Zobrazeno 1 - 10
of 339
pro vyhledávání: '"Hübner, Marc"'
Autor:
Ahmad-Nejad Parviz, Bauersfeld Walter, Baum Hannsjörg, Behre Hermann M., Burkhardt Ralph, Cassens Uwe, Ceglarek Uta, Christmann Martin, Cremers Jann-Frederik, Diedrich Sabine, Döring Sybille, Gässler Norbert, Haase Gerhard, Haselmann Verena, Hofmann Jörg, Holdenrieder Stefan, Hübner Marc P., Hunfeld Klaus-Peter, Huzly Daniela, Kohlschmidt Nicolai, Köhn Frank-Michael, Kornak Uwe, Kreuzer Karl-Anton, Kunz Jürgen, Lackner Karl, Niendorf Sandra, Peetz Dirk, Petersmann Astrid, Pick Karl-Heinz, Rabenau Holger F., Sack Ulrich, Schächterle Carolin, Schaffer Sven, Schneider Sven, Schuppe Hans Christian, Seidl Christian, Tönnies Holger, Uhr Manfred, Ullmann Kerstin, Volkmann Martin, Weiss Nathalie, Wellinghausen Nele, Zeichhardt Heinz, App Urban, Auch Dieter, Barion Jürgen, Hiester Philipp, Kaiser Patricia, Klouche Mariam, Kolanowski-Albrecht Mandy, Macdonald Rainer, Malms-Fleschenberg Waltraut, Michelsen Andrea, Schellenberg Ingo, Schiffner Roman, Spannagl Michael, Stosch Rainer, van Diepen Laura, Wettmarshausen Sascha, Ziesing Stefan, Knabbe Cornelius, Schoerner Christoph, Kliesch Sabine, Nauck Matthias
Publikováno v:
Journal of Laboratory Medicine, Vol 48, Iss 6, Pp 263-306 (2024)
Externí odkaz:
https://doaj.org/article/53fd4752e341447c9c0398917df581be
Autor:
Risch, Frederic, Kazakov, Alexander, Specht, Sabine, Pfarr, Kenneth, Fischer, Peter U., Hoerauf, Achim, Hübner, Marc P.
Publikováno v:
In Trends in Parasitology September 2024 40(9):829-845
Definition Extraction systems are a valuable knowledge source for both humans and algorithms. In this paper we describe our submissions to the DeftEval shared task (SemEval-2020 Task 6), which is evaluated on an English textbook corpus. We provide a
Externí odkaz:
http://arxiv.org/abs/2103.17090
Publikováno v:
In International Journal for Parasitology April 2024 54(5):195-200
Representations in the hidden layers of Deep Neural Networks (DNN) are often hard to interpret since it is difficult to project them into an interpretable domain. Graph Convolutional Networks (GCN) allow this projection, but existing explainability m
Externí odkaz:
http://arxiv.org/abs/1909.10911
Distantly supervised relation extraction is widely used to extract relational facts from text, but suffers from noisy labels. Current relation extraction methods try to alleviate the noise by multi-instance learning and by providing supporting lingui
Externí odkaz:
http://arxiv.org/abs/1906.08646
Publikováno v:
Proceedings of AKBC 2019
Current state-of-the-art relation extraction methods typically rely on a set of lexical, syntactic, and semantic features, explicitly computed in a pre-processing step. Training feature extraction models requires additional annotated language resourc
Externí odkaz:
http://arxiv.org/abs/1906.03088
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Hawryluk, Natalie, Zhiru, Li, Carlow, Clotilde, Gokool, Suzanne, Townson, Simon, Kreiss, Tamara, Chojnowski, Agnieszka, Prorok, Monika, Siekierka, John, Ehrens, Alexandra, Koschel, Marianne, Lhermitte-Vallarino, Nathaly, Martin, Coralie, Hoerauf, Achim, Hernandez, Geraldine, Canan, Stacie, Khetani, Vikram, Zeldis, Jerome, Specht, Sabine, Hübner, Marc P., Scandale, Ivan
Publikováno v:
In International Journal for Parasitology: Drugs and Drug Resistance August 2022 19:89-97
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.