University of Maryland, Baltimore County.;
机译:结构化贝叶斯高斯过程潜在变量模型:应用于数据驱动的维度降低和高维反转
机译:高维贝叶斯密度估计的变量选择:在人体暴露模拟中的应用
机译:高维贝叶斯变量选择的计算复杂度
机译:学习预测子空间的贝叶斯多维型维度减少
机译:稀疏的偏最小二乘回归,可同时进行降维和变量选择,并应用于高维基因组数据
机译:高维神经影像数据的贝叶斯多分辨率变量选择
机译:用于高维数据缩减,选择性估计和最近邻搜索的高效子空间采样框架