Zobrazeno 1 - 10
of 32
pro vyhledávání: '"He, Shushan"'
As recruitment and talent acquisition have become more and more competitive, recruitment firms have become more sophisticated in using machine learning (ML) methodologies for optimizing their day to day activities. But, most of published ML based met
Externí odkaz:
http://arxiv.org/abs/2411.15182
We propose a novel learning framework using neural mean-field (NMF) dynamics for inference and estimation problems on heterogeneous diffusion networks. Our new framework leverages the Mori-Zwanzig formalism to obtain an exact evolution equation of th
Externí odkaz:
http://arxiv.org/abs/2106.02608
We propose a novel learning framework based on neural mean-field dynamics for inference and estimation problems of diffusion on networks. Our new framework is derived from the Mori-Zwanzig formalism to obtain an exact evolution of the node infection
Externí odkaz:
http://arxiv.org/abs/2006.09449
Autor:
He, Shushan, Maibaum, Lutz
Publikováno v:
Journal of Physical Chemistry B 2018, 122 (14), 3961
Understanding the (de)mixing behavior of multicomponent lipid bilayers is an important step towards unraveling the nature of spatial composition heterogeneities in cellular membranes and their role in biological function. We use coarse-grained molecu
Externí odkaz:
http://arxiv.org/abs/1801.05495
Autor:
He, Shushan
We propose two novel learning frameworks using neural mean-field (NMF) dynamics for inference and estimation problems on heterogeneous diffusion networks in discrete-time and continuous-time setting, respectively. The frameworks leverages the Mori-Zw
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::19b4dca8c029debefa21934356b1ebf4
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.
Publikováno v:
Journal of Graph Theory; Mar2020, Vol. 93 Issue 3, p440-449, 10p
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.