Zobrazeno 1 - 10
of 122
pro vyhledávání: '"A.H. Gee"'
Autor:
N.A. Segal, S.E. Ghobrial, M.R. Williams, C.J. Tonkin, G.M. Treece, A.H. Gee, K.E. Poole, T. Neogi, M.C. Nevitt, J.A. Lynch, T.D. Turmezei
Publikováno v:
Osteoarthritis and Cartilage. 31:S278-S279
Autor:
N.A. Segal, M.R. Williams, S. Roques, C.J. Tonkin, G.M. Treece, A.H. Gee, K.E. Poole, T. Neogi, M.C. Nevitt, J.A. Lynch, T.D. Turmezei
Publikováno v:
Osteoarthritis and Cartilage. 31:S276-S277
Autor:
S.E. Ghobrial, M.R. Williams, C.J. Tonkin, G.M. Treece, A.H. Gee, K.E.S. Poole, T. Neogi, M.C. Nevitt, J.A. Lynch, N.A. Segal, T.D. Turmezei
Publikováno v:
Osteoarthritis Imaging. 2:100047
Autor:
M.R. Williams, S. Roques, C.J. Tonkin, G.M. Treece, A.H. Gee, K.E.S. Poole, T. Neogi, M.C. Nevitt, J.A. Lynch, N.A. Segal, T.D. Turmezei
Publikováno v:
Osteoarthritis Imaging. 2:100025
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
In this paper, we derive an EM algorithm for nonlinear state space models. We use it to estimate jointly the neural network weights, the model uncertainty and the noise in the data. In the E-step we apply a forward-backward Rauch-Tung-Striebel smooth
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::f9a4881820e210add309e122560246e5
https://ora.ox.ac.uk/objects/uuid:ba72d7f8-ed2b-4005-9330-abef2f073ad3
https://ora.ox.ac.uk/objects/uuid:ba72d7f8-ed2b-4005-9330-abef2f073ad3
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Scopus-Elsevier
We discuss a novel strategy for training neural networks using sequential Monte Carlo algorithms and propose a new hybrid gradient descent/sampling importance resampling algorithm (HySIR). In terms of computational time and accuracy, the hybrid SIR i
Publikováno v:
Neural Computation. 12:933-953
We show that a hierarchical Bayesian modeling approach allows us to perform regularization in sequential learning. We identify three inference levels within this hierarchy: model selection, parameter estimation, and noise estimation. In environments
Publikováno v:
IEEE transactions on circuits and systems. II. 42(1):39-45
In this paper we derive stability conditions of local minima and their convergence regions of the Hopfield neural network when the diagonal elements of the coefficient matrix are all nonzero. Then for the traveling salesman problem (TSP) we clarify t