( en | de | ru )

 

Disambiguierung von "Murata, Tsuyoshi"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Edge Weight Method for Community Detection in Scale-Free Networks.

, und . WIMS, Seite 15:1-15:9. ACM, (2014)

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.

Harumi Murata

Tsuyoshi Takagi

Hiroshi Murata

Tsuyoshi Matsuda

Christine Moll-Murata

 

Weitere Publikationen von Autoren mit dem selben Namen

Towards Robust Compressed Convolutional Neural Networks., , , und . BigComp, Seite 1-8. IEEE, (2019)Discovering and Visualizing Network Communities., und . Web Intelligence/IAT Workshops, Seite 217-220. IEEE Computer Society, (2007)Fast Optimization of Hamiltonian for Constrained Community Detection., und . CompleNet, Volume 597 von Studies in Computational Intelligence, Seite 79-89. Springer, (2015)Modularity-based selection of the number of slices in temporal network clustering., , , , , und . CoRR, (2023)A method of inductive machine discovery based on experimental data acquisition., und . Syst. Comput. Jpn., 32 (4): 69-75 (2001)Modularity for Bipartite Networks.. Data Mining for Social Network Data, Volume 12 von Annals of Information Systems, Springer, (2010)An Efficient Algorithm for Optimizing Bipartite Modularity in Bipartite Networks., und . J. Adv. Comput. Intell. Intell. Informatics, 14 (4): 408-415 (2010)Modeling the Co-evolving Polarization of Opinion and News Propagation Structure in Social Media., und . COMPLEX NETWORKS (2), Volume 813 von Studies in Computational Intelligence, Seite 314-326. Springer, (2018)Predicting relations of embedded RDF entities by Deep Neural Network., , , , , , und . ISWC (Posters, Demos & Industry Tracks), Volume 1963 von CEUR Workshop Proceedings, CEUR-WS.org, (2017)Measuring Graph Reconstruction Precisions: How Well Do Embeddings Preserve the Graph Proximity Structure?, , und . WIMS, Seite 25:1-25:4. ACM, (2018)