Zobrazeno 1 - 10
of 25
pro vyhledávání: '"KHOSHRAFTAR, SHIMA"'
Autor:
Khoshraftar, Shima, An, Aijun
Graphs representation learning has been a very active research area in recent years. The goal of graph representation learning is to generate graph representation vectors that capture the structure and features of large graphs accurately. This is esp
Externí odkaz:
http://arxiv.org/abs/2204.01855
Many real world networks are very large and constantly change over time. These dynamic networks exist in various domains such as social networks, traffic networks and biological interactions. To handle large dynamic networks in downstream application
Externí odkaz:
http://arxiv.org/abs/1911.01551
Learning network representations is a fundamental task for many graph applications such as link prediction, node classification, graph clustering, and graph visualization. Many real-world networks are interpreted as dynamic networks and evolve over t
Externí odkaz:
http://arxiv.org/abs/1910.01963
Network representation learning in low dimensional vector space has attracted considerable attention in both academic and industrial domains. Most real-world networks are dynamic with addition/deletion of nodes and edges. The existing graph embedding
Externí odkaz:
http://arxiv.org/abs/1812.02356
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:
BMC Genomics, Vol 12, Iss 1, p 280 (2011)
Abstract Background DNA oligonucleotides are a very useful tool in biology. The best algorithms for designing good DNA oligonucleotides are filtering out unsuitable regions using a seeding approach. Determining the quality of the seeds is crucial for
Externí odkaz:
https://doaj.org/article/793fbf953cfd4ab4879ce7075d3a2a84
Publikováno v:
Archives (00039535). 2018, Vol. 53 Issue 137, p1-33. 33p.
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.