,G.Pang,Z.Zhang,Z.Pang,H.Yang,G.Yang,基于cGAN的人机交互面部表情识别,IEEE接入,7(2019), 9848-9859. 数字对象标识:10.1109/通道2019.2891668
|
[7] |
F.Y.Dao、H.Lv、D.Zhang、Z.Zhang,L.Liu、H.Lin、DeepYY1:识别YY1-介导染色质环的深度学习方法,简介。生物信息学。,356(2020). |
[8] |
M.Wu,W.Su,L.Chen,Z.Liu,W.Cao,K.Hirota,用于人机交互中面部表情识别的加权自适应卷积神经网络,IEEE传输。系统。人类网络。,51(2021),1473-1484。数字对象标识:10.1109/TSMC2019.2897330
|
[9] |
M.Sajjad,A.Shah,Z.Jan,S.I.Shah,S.W.Baik,I.Mehmood,基于面部外观和纹理特征的鲁棒面部表情识别框架,用于情感知识发现,集群计算。,21(2018), 549-567. 数字对象标识:10.1007/s10586-017-0935-z
|
[10] |
A.Nandi,P.Dutta,M.Nasir,使用形状信息矩阵的面向直方图的梯度(HoG)自动面部表情识别,in智能计算与通信国际会议施普林格,(2019),343-351。 |
[11] |
F.Y.Dao,H.Lv,H.Zulfiqar,H.Yang,W.Su,H.Gao等,识别真核生物复制位点起源的计算平台,简介。生物信息。,22(2020), 1940-1950. |
[12] |
S.Berretti,B.B.Amor,M.Daoudi,A.Bimbo,使用自动检测关键点的SIFT描述符进行3D面部表情识别,可视化计算。,27(2011), 1021. 数字对象标识:2007年10月7日/00371-011-0611-x
|
[13] |
O.Starostenko,C.Cruz-Perez,V.Alarcon-Aquino,R.Rosas-Romero,使用基于局部外观的描述符进行实时面部表情识别,J.智力。模糊系统。,36(2019), 5037-5049. 数字对象标识:10.3233/JIFS-179049
|
[14] |
杨浩,杨维阳,道凤,吕浩,丁浩,陈维珍,等,酿酒酵母重组热点识别计算方法的比较与评价,简介。生物信息学。,21(2020), 1568-1580. 数字对象标识:10.1093/bib/bbz123
|
[15] |
J.Chorowski,R.J.Weiss,S.Bengio,A.Oord,使用波网自动编码器的无监督语音表示学习,IEEE/ACM传输。音频语音语言处理。,27(2019), 2041-2053. 数字对象标识:10.1109/TASLP.2019.2938863
|
[16] |
R.R.N.Abirama、P.M.D.R.Vincent、K.Srinivasan、U.Tariq、C.Y.Chang、Deep CNN和Deep GAN在计算视觉感知驱动的图像分析中的应用,复杂性,2021(2021), 5541134. |
[17] |
I.Goodfellow,J.Pouget-Abadie,M.Mirza,B.Xu,D.Warde-Farley,S.Ozair等人,《生成对抗网》,预印本,arXiv:1406.2661。 |
[18] |
C.Han,L.Rundo,R.Araki,Y.Nagano,Y.Furukawa,G.Mauri等人,将噪声与图像和图像与图像相结合:用于肿瘤检测的脑MR图像增强,IEEE接入, 7 (2019), 156966-156977. 数字对象标识:10.1109/通道2019.2947606
|
[19] |
C.Xu,P.M.Feng,H.Yang,W.Qiu,W.Chen,H.Lin,iRNAD:识别RNA序列中D修饰位点的计算工具,生物信息学,35(2019), 4922-4929. 数字对象标识:10.1093/生物信息学/btz358
|
[20] |
H.Y.Lai,Z.Zhang,Z.Su,W.Su,H.Ding,W.Chen等人,iProEP:预测启动子的计算预测器,摩尔-热。核酸,17(2019), 337-346. 数字对象标识:2016年10月10日/2011年5月21日
|
[21] |
R.Yanagi、R.Togo、T.Ogawa、M.Haseyama,《查询是GAN:使用注意力文本到图像生成对抗网络的场景检索》,IEEE接入,7(2019), 153183-153193. 数字对象标识:10.1109/通道2019.2947409
|
[22] |
梁振彦、赖洪彦、杨海阳、张春杰、杨海伟等,Pro54DB:实验验证的sigma-54启动子数据库,生物信息学,33(2017), 467-469. |
[23] |
J.Cai,Z.Meng,A.S.Khan,Z.Li,J.O'Reily,Y.Tong,使用条件生成对抗性网络的无身份面部表情识别,预印本,arXiv:1903.08051。 |
[24] |
K.Ali,C.Hughes,通过合成表情图像进行面部表情表征学习,预印本,arXiv:1912.01456。 |
[25] |
T.Karras,S.Laine,T.Aila,生成性对抗网络的基于样式的生成器体系结构,年IEEE/CVF计算机视觉和模式识别(CVPR)会议记录, (2019), 4401-4410. |
[26] |
李伟,钟振杰,朱培平,邓恩华,丁海平,陈维珍,等,酿酒酵母基因组中复制起源的序列分析,前面。微生物。,5(2014), 574. |
[27] |
H.Zhang,I.Goodfellow,D.Metaxas,A.Odena,《自我关注生成对抗网络》,年机器学习国际会议, (2019), 7354-7363. |
[28] |
丁海平,郭绍华,邓永中,袁丽萍,郭福平,黄建华,等,利用特征选择技术预测高尔基固着蛋白类型,化学。智力。实验室系统。,124(2013), 9-13. 数字对象标识:10.1016/j.chemolab.2013.03.005
|
[29] |
T.Karras,T.Aila,S.Laine,J.Lehtinen,GANs的渐进生长以提高质量、稳定性和变异性,预印本,arXiv:1710.10196。 |
[30] |
A.Radford,L.Metz,S.Chintala,深度卷积生成对抗网络的无监督表征学习,预印本,arXiv:1511.06434。 |
[31] |
M.Mirza,S.Osindero,条件生成对抗网,预印本,arXiv:1411.1784。 |
[32] |
X.Yin,X.Yu,K.Sohn,X.Liu,M.Chandraker,《朝向野外的大人脸正面化》,年IEEE计算机视觉国际会议(ICCV)会议记录, (2017), 3990-3999. |
[33] |
沈彦、周斌、罗培华、唐晓霞,《人脸特征合成的两阶段方法》,预印本,arXiv:1812.01288。 |
[34] |
H.Lin,H.Ding,F.B.Guo,J.Huang,利用特征选择技术预测分枝杆菌蛋白的亚细胞位置,摩尔多样性,14(2010), 667-671. 数字对象标识:2007年10月10日/11030-009-9205-1
|
[35] |
G.Arvanitids,L.Hansen,S.Hauberg,《潜在空间怪异:深层生成模型的曲率》,预印本,arXiv:1710.11379。 |
[36] |
F.Ma,U.Ayaz,S.Karaman,部分测量卷积生成网络的可逆性,高级神经信息处理。系统。,31(2018), 9628-9637. |
[37] |
林浩,李庆中,利用伪氨基酸组成预测蛋白质结构类别:通过结合400个二肽组分进行探讨,J.计算。化学。,28(2007),1463-1466。数字对象标识:2005年10月10日/jcc
|
[38] |
X.Wang,X.Wag,Y.Ni,使用生成对抗网络进行面部表情识别的无监督域自适应,计算。智力。神经科学。,2018(2018), 7208794. |
[39] |
T.Zhang,W.Zheng,Z.Cui,Y.Zong,J.Yan,K.Yan,一种用于多视角面部表情识别的深度神经网络驱动特征学习方法,IEEE传输。多媒体,18(2016), 2528-2536. 数字对象标识:10.1109/TMM.2016.2598092
|
[40] |
B.Yang,J.Cao,R.Ni,Y.Zhang,基于双通道人脸图像的加权混合深度神经网络人脸表情识别,IEEE接入,6(2017), 4630-4640. |
[41] |
J.H.Kim,B.G.Kim,P.P.Roy,D.Jeong,基于层次深度神经网络结构的高效人脸表情识别算法,IEEE接入,7(2019), 41273-41285. 数字对象标识:10.1109/通道2019.2907327
|
[42] |
C.Zhang,P.Wang,K.Chen,J.K.Kamäräinen,用于面部表情识别的身份感知卷积神经网络,J.系统。电子工程。,28(2017), 784-792. 数字对象标识:10.21629/JSEE.2017.04.18
|
[43] |
P.M.Ferreira,F.Marques,J.S.Cardoso,A.Rebelo,用于情绪识别的生理启发深层神经网络,IEEE接入,6(2018), 53930-53943. 数字对象标识:10.1109/通道2018.2870063
|
[44] |
S.M.González-Lozoya,J.de la Calleja,L.Pellegrin,H.J.Escalante,M.A.Medina,A.Benitez-Ruiz,基于CNN特征的面部表情识别,多媒体工具应用。,79(2020), 13987-14007. 数字对象标识:2007年10月10日/11042-020-08681-4
|
[45] |
L.Yang,Y.Tian,Y.Song,N.Yang,K.Ma,L.Xie,一种新的特征分离模型交换-GAN用于面部表情识别,知识。基于系统。,204(2020), 106217. 数字对象标识:2016年10月10日/j.knosys.2020.106217
|
[46] |
S.Liong,Y.Gan,D.Zheng,S.Li,H.Xu,H.Zhang,等,微表情识别系统的时空特征和Gan评估,J.信号处理。系统。,92(2020), 705-725. 数字对象标识:2007年10月10日/11265-020-01523-4
|
[47] |
R.Wu,G.Zhang,S.Lu,T.Chen,Cascade ef-gan:局部聚焦的渐进式面部表情编辑,inIEEE/CVF计算机视觉和模式识别会议记录,(2020),5021-5030。 |
[48] |
A.Jahanian,L.Chai,P.Isola,《论生成性对抗网络的“可操纵性”》,预印本,arXiv:1907.07171。 |
[49] |
T.Kanade,J.F.Cohn,Y.Tian,面部表情分析综合数据库,inIEEE第四届自动人脸和手势识别国际会议论文集(分类号PR00580),IEEE,(2000),46-53。 |
[50] |
N.Aifanti,A.Delopoulos,面部表情识别的线性子空间,信号处理。图像通信。,29(2014), 177-188. 数字对象标识:10.1016/j.image.2013.10.004
|
[51] |
I.Dagher,E.Dahdah,M.Al Shakik,使用三阶段支持向量机进行面部表情识别,视觉计算。Ind.生物识别。艺术,2(2019), 24. 数字对象标识:10.1186/s42492-019-0034-5
|
[52] |
K.Shan,J.Guo,W.You,D.Liu,R.Bie,基于深度卷积神经网络结构的面部表情自动识别2017 IEEE第15届软件工程研究、管理和应用国际会议(SERA),IEEE,(2017),123-128。 |
[53] |
V.Mayya,R.M.Pai,M.M.Pati,使用DCNN的自动面部表情识别,Procedia计算。科学。,93(2016), 453-461. 数字对象标识:2016年10月10日/j.procs.2016.07.233
|