Zobrazeno 1 - 10
of 147
pro vyhledávání: '"Ahsen, Mehmet Eren"'
Publikováno v:
In iScience 15 March 2024 27(3)
Autor:
Ivanov, Anton, Mukherjee, Ujjal Kumar, Bose, Subhonmesh, Seshadri, Sridhar, Watkins, Ronald, England, Albert Charles, Suriano, Jacqueline, Ahsen, Mehmet Eren, Souyris, Sebastian
Publikováno v:
In iScience 19 January 2024 27(1)
Learning algorithms that aggregate predictions from an ensemble of diverse base classifiers consistently outperform individual methods. Many of these strategies have been developed in a supervised setting, where the accuracy of each base classifier c
Externí odkaz:
http://arxiv.org/abs/1802.04684
Publikováno v:
Proceedings of the National Academy of Sciences of the United States of America, 2021 Aug . 118(34), 1-11.
Externí odkaz:
https://www.jstor.org/stable/27075506
In this paper, the problem of one-bit compressed sensing (OBCS) is formulated as a problem in probably approximately correct (PAC) learning. It is shown that the Vapnik-Chervonenkis (VC-) dimension of the set of half-spaces in $\mathbb{R}^n$ generate
Externí odkaz:
http://arxiv.org/abs/1710.07973
Autor:
Roy, Subhrajit, Kiral, Isabell, Mirmomeni, Mahtab, Mummert, Todd, Braz, Alan, Tsay, Jason, Tang, Jianbin, Asif, Umar, Schaffter, Thomas, Ahsen, Mehmet Eren, Iwamori, Toshiya, Yanagisawa, Hiroki, Poonawala, Hasan, Madan, Piyush, Qin, Yong, Picone, Joseph, Obeid, Iyad, Marques, Bruno De Assis, Maetschke, Stefan, Khalaf, Rania, Rosen-Zvi, Michal, Stolovitzky, Gustavo, Harrer, Stefan
Publikováno v:
In eBioMedicine April 2021 66
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
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 introduce a new optimization formulation for sparse regression and compressed sensing, called CLOT (Combined L-One and Two), wherein the regularizer is a convex combination of the $\ell_1$- and $\ell_2$-norms. This formulation differ
Externí odkaz:
http://arxiv.org/abs/1410.8229