Zobrazeno 1 - 10
of 206
pro vyhledávání: '"Heinrich, Sebastian"'
Autor:
Heinrich, Sebastian
In [arXiv:1509.02937], the notion of a module tensor category was introduced as a braided monoidal central functor $F\colon \mathcal{V}\longrightarrow \mathcal{T}$ from a braided monoidal category $\mathcal{V}$ to a monoidal category $\mathcal{T}$, w
Externí odkaz:
http://arxiv.org/abs/2309.12093
Autor:
Heinrich, Sebastian J.
Publikováno v:
Kostenfrei.
Freiburg i. Br., Universiẗat, Diss., 2008.
Externí odkaz:
http://nbn-resolving.de/urn:nbn:de:bsz:25-opus-60521
Autor:
Heinrich, Sebastian1 (AUTHOR), Seliger, Florian1,2 (AUTHOR) seliger@kof.ethz.ch, Wörter, Martin1 (AUTHOR)
Publikováno v:
PLoS ONE. 8/15/2022, Vol. 17 Issue 8, p1-20. 20p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Moritz, Andreas ∗, Heinrich, Sebastian, Irouschek, Andrea, Birkholz, Torsten, Prottengeier, Johannes, Schmidt, Joachim
Publikováno v:
In Journal of Emergency Medicine January 2017 52(1):8-15
Publikováno v:
KOF Working Papers, 511
This paper studies the global synchronicity of technology and its impact on the economy. We employ dynamic factor analysis to decompose patent data in different digital technologies for various countries into global and country-speciffc factors. Our
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::39c1d138e48f4b6be7f2c435ea0403a1
https://hdl.handle.net/20.500.11850/611531
https://hdl.handle.net/20.500.11850/611531
Autor:
Heinrich, Sebastian, Ackermann, Andreas, Prottengeier, Johannes, Castellanos, Ixchel, Schmidt, Joachim, Schüttler, Jürgen
Publikováno v:
In Journal of Cardiothoracic and Vascular Anesthesia December 2015 29(6):1537-1543
Publikováno v:
Jakob, Martina Saskia; Heinrich, Sebastian (2023). Measuring Human Capital with Social Media Data and Machine Learning (University of Bern Social Sciences Working Papers 46). Bern: University of Bern, Department of Social Sciences
In response to persistent gaps in the availability of survey data, a new strand of research leverages alternative data sources through machine learning to track global development. While previous applications have been successful at predicting outcom
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::e5530e653512a6369964bbdacefa5a43
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.