Zobrazeno 1 - 10
of 109
pro vyhledávání: '"C. Cresswell"'
Publikováno v:
Nature Communications, Vol 14, Iss 1, Pp 1-10 (2023)
Abstract Institutions in highly regulated domains such as finance and healthcare often have restrictive rules around data sharing. Federated learning is a distributed learning framework that enables multi-institutional collaborations on decentralized
Externí odkaz:
https://doaj.org/article/8dd8582fd7db477994702bdb0284158c
Publikováno v:
Scientific Reports, Vol 12, Iss 1, Pp 1-10 (2022)
Abstract The artificial intelligence revolution has been spurred forward by the availability of large-scale datasets. In contrast, the paucity of large-scale medical datasets hinders the application of machine learning in healthcare. The lack of publ
Externí odkaz:
https://doaj.org/article/8edc540f8f3c4484bb5448977881b874
Publikováno v:
Journal of High Energy Physics, Vol 2019, Iss 3, Pp 1-26 (2019)
Abstract We study the holographic duality between boundary OPE blocks and geodesic integrated bulk fields in quotients of AdS3 dual to excited CFT states. The quotient geometries exhibit non-minimal geodesics between pairs of spacelike separated boun
Externí odkaz:
https://doaj.org/article/5aa7718854894228a5abf5a5ac3f7138
Autor:
Jesse C. Cresswell, Amanda W. Peet
Publikováno v:
Journal of High Energy Physics, Vol 2017, Iss 11, Pp 1-33 (2017)
Abstract Kinematic space can be used as an intermediate step in the AdS/CFT dictionary and lends itself naturally to the description of diffeomorphism invariant quantities. From the bulk it has been defined as the space of boundary anchored geodesics
Externí odkaz:
https://doaj.org/article/6f7b9dac4e6f43f0a6fe142af0caeee5
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.
Institutions in highly regulated domains such as finance and healthcare often have restrictive rules around data sharing. Federated learning is a distributed learning framework that enables multi-institutional collaborations on decentralized data wit
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::8d5f236360fce52722c7d46a5c36bb15
http://arxiv.org/abs/2111.11343
http://arxiv.org/abs/2111.11343
Publikováno v:
Scientific Reports, Vol 12, Iss 1, Pp 1-10 (2022)
Scientific Reports
Scientific Reports
The artificial intelligence revolution has been spurred forward by the availability of large-scale datasets. In contrast, the paucity of large-scale medical datasets hinders the application of machine learning in healthcare. The lack of publicly avai
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::e2d8e8b5f70d29d09e9e707b2beae602
https://doi.org/10.21203/rs.3.rs-1005694/v1
https://doi.org/10.21203/rs.3.rs-1005694/v1
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.