Zobrazeno 1 - 10
of 549
pro vyhledávání: '"Lee, Brian K."'
Autor:
Ku, Elaine, Legaspi, Sabrina, Copeland, Timothy P., Adey, Deborah B., Whelan, Adrian M., Roll, Garrett R., McCulloch, Charles E., Lee, Brian K., Johansen, Kirsten L.
Publikováno v:
In Kidney Medicine November 2024 6(11)
Autor:
Michelin, Richard M., Manuputy, Isaac, Rangarajan, Rajesh, Lee, Brian K., Schultzel, Mark, Itamura, John M.
Publikováno v:
In Journal of Shoulder and Elbow Surgery June 2024 33(6) Supplement:S93-S103
Autor:
Michelin, Richard M., Manuputy, Isaac, Schulz, Brian M., Schultzel, Mark, Lee, Brian K., Itamura, John M.
Publikováno v:
In JSES International January 2024 8(1):222-226
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Song, Wei, Salzer, Mark S., Becker, Alec, Vanness, David J., Lee, Brian K., Cooper, Dylan, Ventimiglia, Jonas, Shea, Lindsay L.
Publikováno v:
In Research in Autism Spectrum Disorders November 2023 109
Autor:
Sanchez-Lengeling, Benjamin, Wei, Jennifer N., Lee, Brian K., Gerkin, Richard C., Aspuru-Guzik, Alán, Wiltschko, Alexander B.
Predicting the relationship between a molecule's structure and its odor remains a difficult, decades-old task. This problem, termed quantitative structure-odor relationship (QSOR) modeling, is an important challenge in chemistry, impacting human nutr
Externí odkaz:
http://arxiv.org/abs/1910.10685
Autor:
Thomas, Christie P, Daloul, Reem, Lentine, Krista L, Gohh, Reginald, Anand, Prince M, Rasouly, Hila Milo, Sharfuddin, Asif A, Schlondorff, Johannes, Rodig, Nancy, Freese, Margaret E, Garg, Neetika, Lee, Brian K, Caliskan, Yasar
Publikováno v:
In American Journal of Transplantation February 2023
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Moldovan, Dan, Decker, James M, Wang, Fei, Johnson, Andrew A, Lee, Brian K, Nado, Zachary, Sculley, D, Rompf, Tiark, Wiltschko, Alexander B
There is a perceived trade-off between machine learning code that is easy to write, and machine learning code that is scalable or fast to execute. In machine learning, imperative style libraries like Autograd and PyTorch are easy to write, but suffer
Externí odkaz:
http://arxiv.org/abs/1810.08061