( en | de | ru )

 

Disambiguierung von "Cózar, Javier"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
InferPy: Probabilistic Modeling with Deep Neural Networks Made Easy.

, , , und . CoRR, (2019)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Javier Papa

Javier Manero

Javier Jáurequi

Javier Dreyer

Javier Arpón

 

Weitere Publikationen von Autoren mit dem selben Namen

A Metahierarchical Rule Decision System to Design Robust Fuzzy Classifiers Based on Data Complexity., , , und . IEEE Trans. Fuzzy Syst., 27 (4): 701-715 (2019)InferPy: Probabilistic modeling with deep neural networks made easy., , , und . Neurocomputing, (2020)Comparing TSK-1 FRBS against SVR for electrical power prediction in buildings., , , und . IFSA-EUSFLAT, Atlantis Press, (2015)Learning heterogeneus cooperative linguistic fuzzy rules using local search: Enhancing the COR search space., , und . ISDA, Seite 475-480. IEEE, (2011)Learning TSK-0 linguistic fuzzy rules by means of local search algorithms., , und . Appl. Soft Comput., (2014)An Application of Dynamic Bayesian Networks to Condition Monitoring and Fault Prediction in a Sensored System: a Case Study., , und . Int. J. Comput. Intell. Syst., 10 (1): 176-195 (2017)CiDAEN: An Online Data Science Course., , , , , , , , , und 1 andere Autor(en). HELMeTO, Volume 1091 von Communications in Computer and Information Science, Seite 113-124. Springer, (2019)InferPy: Probabilistic Modeling with Deep Neural Networks Made Easy., , , und . CoRR, (2019)Learning compact zero-order TSK fuzzy rule-based systems for high-dimensional problems using an Apriori + local search approach., , und . Inf. Sci., (2018)Probabilistic Graphical Models with Neural Networks in InferPy., , , und . PGM, Volume 138 von Proceedings of Machine Learning Research, Seite 601-604. PMLR, (2020)