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
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: Michel Verleysen (Hrsg.): 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: wels

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
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: Michel Verleysen (Hrsg.): 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: wels

Export / Einbettung