( en | de | ru )

 

Disambiguierung von "Shukla, Satya Narayan"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Prediction and imputation in irregularly sampled clinical time series data using hierarchical linear dynamical models.

, , , , und . EMBC, Seite 3660-3663. IEEE, (2017)

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.

Chitkala Satyanarayana

Satya Narain

Satya Bhowmik

Satya Prakash

Kirti Shukla

 

Weitere Publikationen von Autoren mit dem selben Namen

Interpolation-Prediction Networks for Irregularly Sampled Time Series., und . ICLR (Poster), OpenReview.net, (2019)Heteroscedastic Temporal Variational Autoencoder For Irregularly Sampled Time Series., und . CoRR, (2021)Heteroscedastic Temporal Variational Autoencoder For Irregularly Sampled Time Series., und . ICLR, OpenReview.net, (2022)A Survey on Principles, Models and Methods for Learning from Irregularly Sampled Time Series: From Discretization to Attention and Invariance., und . CoRR, (2020)Integrating Physiological Time Series and Clinical Notes with Deep Learning for Improved ICU Mortality Prediction., und . CoRR, (2020)Prediction and imputation in irregularly sampled clinical time series data using hierarchical linear dynamical models., , , , und . EMBC, Seite 3660-3663. IEEE, (2017)Multi-Time Attention Networks for Irregularly Sampled Time Series., und . ICLR, OpenReview.net, (2021)Revisiting Kernel Temporal Segmentation as an Adaptive Tokenizer for Long-form Video Understanding., , , , , und . ICCV (Workshops), Seite 1181-1186. IEEE, (2023)Estimation of blood pressure from non-invasive data.. EMBC, Seite 1772-1775. IEEE, (2017)Simple and Efficient Hard Label Black-box Adversarial Attacks in Low Query Budget Regimes., , , und . KDD, Seite 1461-1469. ACM, (2021)