Zobrazeno 1 - 10
of 303
pro vyhledávání: '"S.L. Elliott"'
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:
Annals of Global Health, Vol 81, Iss 1 (2015)
Externí odkaz:
https://doaj.org/article/558e4e6a80324c0ea031e4e91faeba9e
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:
Huo, Yuanzi1 (AUTHOR) yhuo@hswri.org, Elliott, Matthew S.1 (AUTHOR), Drawbridge, Mark1 (AUTHOR) mdrawbridge@hswri.org
Publikováno v:
Fishes (MDPI AG). Oct2024, Vol. 9 Issue 10, p417. 16p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Arnold, Frederick J.1,2 (AUTHOR) aputka@umich.edu, Putka, Alexandra F.2 (AUTHOR), Raychaudhuri, Urmimala1 (AUTHOR), Hsu, Solomon1 (AUTHOR), Bedlack, Richard S.2 (AUTHOR), Bennett, Craig L.1,3 (AUTHOR) craiglb@uci.edu, La Spada, Albert R.1,2,3,4,5,6 (AUTHOR) craiglb@uci.edu
Publikováno v:
International Journal of Molecular Sciences. Jun2024, Vol. 25 Issue 11, p5587. 24p.
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:
S.L. Elliott
Publikováno v:
[Proceedings 1992] IJCNN International Joint Conference on Neural Networks.
A neural network learning algorithm based on linear regression that determines and uses target values for hidden neurons is proposed. An additional key component of the proposed algorithm is the use of linear regression weighting factors derived from