Zobrazeno 1 - 7
of 7
pro vyhledávání: '"Montero, Ana Barragan"'
Estimating the uncertainty of deep learning models in a reliable and efficient way has remained an open problem, where many different solutions have been proposed in the literature. Most common methods are based on Bayesian approximations, like Monte
Externí odkaz:
http://arxiv.org/abs/2310.19686
Autor:
Wu, Chao, Nguyen, Dan, Xing, Yixun, Montero, Ana Barragan, Schuemann, Jan, Shang, Haijiao, Pu, Yuehu, Jiang, Steve
Accurate dose calculation is vitally important for proton therapy. Pencil beam (PB) model-based dose calculation is fast but inaccurate due to the approximation when dealing with inhomogeneities. Monte Carlo (MC) dose calculation is the most accurate
Externí odkaz:
http://arxiv.org/abs/2004.02924
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Populaire, Pieter, Vera, Macarena Chocan, Haustermans, Karin, Lee, John, Sterpin, Edmond, Montero, Ana Barragán
Publikováno v:
In International Journal of Particle Therapy June 2024 12 Supplement
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:
Chao Wu, Dan Nguyen, Yixun Xing, Montero, Ana Barragan, Schuemann, Jan, Haijiao Shang, Yuehu Pu, Jiang, Steve
Publikováno v:
Machine Learning: Science & Techonology; Mar2021, Vol. 2 Issue 1, p1-12, 12p