Zobrazeno 1 - 10
of 164
pro vyhledávání: '"Lambert, Christophe G."'
Autor:
Kumar, Praveen, Lambert, Christophe G.
Positive and Unlabeled (PU) learning is a type of semi-supervised binary classification where the machine learning algorithm differentiates between a set of positive instances (labeled) and a set of both positive and negative instances (unlabeled). P
Externí odkaz:
http://arxiv.org/abs/2303.08269
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.
Autor:
Morales, Daniel R, Conover, Mitchell M, You, Seng Chan, Pratt, Nicole, Kostka, Kristin, Duarte-Salles, Talita, Fernández-Bertolín, Sergio, Aragón, Maria, DuVall, Scott L, Lynch, Kristine, Falconer, Thomas, van Bochove, Kees, Sung, Cynthia, Matheny, Michael E, Lambert, Christophe G, Nyberg, Fredrik, Alshammari, Thamir M, Williams, Andrew E, Park, Rae Woong, Weaver, James, Sena, Anthony G, Schuemie, Martijn J, Rijnbeek, Peter R, Williams, Ross D, Lane, Jennifer C E, Prats-Uribe, Albert, Zhang, Lin, Areia, Carlos, Krumholz, Harlan M, Prieto-Alhambra, Daniel, Ryan, Patrick B, Hripcsak, George, Suchard, Marc A *
Publikováno v:
In The Lancet Digital Health February 2021 3(2):e98-e114
Autor:
Lane, Jennifer C E, Weaver, James, Kostka, Kristin, Duarte-Salles, Talita, Abrahao, Maria Tereza F, Alghoul, Heba, Alser, Osaid, Alshammari, Thamir M, Biedermann, Patricia, Banda, Juan M, Burn, Edward, Casajust, Paula, Conover, Mitchell M, Culhane, Aedin C, Davydov, Alexander, DuVall, Scott L, Dymshyts, Dmitry, Fernandez-Bertolin, Sergio, Fišter, Kristina, Hardin, Jill, Hester, Laura, Hripcsak, George, Kaas-Hansen, Benjamin Skov, Kent, Seamus, Khosla, Sajan, Kolovos, Spyros, Lambert, Christophe G, van der Lei, Johan, Lynch, Kristine E, Makadia, Rupa, Margulis, Andrea V, Matheny, Michael E, Mehta, Paras, Morales, Daniel R, Morgan-Stewart, Henry, Mosseveld, Mees, Newby, Danielle, Nyberg, Fredrik, Ostropolets, Anna, Park, Rae Woong, Prats-Uribe, Albert, Rao, Gowtham A, Reich, Christian, Reps, Jenna, Rijnbeek, Peter, Sathappan, Selva Muthu Kumaran, Schuemie, Martijn, Seager, Sarah, Sena, Anthony G, Shoaibi, Azza, Spotnitz, Matthew, Suchard, Marc A, Torre, Carmen O, Vizcaya, David, Wen, Haini, de Wilde, Marcel, Xie, Junqing, You, Seng Chan, Zhang, Lin, Zhuk, Oleg, Ryan, Patrick *, Prieto-Alhambra, Daniel
Publikováno v:
In The Lancet Rheumatology November 2020 2(11):e698-e711
Autor:
Nestsiarovich, Anastasiya, Kerner, Berit, Mazurie, Aurélien J., Cannon, Daniel C., Hurwitz, Nathaniel G., Zhu, Yiliang, Nelson, Stuart J., Oprea, Tudor I., Crisanti, Annette S., Tohen, Mauricio, Perkins, Douglas J., Lambert, Christophe G. *
Publikováno v:
In Psychoneuroendocrinology February 2020 112
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Nestsiarovich, Anastasiya, Kerner, Berit, Mazurie, Aurélien J., Cannon, Daniel C., Hurwitz, Nathaniel G., Zhu, Yiliang, Nelson, Stuart J., Oprea, Tudor I., Unruh, Mark L., Crisanti, Annette S., Tohen, Mauricio, Perkins, Douglas J., Lambert, Christophe G.
Publikováno v:
In Journal of Affective Disorders 1 June 2019 252:201-211
Autor:
Metzger, Vincent T., Cannon, Daniel C., Yang, Jeremy J., Mathias, Stephen L., Bologa, Cristian G., Waller, Anna, Schürer, Stephan C., Dušica Vidović, Jensen, Lars Juhl, Lambert, Christophe G., Oprea, Tudor I., Edwards, Jeremy S.
Target Importance and Novelty eXplorer (TIN-X) is an Interactive web-based visualization tool for illuminating associations between diseases and drug targets. TIN-X uses natural language processing to identify disease and protein mentions within PubM
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::6f00b8d8ec0a8069b8891c4d51f1afde
Autor:
Kumar, Praveen, Lambert, Christophe G.
Positive and Unlabeled (PU) learning is a type of semi-supervised binary classification where the machine learning algorithm differentiates between a set of positive instances (labeled) and a set of both positive and negative instances (unlabeled). P
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::3e3a182b22c13b5406de6a1319dd990e