대한민국 국회도서관 | 정보검색 > 소장정보 검색 > Fig. 3.28. The heatmap of cosine similarities of human annotated concept label pairs. The cosine similarity heatmap of each label pair evaluates the disentanglement (Chen et al., 2020), which means that well–disentangled representation space would be likely to represent the higher cosine similarity in the diagonal term and the lower value in the off–diagonal term. However, our observation indicates that the relatively co–occurring semantics in real–world weather mechanisms and the essential nature of multi–label clustering for unsupervised approaches.

입법지원서비스

의정활동에 필요한 자료를 어디서 찾을지 고민되셨다면, 입법 지원서비스 메뉴를 확인해보세요. 국회도서관에서 제공하는 의회·법률정보부터 AI 분석까지, 국회의 입법 활동을 뒷받침하는 전문정보를 모았습니다.

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

상세검색
저자 검색
관련 키워드 검색
주제별 검색

완전일치
전방일치
후방일치

인명/단체명

	저자정보	상세정보
인명/단체명을 입력하세요.

전방일치
완전일치
후방일치
부분일치

키워드

대표어
외국어
네이버 백과사전

용어관계 검색결과
대표어	동의어	상위어	하위어	관련어	대립어

대분류

중분류

소분류

소장자료
외부기관 자료

표·그림DB Fig. 3.28. The heatmap of cosine similarities of human annotated concept label pairs. The cosine similarity heatmap of each label pair evaluates the disentanglement (Chen et al., 2020), which means that well–disentangled representation space would be likely to represent the higher cosine similarity in the diagonal term and the lower value in the off–diagonal term. However, our observation indicates that the relatively co–occurring semantics in real–world weather mechanisms and the essential nature of multi–label clustering for unsupervised approaches.

표·그림명
Fig. 3.28. The heatmap of cosine similarities of human annotated concept label pairs. The cosine similarity heatmap of each label pair evaluates the disentanglement (Chen et al., 2020), which means that well–disentangled representation space would be likely to represent the higher cosine similarity in the diagonal term and the lower value in the off–diagonal term. However, our observation indicates that the relatively co–occurring semantics in real–world weather mechanisms and the essential nature of multi–label clustering for unsupervised approaches.
내용형식
그림
제어번호
REFD0002509423
표·그림 출처
설명가능한 인공지능기반 기상예측 인과관계 도출 기술 개발 , 국립기상과학원 인공지능기상연구과, 2024
원문보기

뷰어로 보기 출처 보기
연계정보
외부기관 원문

자료명
저자사항
제어번호
*요청자 이름
*전화번호	휴대폰 번호를 입력하세요.
*이메일	@
*요청내용
*오류항목

청구기호
자료명/저자사항
발행사항
형태사항
ISSN

* 서재명
설명
* 공개수준	비공개 완전공개 * 주의: 국회도서관 이용자 모두에게 공유서재로 서비스 됩니다.

고급검색

다국어입력

추천서가 (다양한 추천 자료를 만나보세요)

권호

알림톡 발송로 자료명, 기사명/저자명, 수록지명, 자료실, 서가번호, 전화번호로 구성되어 있습니다.




전화번호

고급검색

다국어입력

추천서가 (다양한 추천 자료를 만나보세요)

MARC 보기

오류 데이터 정정요청

알림톡 발송

권호기사보기

연속간행물 권호 선택

연속간행물 권호 선택

우편복사 안내

도서위치안내(서울관)

저자프로필

목차보기

우편복사 안내

우편복사 목록담기

확인

내서재에 담기

새로운 서재

저장

로그인

권호