Pseudo-labeling domain adaptation using multi-model learning (2025)
- Authors:
- USP affiliated authors: MARCACINI, RICARDO MARCONDES - ICMC ; TOMITA, VICTOR AKIHITO KAMADA - ICMC
- Unidade: ICMC
- DOI: 10.1109/ACCESS.2025.3547813
- Subjects: APRENDIZADO COMPUTACIONAL; REDES NEURAIS; TEORIA DOS GRAFOS
- Keywords: Domain adaptation; graph neural networks; interpretability; pseudo-labeling
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: Piscataway
- Date published: 2025
- Source:
- Título: IEEE Access
- ISSN: 2169-3536
- Volume/Número/Paginação/Ano: v. 13, p. 41486-41504, 2025
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
TOMITA, Victor Akihito Kamada e MARCACINI, Ricardo Marcondes. Pseudo-labeling domain adaptation using multi-model learning. IEEE Access, v. 13, p. 41486-41504, 2025Tradução . . Disponível em: https://doi.org/10.1109/ACCESS.2025.3547813. Acesso em: 20 fev. 2026. -
APA
Tomita, V. A. K., & Marcacini, R. M. (2025). Pseudo-labeling domain adaptation using multi-model learning. IEEE Access, 13, 41486-41504. doi:10.1109/ACCESS.2025.3547813 -
NLM
Tomita VAK, Marcacini RM. Pseudo-labeling domain adaptation using multi-model learning [Internet]. IEEE Access. 2025 ; 13 41486-41504.[citado 2026 fev. 20 ] Available from: https://doi.org/10.1109/ACCESS.2025.3547813 -
Vancouver
Tomita VAK, Marcacini RM. Pseudo-labeling domain adaptation using multi-model learning [Internet]. IEEE Access. 2025 ; 13 41486-41504.[citado 2026 fev. 20 ] Available from: https://doi.org/10.1109/ACCESS.2025.3547813 - Weak supervision for question and answering sentiment analysis
- TF-MVSA: multimodal video Sentiment analysis tool using transfer learning
- Cluster fusion training: exploring cluster analysis to enhance cross-domain sentiment classification
- Multi-Representation Learning for Domain Adaptation in Machine Learning Applications
- Complaint analysis in fintech domain: a case study in Brazilian brokerage firms
- Aprendizado de máquina com informação privilegiada: abordagens para agrupamento hierárquico de textos
- Aprendizado não supervisionado de hierarquias de tópicos a partir de coleções textuais dinâmicas
- MApp-IDEA: design and architecture of the analytical data exploration tool from app reviews
- PPM-HC: a method for helping project portfolio management based on topic hierarchy learnings
- Proceendings of 19th National Meeting on Artificial and Computational Intelligence
Informações sobre o DOI: 10.1109/ACCESS.2025.3547813 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3237874.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
