首页> 外文OA文献 >Automatic learning of proof methods in proof planning

【2h】

Automatic learning of proof methods in proof planning

机译：自动学习证明计划中的证明方法

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Mateja Jamnik; Manfred Kerber; Christoph Benzmüller;
展开▼
作者单位

展开▼
年度 2002
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Machine learning methods to predict child posttraumatic stress: a proof of concept study [J] . Glenn N. Saxe, Sisi Ma, Jiwen Ren, BMC Psychiatry . 2017,第1期

机译：机器学习方法预测儿童创伤后应激：概念研究的证明
2. Intelligent inverse treatment planning via deep reinforcement learning, a proof-of-principle study in high dose-rate brachytherapy for cervical cancer [J] . Shen Chenyang, Gonzalez Yesenia, Klages Peter, Physics in medicine and biology. . 2019,第11期

机译：通过深度增强学习，宫颈癌高剂量速率近距离放射治疗的原则性逆治疗规划
3. Automatic IMRT Planning Via Static Field Fluence Prediction (AIP-SFFP): A Deep Learning Method for Real-Time Prostate Treatment Planning [J] . Li X., Zhang J., Sheng Y., Medical Physics . 2019,第6期

机译：通过静态场测量预测（AIP-SFFP）自动IMRT规划：实时前列腺治疗规划的深度学习方法
4. Automatic Learning of Proof Methods in Proof Planning [C] . Mateja Jamnik, Manfred Kerber, Martin Pollet, AISB Convention . 2007

机译：证明规划证明方法的自动学习
5. A Deep-learning Method of Automatic VMAT Planning Via MLC Dynamic Sequence Prediction (AVP-DSP) Using 3D Dose Prediction: a Feasibility Study of Prostate Radiotherapy Application [D] . Ni, Yimin. 2020

机译：使用3D剂量预测通过MLC动态序列预测（AVP-DSP）自动VMAT规划的深度学习方法：前列腺放射治疗应用的可行性研究
6. Machine learning methods to predict child posttraumatic stress: a proof of concept study [O] . Glenn N. Saxe, Sisi Ma, Jiwen Ren, 2017

机译：机器学习方法预测儿童创伤后压力：概念研究的证明
7. METHODOLOGY OF LEARNING TECHNICAL ELEMENTS AND PROOF OF SUCCESS OF ANALYTIC AND SYNTHETIC METHOD IN THE LEARNING OF GYMNASTIC ELEMENTS [O] . Bytyqi Sahadete 2014

机译：学习体操元素的技术元素的方法论及分析和综合方法的成功性
8. Learning Completable Reactive Plans through Achievability Proofs [R] . Gervasio, M. T. 1990

机译：通过可实现性证明学习可完成的反应计划

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

客服微信
服务号