Zobrazeno 1 - 10
of 172
pro vyhledávání: '"Sasaki, Eita"'
Publikováno v:
Mach. Learn.: Sci. Technol. 3, 01LT02 (2022)
We show that Gaussian process regression (GPR) allows representing multivariate functions with low-dimensional terms via kernel design. When using a kernel built with HDMR (High-dimensional model representation), one obtains a similar type of represe
Externí odkaz:
http://arxiv.org/abs/2111.11001
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.
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:
Proceedings of the National Academy of Sciences of the United States of America, 2020 Oct 01. 117(40), 24794-24801.
Externí odkaz:
https://www.jstor.org/stable/26969449
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:
Hiradate, Yuki, Sasaki, Eita, Momose, Haruka, Asanuma, Hideki, Furuhata, Keiko, Takai, Mamiko, Aoshi, Taiki, Yamada, Hiroshi, Ishii, Ken J., Tanemura, Kentaro, Mizukami, Takuo, Hamaguchi, Isao
Publikováno v:
In Biologicals September 2018 55:43-52
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Sasaki, Eita, Momose, Haruka, Hiradate, Yuki, Furuhata, Keiko, Takai, Mamiko, Kamachi, Kazunari, Asanuma, Hideki, Ishii, Ken J., Mizukami, Takuo, Hamaguchi, Isao
Publikováno v:
In Biologicals November 2017 50:100-108