首页> 外文OA文献 >Balancing flexibility and robustness in machine learning: semi-parametric methods and sparse linear models

【2h】

Balancing flexibility and robustness in machine learning: semi-parametric methods and sparse linear models

机译：平衡机器学习的灵活性和稳健性：半参数方法和稀疏线性模型

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

摘要
著录项
引文网络
相似文献
相关主题

摘要

Tesis doctoral inédita. Universidad Autónoma de Madrid, Escuela Politécnica Superior, noviembre de 2010

机译：未发表的博士论文。马德里自治大学，高等专科学校，2010年11月

著录项

作者
Hernández-Lobato, José Miguel;
展开▼
作者单位

展开▼
年度 2010
总页数
原文格式 PDF
正文语种 eng
中图分类

相似文献

外文文献
中文文献
专利

1. Machine learning improves the precision and robustness of high-content screens: Using nonlinear multiparametric methods to analyze screening results [J] . Horvath P., Wild T., Kutay U., Journal of biomolecular screening: The official journal of the Society for Biomolecular Screening . 2011,第9期

机译：机器学习提高了高内涵屏幕的准确性和鲁棒性：使用非线性多参数方法分析筛选结果
2. Evaluation and comparison of different machine-learning methods to integrate sparse process data into a spatial model in geometallurgy [J] . Lishchuk Viktor, Lund Cecilia, Ghorbani Yousef Minerals Engineering . 2019,第期

机译：不同机器学习方法将稀疏过程数据集成到几何冶金中的空间模型中的评估与比较
3. Machine Learning Modeling of Beam Data of Multiple Linear Accelerators (LINACs) From Different Institutions and Its Practical Application in Fast and Robust LINAC Commissioning [J] . Schueler E., Zhao W., Patil I., Medical Physics . 2019,第6期

机译：不同机构多线性加速器（LINACS）光束数据的机器学习建模及其在快速稳健的LINAC调试中的实际应用
4. A framework for benchmarking machine learning methods using linear models for univariate time series prediction [C] . Rebecca Salles, Laura Assis, Gustavo Guedes, International Joint Conference on Neural Networks . 2017

机译：使用线性模型进行单变量时间序列预测的基准化机器学习方法的框架
5. Integrating Data-Driven Methods in Nonlinear Dynamical Systems: Control, Sparsity and Machine Learning [D] . Fu, Xing. 2014

机译：集成非线性动力系统中的数据驱动方法：控制，稀疏和机器学习
6. Construction of environmental risk score beyond standard linear models using machine learning methods: application to metal mixtures oxidative stress and cardiovascular disease in NHANES [O] . Sung Kyun Park, Zhangchen Zhao, Bhramar Mukherjee 2017

机译：使用机器学习方法构建超出标准线性模型的环境风险评分：应用于NHANES中的金属混合物氧化应激和心血管疾病
7. Optimization Methods for Supervised Machine Learning: From Linear Models to Deep Learning [O] . Curtis, Frank E., Scheinberg, Katya 2017

机译：监督机器学习的优化方法：来自线性模型深度学习

Balancing flexibility and robustness in machine learning: semi-parametric methods and sparse linear models

摘要

著录项

引文网络

相似文献

相关主题

期刊订阅