Zobrazeno 1 - 10
of 142
pro vyhledávání: '"Robardet C"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Shang, W., van der Wal, D., van Hoof, H., Welling, M., Brefeld, U., Fromont, E., Hotho, A., Knobbe, A., Maathuis, M., Robardet, C.
Publikováno v:
Machine Learning and Knowledge Discovery in Databases ISBN: 9783030461324
ECML/PKDD (3)
Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2019, Würzburg, Germany, September 16–20, 2019 : proceedings, III, 103-117
ECML/PKDD (3)
Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2019, Würzburg, Germany, September 16–20, 2019 : proceedings, III, 103-117
Stochastic elements in reinforcement learning (RL) have shown promise to improve exploration and handling of uncertainty, such as the utilization of stochastic weights in NoisyNets and stochastic policies in the maximum entropy RL frameworks. Yet eff
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::71802e1b62d0be63459fe200066b7c03
https://doi.org/10.1007/978-3-030-46133-1_7
https://doi.org/10.1007/978-3-030-46133-1_7
Community detection in graphs often relies on ad hoc algorithms with no clear specification about the node partition they define as the best, which leads to uninterpretable communities. Stochastic block models (SBM) offer a framework to rigorously de
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::1f300bcf9d44d181b37833c64c471393
http://arxiv.org/abs/2106.13571
http://arxiv.org/abs/2106.13571
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:
2nd International Workshop on Mining Urban Data (MUD)
2nd International Workshop on Mining Urban Data (MUD), Ioannis Katakis, François Schnitzler, Thomas Liebig, Dimitrios Gunopulos, Katharina Morik,Gennady L. Andrienko, Shie Mannor, Jul 2015, Lille, France. pp.63-64
HAL
Scopus-Elsevier
2nd International Workshop on Mining Urban Data (MUD), Ioannis Katakis, François Schnitzler, Thomas Liebig, Dimitrios Gunopulos, Katharina Morik,Gennady L. Andrienko, Shie Mannor, Jul 2015, Lille, France. pp.63-64
HAL
Scopus-Elsevier
International audience; Detecting and characterizing geographical areas that are attractive places for specific people, in specific contexts, is an important but challenging new problem. Mobility traces and their related circumstances can be modeled
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::992e9436212b0705e02b84cfc6c31e4e
https://hal.archives-ouvertes.fr/hal-01193017/document
https://hal.archives-ouvertes.fr/hal-01193017/document
We develop a framework to track the structure of temporal networks with a signal processing approach. The method is based on the duality between networks and signals using a multidimensional scaling technique. This enables a study of the network stru
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::b090c4be23e6eaaefb0448aa531a4ce3
http://arxiv.org/abs/1505.03044
http://arxiv.org/abs/1505.03044
Many systems comprising entities in interactions can be represented as graphs, whose structure gives significant insights about how these systems work. Network theory has undergone further developments, in particular in relation to detection of commu
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::9aaacfb560b9173c9bda901c63257d6a
http://arxiv.org/abs/1502.04697
http://arxiv.org/abs/1502.04697
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.