Zobrazeno 1 - 10
of 1 101
pro vyhledávání: '"Léger, Jean"'
Latent variable models are powerful tools for modeling complex phenomena involving in particular partially observed data, unobserved variables or underlying complex unknown structures. Inference is often difficult due to the latent structure of the m
Externí odkaz:
http://arxiv.org/abs/2306.12841
Autor:
Leger, Jean-Benoist
We present in this paper a way to transform a constrained statistical inference problem into an unconstrained one in order to be able to use modern computational methods, such as those based on automatic differentiation, GPU computing, stochastic gra
Externí odkaz:
http://arxiv.org/abs/2301.08297
Publikováno v:
In Bulletin de l'Académie Nationale de Médecine March 2024 208(3):265-273
Publikováno v:
In Bulletin de l'Académie Nationale de Médecine February 2024 208(2):119-130
Missing data can be informative. Ignoring this information can lead to misleading conclusions when the data model does not allow information to be extracted from the missing data. We propose a co-clustering model, based on the Latent Block Model, tha
Externí odkaz:
http://arxiv.org/abs/2010.12222
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Leger, Jean-Christophe
This paper provides (in french) a framework for an alternative demonstration of result of Khimshiashvili and Panina on the characterization of critical points of the area on the manifold of polygons with fixed sidelengths as being the cocyclical poly
Externí odkaz:
http://arxiv.org/abs/1805.05423
Publikováno v:
In Computers in Biology and Medicine September 2022 148
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Leger, Jean-Benoist
Analysis of the topology of a graph, regular or bipartite one, can be done by clustering for regular ones or co-clustering for bipartite ones. The Stochastic Block Model and the Latent Block Model are two models, which are very similar for respective
Externí odkaz:
http://arxiv.org/abs/1602.07587