Figure 2: Some Applications of Artificial Intelligence

References (Contd).
•
Deng, L., & Yu, D. (2014). Deep learning: methods and applications. Foundations and Trends® in 
Signal Processing, 7(3–4), 197-387.
•
Duchi, J., Hazan, E., & Singer, Y. (2011). Adaptive subgradient methods for online learning and 
stochastic optimization. Journal of Machine Learning Research, 12(Jul), 2121-2159.
•
Erin Liong, V., Lu, J., Wang, G., Moulin, P., & Zhou, J. (2015). Deep hashing for compact binary 
codes learning. In Proceedings of the IEEE Conference on Computer Vision and Pattern 
Recognition (pp. 2475-2483).
•
Evermann, J., Rehse, J. R., & Fettke, P. (2017). Predicting process behaviour using deep learning. 
Decision Support Systems.
•
Gao, S., Tsang, I. W. H., Chia, L. T., & Zhao, P. (2010, June). Local features are not lonely–
Laplacian sparse coding for image classification. In Computer Vision and Pattern Recognition 
(CVPR), 2010 IEEE Conference on (pp. 3555-3561). IEEE.
68

---

References (Contd).
•
Grinblat, G. L., Uzal, L. C., Larese, M. G., & Granitto, P. M. (2016). Deep learning for plant 
identification using vein morphological patterns. Computers and Electronics in Agriculture, 127, 
418-424.
•
Guo, Y., Liu, Y., Oerlemans, A., Lao, S., Wu, S., & Lew, M. S. (2016). Deep learning for visual 
understanding: A review. Neurocomputing, 187, 27-48.
•
He, K., Zhang, X., Ren, S., & Sun, J. (2014, September). Spatial pyramid pooling in deep 
convolutional networks for visual recognition. In European Conference on Computer Vision (pp. 
346-361). Springer, Cham.
•
Hinton, G. E., Osindero, S., & Teh, Y. W. (2006). A fast learning algorithm for deep belief nets. 
Neural computation, 18(7), 1527-1554.
•
Kang, B., & Choo, H. (2016). A deep-learning-based emergency alert system. ICT Express, 2(2), 67-
70.
69

---