Zobrazeno 1 - 10
of 10
pro vyhledávání: '"Ormandi, Robert"'
Relation extraction is used to populate knowledge bases that are important to many applications. Prior datasets used to train relation extraction models either suffer from noisy labels due to distant supervision, are limited to certain domains or are
Externí odkaz:
http://arxiv.org/abs/2102.09681
Autor:
Anil, Rohan, Pereyra, Gabriel, Passos, Alexandre, Ormandi, Robert, Dahl, George E., Hinton, Geoffrey E.
Techniques such as ensembling and distillation promise model quality improvements when paired with almost any base model. However, due to increased test-time cost (for ensembles) and increased complexity of the training pipeline (for distillation), t
Externí odkaz:
http://arxiv.org/abs/1804.03235
Machine learning over fully distributed data poses an important problem in peer-to-peer (P2P) applications. In this model we have one data record at each network node, but without the possibility to move raw data due to privacy considerations. For ex
Externí odkaz:
http://arxiv.org/abs/1109.1396
Autor:
Farkas, Richárd, Szarvas, György, Hegedűs, István, Almási, Attila, Vincze, Veronika, Ormándi, Róbert, Busa-Fekete, Róbert
Publikováno v:
In Journal of the American Medical Informatics Association July-August 2009 16(4):601-605
Publikováno v:
Applied Stochastic Models in Business & Industry. May/Jun2016, Vol. 32 Issue 3, p340-353. 14p.
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.
Publikováno v:
2012 IEEE 10th Jubilee International Symposium on Intelligent Systems & Informatics; 1/ 1/2012, p183-188, 6p
Publikováno v:
2012 IEEE Sixth International Conference on Self-Adaptive & Self-Organizing Systems; 1/ 1/2012, p79-88, 10p
Publikováno v:
Applied Stochastic Models in Business & Industry. May/Jun2016, Vol. 32 Issue 3, p357-357. 1p.