2 Publikationen

Alle markieren

[2]
2020 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2939517
Pfannschmidt, L., Jakob, J., Hinder, F., Biehl, M., Tino, P., & Hammer, B. (2020). Feature Relevance Determination for Ordinal Regression in the Context of Feature Redundancies and Privileged Information. Neurocomputing. doi:10.1016/j.neucom.2019.12.133
PUB | DOI | Download (ext.) | WoS | arXiv
 
[1]
2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2933893
Pfannschmidt, L., Jakob, J., Biehl, M., Tino, P., & Hammer, B. (2019). Feature Relevance Bounds for Ordinal Regression. In M. Verleysen (Ed.), Proceedings of the 27th European Symposium on Artificial Neural Networks (ESANN 2019) Louvain-la-Neuve: i6doc.
PUB | Download (ext.) | arXiv
 

Suche

Publikationen filtern

Darstellung / Sortierung

Zitationsstil: apa (6th ed.)

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. (2020). Feature Relevance Determination for Ordinal Regression in the Context of Feature Redundancies and Privileged Information. Neurocomputing. doi:10.1016/j.neucom.2019.12.133
PUB | DOI | Download (ext.) | WoS | arXiv
 
[1]
2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2933893
Pfannschmidt, L., Jakob, J., Biehl, M., Tino, P., & Hammer, B. (2019). Feature Relevance Bounds for Ordinal Regression. In M. Verleysen (Ed.), Proceedings of the 27th European Symposium on Artificial Neural Networks (ESANN 2019) Louvain-la-Neuve: i6doc.
PUB | Download (ext.) | arXiv
 

Suche

Publikationen filtern

Darstellung / Sortierung

Zitationsstil: apa (6th ed.)

Export / Einbettung