( en | de | ru )

 

Disambiguierung von "Fedorov, Alex"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
On Self-Supervised Multimodal Representation Learning: An Application To Alzheimer's Disease.

, , , , , , , und . ISBI, Seite 1548-1552. IEEE, (2021)

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.

Kirill Fedorov

Sergej Fedorov

Maxim Fedorov

Andrej Fedorov

Mikhail Fedorov

 

Weitere Publikationen von Autoren mit dem selben Namen

Taxonomy of multimodal self-supervised representation learning., , , , , , , , und . CoRR, (2020)Prediction of Progression to Alzheimer's disease with Deep InfoMax., , , , , , und . BHI, Seite 1-5. IEEE, (2019)Self-supervised multimodal neuroimaging yields predictive representations for a spectrum of Alzheimer's phenotypes., , , , , , , , , und . CoRR, (2022)Enabling Pre-Shock State Detection using Electrogram Signals from Implantable Cardioverter-Defibrillators., , , , , , und . WWW (Companion Volume), Seite 1138-1141. ACM, (2024)Whole MILC: Generalizing Learned Dynamics Across Tasks, Datasets, and Populations., , , , , , und . MICCAI (7), Volume 12267 von Lecture Notes in Computer Science, Seite 407-417. Springer, (2020)End-to-end learning of brain tissue segmentation from imperfect labeling., , , , , und . CoRR, (2016)Learning deep representations by mutual information estimation and maximization., , , , , , und . ICLR, OpenReview.net, (2019)End-to-end learning of brain tissue segmentation from imperfect labeling., , , , , und . IJCNN, Seite 3785-3792. IEEE, (2017)Self-supervised multimodal learning for group inferences from MRI data: Discovering disorder-relevant brain regions and multimodal links., , , , , , , , , und 1 andere Autor(en). NeuroImage, (Januar 2024)Learnt dynamics generalizes across tasks, datasets, and populations., , , , , und . CoRR, (2019)