Zobrazeno 1 - 10
of 839
pro vyhledávání: '"Franks, P. W."'
Automated disease, weed and crop classification with computer vision will be invaluable in the future of agriculture. However, existing model architectures like ResNet, EfficientNet and ConvNeXt often underperform on smaller, specialised datasets typ
Externí odkaz:
http://arxiv.org/abs/2311.12088
Autor:
Zanoni, P., Khetarpal, S. A., Larach, D. B., Hancock-Cerutti, W. F., Millar, J. S., Cuchel, M., DerOhannessian, S., Kontush, A., Surendran, P., Saleheen, D., Trompet, S., Cooper, R. S., Chowdhury, R., Dedoussis, G., de Faire, U., Feranil, A. B., Sheu, W. H.- H., Ferrucci, L., Freimer, N. B., Gieger, C., Sengupta, S., Grallert, H., Groop, L. C., Gudnason, V., Tanaka, T., Gyllensten, U., Hamsten, A., Erdmann, J., Harris, T. B., Shuldiner, A. R., Hingorani, A., Hirschhorn, J. N., Gravito, M. L., Wilson, J. F., Hofman, A., Hovingh, G. K., Hsiung, C. A., Humphries, S. E., Teslovich, T. M., Hunt, S. C., Hveem, K., Iribarren, C., Siegbahn, A., Groves, C. J., Nordestgaard, B. G., Njolstad, I., Jarvelin, M.-R., Jula, A., Kahonen, M., Kaprio, J., Kesaniemi, A., Kivimaki, M., Thorleifsson, G., Kooner, J. S., Hallmans, G., Koudstaal, P. J., Kuulasmaa, K., Gustafsson, S., Krauss, R. M., Kuh, D., Nielsen, S. F., Kuusisto, J., Kyvik, K. O., Laakso, M., Lakka, T. A., Hartikainen, A.-L., Lind, L., Van den Herik, E. G., Lindgren, C. M., Kanoni, S., Spector, T. D., Martin, N. G., Marz, W., McCarthy, M. I., McKenzie, C. A., Tybjaerg-Hansen, A., Assimes, T. L., Meneton, P., Metspalu, A., Moilanen, L., Morris, A. D., Ganna, A., Voight, B. F., Stefansson, K., Munroe, P. B., van Pelt, L. J., Waite, L. L., Hayward, C., Strachan, D. P., Tayo, B. O., Tremoli, E., Tuomilehto, J., Uusitupa, M., Chen, J., van Duijn, C. M., Vollenweider, P., Wallentin, L., Liu, D. J., Hernandez, D., Vedantam, S., Wareham, N. J., Jukema, J. W., Whitfield, J. B., Wolffenbuttel, B. H. R., Ordovas, J. M., Buchkovich, M. L., Boerwinkle, E., Palmer, C. N. A., Thorsteinsdottir, U., Hicks, A. A., Chasman, D. I., Rotter, J. I., Wainwright, N., Franks, P. W., Perola, M., Wong, A., Riatti, S., Mora, S., Cupples, L. A., Sandhu, M. S., Rauramaa, R., Rich, S. S., Boehnke, M., Deloukas, P., Mohlke, K. L., Wijmenga, C., Ingelsson, E., Gu, D., Roberts, R., Beckmann, J. S., Wu, Y., Peloso, G. M., Blankenberg, S., Watkins, H., Clarke, R., Collins, R., Kim, B.-J., Wild, S. H., McPherson, R., Nieminen, M. S., Barroso, I., Holm, H., O'Donnell, C., Schreiber, S., Zhang, W., Salomaa, V., Zalloua, P. A., Mannisto, S., Amouyel, P., Willemsen, G., Arveiler, D., Hung, Y.-J., Bragg-Gresham, J. L., Ferrieres, J., Muller-Nurasyid, M., Ferrario, M., Kee, F., Absher, D., Willer, C. J., Samani, N., Schunkert, H., Butterworth, A. S., Sattar, N., Wilsgaard, T., Chang, H.-Y., Howson, J. M. M., Pedersen, N. L., Di Angelantonio, E., Demirkan, A., Den Hertog, H. M., Do, R., Donnelly, L. A., Ehret, G. B., Illig, T., Esko, T., Feitosa, M. F., Ferreira, T., Been, L. F., Power, C., Fischer, K., Song, C., Fontanillas, P., Fraser, R. M., Freitag, D. F., Jones, M. R., Gurdasani, D., Heikkila, K., Hypponen, E., Isaacs, A., Jackson, A. U., Pramstaller, P. P., Johansson, A., Bolton, J. L., Young, E. H., Johnson, T., Kaleebu, P., Kaakinen, M., Kettunen, J., Kleber, M. E., Li, X., Luan, J., Lyytikainen, L.-P., Price, J. F., Magnusson, P. K. E., Mangino, M., Mihailov, E., Kastelein, J. J. P., Zhao, J. H., Bonnycastle, L. L., Montasser, M. E., Nolte, I. M., OConnell, J. R., Palmer, C. D., Petersen, A.-K., Schmidt, R. F., Sanna, S., Saxena, R., Bandinelli, S., Service, S. K., Shah, S., Adair, L. S., Shungin, D., Brambilla, P., Sidore, C., De Craen, A., Burnett, M. S., Psaty, B. M., Cesana, G., Khaw, K.-T., Dimitriou, M., Doney, A. S. F., Doring, A., Elliott, P., Epstein, S. E., Eyjolfsson, G. I., Gigante, B., Goodarzi, M. O., Quertermous, T., Kim, E., Stitziel, N. O., Volcik, K. A., Klopp, N., Komulainen, P., Kumari, M., Langenberg, C., Ford, I., Lehtimaki, T., Lin, S.-Y., Lindstrom, J., Bennett, F., Danesh, J., Loos, R. J. F., Uitterlinden, A. G., Mach, F., McArdle, W. L., Meisinger, C., Mitchell, B. D., Muller, G., Nagaraja, R., Packard, C., Narisu, N., Kathiresan, S., Nieminen, T. V. M., Bochud, M., Nsubuga, R. N., Olafsson, I., Ong, K. K., Palotie, A., Papamarkou, T., Pomilla, C., Pouta, A., Rader, D. J., Reilly, M. P., Majumder, A. a. S., Ridker, P. M., Sanghera, D. K., Boehm, B. O., Rivadeneira, F., Rudan, I., Ruokonen, A., Scharnagl, H., Seeley, J., Asiki, G., Silander, K., Stancakova, A., Stirrups, K., Swift, A. J., Saramies, J., Alam, D. S., Boomsma, D. I., Tiret, L., Strawbridge, R. J., Abecasis, G., Watson, S., Borecki, I. B., Bornstein, S. R., Bovet, P., Burnier, M., Campbell, H., Schwarz, P. E. H., Chakravarti, A., Chambers, J. C., Chen, Y.-D. I., Collins, F. S., Schmidt, E. M., Surakka, I.
Scavenger receptor BI (SR-BI) is the major receptor for high-density lipoprotein (HDL) cholesterol (HDL-C). In humans, high amounts of HDL-C in plasma are associated with a lower risk of coronary heart disease (CHD). Mice that have depleted Scarb1 (S
Externí odkaz:
http://hdl.handle.net/10150/623258
http://arizona.openrepository.com/arizona/handle/10150/623258
http://arizona.openrepository.com/arizona/handle/10150/623258
One of the most important lessons from the success of deep learning is that learned representations tend to perform much better at any task compared to representations we design by hand. Yet evolution of evolvability algorithms, which aim to automati
Externí odkaz:
http://arxiv.org/abs/2103.10790
Autor:
Murray, Benjamin, Kerfoot, Eric, Graham, Mark S., Sudre, Carole H., Molteni, Erika, Canas, Liane S., Antonelli, Michela, Klaser, Kerstin, Visconti, Alessia, Chan, Andrew T., Franks, Paul W., Davies, Richard, Wolf, Jonathan, Spector, Tim, Steves, Claire J., Modat, Marc, Ourselin, Sebastien
The Covid Symptom Study, a smartphone-based surveillance study on COVID-19 symptoms in the population, is an exemplar of big data citizen science. Over 4.7 million participants and 189 million unique assessments have been logged since its introductio
Externí odkaz:
http://arxiv.org/abs/2011.00867
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.
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.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Networks describe a range of social, biological and technical phenomena. An important property of a network is its degree correlation or assortativity, describing how nodes in the network associate based on their number of connections. Social network
Externí odkaz:
http://arxiv.org/abs/1701.08671