2 Publikationen

Alle markieren

[2]
2020 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2939517
Pfannschmidt L, Jakob J, Hinder F, Biehl M, Tino P, Hammer B. Feature Relevance Determination for Ordinal Regression in the Context of Feature Redundancies and Privileged Information. Neurocomputing. 2020.
PUB | DOI | Download (ext.) | WoS | arXiv
 
[1]
2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2933893
Pfannschmidt L, Jakob J, Biehl M, Tino P, Hammer B. Feature Relevance Bounds for Ordinal Regression. In: Verleysen M, ed. Proceedings of the 27th European Symposium on Artificial Neural Networks (ESANN 2019). Louvain-la-Neuve: i6doc; 2019.
PUB | Download (ext.) | arXiv
 

Suche

Publikationen filtern

Darstellung / Sortierung

Zitationsstil: ama

Export / Einbettung

2 Publikationen

Alle markieren

[2]
2020 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2939517
Pfannschmidt L, Jakob J, Hinder F, Biehl M, Tino P, Hammer B. Feature Relevance Determination for Ordinal Regression in the Context of Feature Redundancies and Privileged Information. Neurocomputing. 2020.
PUB | DOI | Download (ext.) | WoS | arXiv
 
[1]
2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2933893
Pfannschmidt L, Jakob J, Biehl M, Tino P, Hammer B. Feature Relevance Bounds for Ordinal Regression. In: Verleysen M, ed. Proceedings of the 27th European Symposium on Artificial Neural Networks (ESANN 2019). Louvain-la-Neuve: i6doc; 2019.
PUB | Download (ext.) | arXiv
 

Suche

Publikationen filtern

Darstellung / Sortierung

Zitationsstil: ama

Export / Einbettung