Zobrazeno 1 - 10
of 309
pro vyhledávání: '"Wüthrich M"'
A vastly growing literature on explaining deep learning models has emerged. This paper contributes to that literature by introducing a global gradient-based model-agnostic method, which we call Marginal Attribution by Conditioning on Quantiles (MACQ)
Externí odkaz:
http://arxiv.org/abs/2103.11706
Autor:
Shevchenko, P. V., Wüthrich, M. V.
Publikováno v:
The Journal of Operational Risk 1(3), pp. 3-26, 2006. www.journalofoperationalrisk.com
To meet the Basel II regulatory requirements for the Advanced Measurement Approaches, the bank's internal model must include the use of internal data, relevant external data, scenario analysis and factors reflecting the business environment and inter
Externí odkaz:
http://arxiv.org/abs/0904.1067
Autor:
Wüthrich, M., Lechner, I., Aebi, M., Vögtlin, A., Posthaus, H., Schüpbach-Regula, G., Meylan, M.
Publikováno v:
In Preventive Veterinary Medicine 1 April 2016 126:54-65
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
In applications of predictive modeling, such as insurance pricing, indirect or proxy discrimination is an issue of major concern. Namely, there exists the possibility that protected policyholder characteristics are implicitly inferred from non-protec
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=core_ac_uk__::c7989983f993153be1c2a466dca6bdc1
https://openaccess.city.ac.uk/id/eprint/28402/1/DiscriminationFree_MultiTask_WP.pdf
https://openaccess.city.ac.uk/id/eprint/28402/1/DiscriminationFree_MultiTask_WP.pdf
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:
Wüthrich, M., Widmaier, F., Grimminger, F., Akpo, J., Joshi, S., Agrawal, V., Hammoud, B., Khadiv, M., Bogdanovic, M., Berenz, V., Viereck, J., Naveau, M., Righetti, L., Schölkopf, B., Bauer, S.
Publikováno v:
Proceedings of the 2020 Conference on Robot Learning (CoRL 2020)
Proceedings of Machine Learning Research (PMLR)
Proceedings of Machine Learning Research (PMLR)
Dexterous object manipulation remains an open problem in robotics, despite the rapid progress in machine learning during the past decade. We argue that a hindrance is the high cost of experimentation on real systems, in terms of both time and money.
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::e38f5e08955137e7b65ef1f0b896dff9
http://arxiv.org/abs/2008.03596
http://arxiv.org/abs/2008.03596
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.