becker > deep | BibSonomy

закладки (спрятать)20
показать
всё
только закладки
закладки на страницу
5
10
20
50
100
RSS
BibTeX
XML

1Chen-Cai-OSU/awesome-equivariant-network: Paper list for equivariant neural network
https://github.com/Chen-Cai-OSU/awesome-equivariant-network
год назад , @becker
group
equivariant
neural
networks
nn
geometric
deep
learning
network
mmis
kirste
groupequivariantneuralnetworksnngeometricdeeplearningnetworkmmiskirste
(0)
копироватьудалить
- Запись сообщества
- посмотреть историю записи
1(56) Deep Learning — Andreas Geiger - YouTube
https://www.youtube.com/playlist?list=PL05umP7R6ij3NTWIdtMbfvX7Z-4WEXRqD
год назад , @becker
deep
learning
lecture
teaching
deeplearninglectureteaching
(0)
копироватьудалить
- Запись сообщества
- посмотреть историю записи
1The Best GPUs for Deep Learning in 2020 — An In-depth Analysis
https://timdettmers.com/2020/09/07/which-gpu-for-deep-learning/
2 лет назад , @becker
gpu
comparison
deep
learning
benchmark
technical
gpucomparisondeeplearningbenchmarktechnical
(0)
копироватьудалить
- Запись сообщества
- посмотреть историю записи
1Best GPU for Deep Learning in 2022 (so far)
https://lambdalabs.com/blog/best-gpu-2022-sofar/
2 лет назад , @becker
benchmark
gpu
deep
learning
comparison
nvidia
benchmarkgpudeeplearningcomparisonnvidia
(0)
копироватьудалить
- Запись сообщества
- посмотреть историю записи
1hurcy/awesome-ehr-deeplearning: Curated list of awesome papers for electronic health records(EHR) mining, machine learning, and deep learning.
https://github.com/hurcy/awesome-ehr-deeplearning
4 лет назад , @becker
awesome
ehr
data
deep
learning
cureated
list
overview
review
survey
awesomeehrdatadeeplearningcureatedlistoverviewreviewsurvey
(0)
копироватьудалить
- Запись сообщества
- посмотреть историю записи

&lang;&lang;
⟨
1
2
3
&rang;
⟩⟩

публикации (спрятать)42
показать
всё
только публикации
публикации на страницу
5
10
20
50
100
расширенный...
RSS
BibTeX
RDF
дальше...

7An overview of multi-task learning in deep neural networks
S. Ruder. arXiv preprint arXiv:1706.05098, (2017)
3 лет назад , @becker
paper:milkreview:selected
multi
task
learning
machine
neural
networks
deep
overview
survey
citedby:scholar:count:1237
citedby:scholar:timestamp:2021-5-29
paper:milkreview:selectedmultitasklearningmachineneuralnetworksdeepoverviewsurveycitedby:scholar:count:1237citedby:scholar:timestamp:2021-5-29
(0)
копироватьудалитьдобавить публикацию в буфер
2Deep Neural Networks for High Dimension, Low Sample Size Data.
B. Liu, Y. Wei, Y. Zhang, и Q. Yang. IJCAI, стр. 2287--2293. (2017)
3 лет назад , @becker
citedby:scholar:count:64
citedby:scholar:timestamp:2021-1-19
dataset
deep
dimension
dimensionality
dimensions
high
learning
low
network
neural
small
citedby:scholar:count:64citedby:scholar:timestamp:2021-1-19datasetdeepdimensiondimensionalitydimensionshighlearninglownetworkneuralsmall
(0)
копироватьудалитьдобавить публикацию в буфер
2Relational inductive biases, deep learning, and graph networks
P. Battaglia, J. Hamrick, V. Bapst, A. Sanchez-Gonzalez, V. Zambaldi, M. Malinowski, A. Tacchetti, D. Raposo, A. Santoro, R. Faulkner и 1 other автор(ы). arXiv preprint arXiv:1806.01261, (2018)
4 лет назад , @becker
inductive
bias
bayes
bayesian
neural
network
deep
learning
relational
graph
networks
citedby:scholar:count:761
citedby:scholar:timestamp:2020-9-18
inductivebiasbayesbayesianneuralnetworkdeeplearningrelationalgraphnetworkscitedby:scholar:count:761citedby:scholar:timestamp:2020-9-18
(0)
копироватьудалитьдобавить публикацию в буфер
2OmicsMapNet: Transforming omics data to take advantage of Deep Convolutional Neural Network for discovery
S. Ma, и Z. Zhang. arXiv preprint arXiv:1804.05283, (2018)
4 лет назад , @becker
convoluational
nn
neural
network
cnn
multi
omics
multiomics
deep
map
tree
citedby:scholar:count:5
citedby:scholar:timestamp:2020-8-31
convoluationalnnneuralnetworkcnnmultiomicsmultiomicsdeepmaptreecitedby:scholar:count:5citedby:scholar:timestamp:2020-8-31
(0)
копироватьудалитьдобавить публикацию в буфер
3Deep learning for time series classification: a review
H. Ismail Fawaz, G. Forestier, J. Weber, L. Idoumghar, и P. Muller. Data Mining and Knowledge Discovery, 33 (4): 917--963 (01.07.2019)
4 лет назад , @becker
classification
cnn
deep
learning
networks
neural
nn
series
time
classificationcnndeeplearningnetworksneuralnnseriestime
(0)
копироватьудалитьдобавить публикацию в буфер
2Deep learning for inferring gene relationships from single-cell expression data
Y. Yuan, и Z. Bar-Joseph. Proceedings of the National Academy of Sciences, 116 (52): 27151--27158 (2019)
4 лет назад , @becker
cell
cnn
deep
gene
learning
network
neural
nn
prediction
single
cellcnndeepgenelearningnetworkneuralnnpredictionsingle
(0)
копироватьудалитьдобавить публикацию в буфер
2Utilizing Molecular Network Information via Graph Convolutional Neural Networks to Predict Metastatic Event in Breast Cancer.
H. Chereda, A. Bleckmann, F. Kramer, A. Leha, и T. Beissbarth. GMDS, стр. 181--186. (2019)
4 лет назад , @becker
breast
cancer
citedby:scholar:count:2
citedby:scholar:timestamp:2020-8-2
convolutional
deep
graph
learning
molecular
networks
neural
project:bmbf
breastcancercitedby:scholar:count:2citedby:scholar:timestamp:2020-8-2convolutionaldeepgraphlearningmolecularnetworksneuralproject:bmbf
(0)
копироватьудалитьдобавить публикацию в буфер
1Evaluation of colorectal cancer subtypes and cell lines using deep learning
J. Ronen, S. Hayat, и A. Akalin. Life science alliance, (2019)
4 лет назад , @becker
autoencoder
citedby:scholar:count:6
citedby:scholar:timestamp:2020-7-29
deep
integration
learning
multi
multiomics
omics
paper:milkreview:selected
autoencodercitedby:scholar:count:6citedby:scholar:timestamp:2020-7-29deepintegrationlearningmultimultiomicsomicspaper:milkreview:selected
(0)
копироватьудалитьдобавить публикацию в буфер
1Standard machine learning approaches outperform deep representation learning on phenotype prediction from transcriptomics data
A. Smith, J. Walsh, J. Long, C. Davis, P. Henstock, M. Hodge, M. Maciejewski, X. Mu, S. Ra, S. Zhao и 1 other автор(ы). BMC Bioinformatics, 21 (1): 1--18 (2020)
4 лет назад , @becker
auto
autoencoder
deep
dl
encoder
learning
machine
ml
network
neural
outerforms
outperform
representation
representational
standard
vae
variational
autoautoencoderdeepdlencoderlearningmachinemlnetworkneuralouterformsoutperformrepresentationrepresentationalstandardvaevariational
(0)
копироватьудалитьдобавить публикацию в буфер
1DeepInsight: A methodology to transform a non-image data to an image for convolution neural network architecture
A. Sharma, E. Vans, D. Shigemizu, K. Boroevich, и T. Tsunoda. Scientific reports, 9 (1): 1--7 (2019)
4 лет назад , @becker
cnn
convoluational
cytof
cytometry
deep
dimensionality
embedding
insight
learning
nalab
network
neural
reduction
rna
tsne
umap
cnnconvoluationalcytofcytometrydeepdimensionalityembeddinginsightlearningnalabnetworkneuralreductionrnatsneumap
(0)
копироватьудалитьдобавить публикацию в буфер
2Deep learning of circulating tumour cells
L. Zeune, Y. Boink, G. van Dalum, A. Nanou, S. de Wit, K. Andree, J. Swennenhuis, S. van Gils, L. Terstappen, и C. Brune. Nature Machine Intelligence, (2020)
4 лет назад , @becker
cancer
cell
circulating
cnn
convoluational
cytof
cytometry
deep
learning
nalab
network
neural
single
cancercellcirculatingcnnconvoluationalcytofcytometrydeeplearningnalabnetworkneuralsingle
(0)
копироватьудалитьдобавить публикацию в буфер
1A robust and interpretable, end-to-end deep learning model for cytometry data
Z. Hu, A. Tang, J. Singh, S. Bhattacharya, и A. Butte. Proceedings of the National Academy of Sciences, 117 (35): 21373--21380 (2020)
4 лет назад , @becker
cell
cnn
convoluational
cytof
cytometry
deep
learning
nalab
network
neural
project:bmbf
single
cellcnnconvoluationalcytofcytometrydeeplearningnalabnetworkneuralproject:bmbfsingle
(0)
копироватьудалитьдобавить публикацию в буфер
3A survey of transfer learning
K. Weiss, T. Khoshgoftaar, и D. Wang. Journal of Big data, 3 (1): 9 (2016)
4 лет назад , @becker
adaption
deep
domain
learning
nalab
network
networks
neural
p21
project:bmbf
relatedwork
review
survey
transfer
adaptiondeepdomainlearningnalabnetworknetworksneuralp21project:bmbfrelatedworkreviewsurveytransfer
(0)
копироватьудалитьдобавить публикацию в буфер
1A survey on transfer learning
S. Pan, и Q. Yang. IEEE Transactions on knowledge and data engineering, 22 (10): 1345--1359 (2009)
4 лет назад , @becker
adaption
deep
domain
learning
nalab
network
networks
neural
review
survey
transfer
adaptiondeepdomainlearningnalabnetworknetworksneuralreviewsurveytransfer
(0)
копироватьудалитьдобавить публикацию в буфер
4A survey on deep transfer learning
C. Tan, F. Sun, T. Kong, W. Zhang, C. Yang, и C. Liu. International conference on artificial neural networks, стр. 270--279. Springer, (2018)
4 лет назад , @becker
adaption
deep
domain
learning
nalab
network
networks
neural
project:bmbf
review
survey
transfer
adaptiondeepdomainlearningnalabnetworknetworksneuralproject:bmbfreviewsurveytransfer
(0)
копироватьудалитьдобавить публикацию в буфер
2Learning structured output representation using deep conditional generative models
K. Sohn, H. Lee, и X. Yan. Advances in neural information processing systems, стр. 3483--3491. (2015)
5 лет назад , @becker
afcs
autoencoder
cvae
deep
generative
model
network
neural
nn
var
variational
afcsautoencodercvaedeepgenerativemodelnetworkneuralnnvarvariational
(0)
копироватьудалитьдобавить публикацию в буфер
1Deep generative models of genetic variation capture the effects of mutations
A. Riesselman, J. Ingraham, и D. Marks. Nature Methods, 15 (10): 816--822 (2018)
5 лет назад , @becker
afcs
background
cvae
deep
gan
generative
genetics
information
knowledge
models
mutations
vae
afcsbackgroundcvaedeepgangenerativegeneticsinformationknowledgemodelsmutationsvae
(0)
копироватьудалитьдобавить публикацию в буфер
1AutoGP: Exploring the capabilities and limitations of Gaussian process models
K. Krauth, E. Bonilla, K. Cutajar, и M. Filippone. arXiv preprint arXiv:1610.05392, (2016)
5 лет назад , @becker
deep
gaussian
gp
learning
mnist
network
neural
process
deepgaussiangplearningmnistnetworkneuralprocess
(0)
копироватьудалитьдобавить публикацию в буфер
4Deep Gaussian Process for Crop Yield Prediction Based on Remote Sensing Data.
J. You, X. Li, M. Low, D. Lobell, и S. Ermon. AAAI, стр. 4559--4566. (2017)
6 лет назад , @becker
gaussian
process
deep
learning
neural
network
nn
remote
sensing
crop
yield
citedby:scholar:count:13
citedby:scholar:timestamp:2018-3-28
gaussianprocessdeeplearningneuralnetworknnremotesensingcropyieldcitedby:scholar:count:13citedby:scholar:timestamp:2018-3-28
(0)
копироватьудалитьдобавить публикацию в буфер
3A Spatiotemporal Prediction Framework for Air Pollution Based on Deep RNN
J. Fan, Q. Li, J. Hou, X. Feng, H. Karimian, и S. Lin. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, (2017)
6 лет назад , @becker
air
deep
eva
land
lur
network
neural
nn
p2map
pollution
quality
regression
temporal
use
airdeepevalandlurnetworkneuralnnp2mappollutionqualityregressiontemporaluse
(0)
копироватьудалитьдобавить публикацию в буфер

BibSonomy

закладки (спрятать)20
показать
всё
только закладки
закладки на страницу
5
10
20
50
100
RSS
BibTeX
XML

1Chen-Cai-OSU/awesome-equivariant-network: Paper list for equivariant neural network

1(56) Deep Learning — Andreas Geiger - YouTube

1The Best GPUs for Deep Learning in 2020 — An In-depth Analysis

1Best GPU for Deep Learning in 2022 (so far)

1hurcy/awesome-ehr-deeplearning: Curated list of awesome papers for electronic health records(EHR) mining, machine learning, and deep learning.

публикации (спрятать)42
показать
всё
только публикации
публикации на страницу
5
10
20
50
100
расширенный...
RSS
BibTeX
RDF
дальше...

7An overview of multi-task learning in deep neural networks

2Deep Neural Networks for High Dimension, Low Sample Size Data.

2Relational inductive biases, deep learning, and graph networks

2OmicsMapNet: Transforming omics data to take advantage of Deep Convolutional Neural Network for discovery

3Deep learning for time series classification: a review

2Deep learning for inferring gene relationships from single-cell expression data

2Utilizing Molecular Network Information via Graph Convolutional Neural Networks to Predict Metastatic Event in Breast Cancer.

1Evaluation of colorectal cancer subtypes and cell lines using deep learning

1Standard machine learning approaches outperform deep representation learning on phenotype prediction from transcriptomics data

1DeepInsight: A methodology to transform a non-image data to an image for convolution neural network architecture

2Deep learning of circulating tumour cells

1A robust and interpretable, end-to-end deep learning model for cytometry data

3A survey of transfer learning

1A survey on transfer learning

4A survey on deep transfer learning

2Learning structured output representation using deep conditional generative models

1Deep generative models of genetic variation capture the effects of mutations

1AutoGP: Exploring the capabilities and limitations of Gaussian process models

4Deep Gaussian Process for Crop Yield Prediction Based on Remote Sensing Data.

3A Spatiotemporal Prediction Framework for Air Pollution Based on Deep RNN

просмотр

сходные по теме тэги

концепции

тэги

закладки (спрятать)20 показатьвсётолько закладкизакладки на страницу5102050100 RSSBibTeXXML

публикации (спрятать)42 показатьвсётолько публикациипубликации на страницу5102050100 расширенный... RSSBibTeXRDFдальше...

просмотр

сходные по теме тэги

тэги

закладки (спрятать)20
показать
всё
только закладки
закладки на страницу
5
10
20
50
100
RSS
BibTeX
XML

публикации (спрятать)42
показать
всё
только публикации
публикации на страницу
5
10
20
50
100
расширенный...
RSS
BibTeX
RDF
дальше...