يعرض 1 - 10 نتائج من 31 نتيجة بحث عن '"Münch, Maximilian"', وقت الاستعلام: 1.00s تنقيح النتائج
  1. 1
    تقرير
    Efficient Cross-Domain Federated Learning by MixStyle Approximation

    المؤلفون: Röder, Manuel, Heller, Leon, Münch, Maximilian, Schleif, Frank-Michael

    مصطلحات موضوعية: Computer Science - Machine Learning, Computer Science - Computer Vision and Pattern Recognition

    URL الوصول: http://arxiv.org/abs/2312.07064

    أضف إلى المفضلة
  2. 2
    تقرير
    Revisiting Memory Efficient Kernel Approximation: An Indefinite Learning Perspective

    المؤلفون: Heilig, Simon, Münch, Maximilian, Schleif, Frank-Michael

    مصطلحات موضوعية: Computer Science - Machine Learning

    URL الوصول: http://arxiv.org/abs/2112.09893

    أضف إلى المفضلة
  3. 3
    دورية أكاديمية
    Data-distribution-informed Nyström approximation for structured data using vector quantization-based landmark determination

    المؤلفون: Münch, Maximilian, Bohnsack, Katrin Sophie, Schleif, Frank-Michael, Villmann, Thomas

    المصدر: In Neurocomputing 1 September 2024 596

    View record from ScienceDirect Full Text Finder
    أضف إلى المفضلة
  4. 4
    دورية أكاديمية
    Sequential alterations in diffusion metrics as correlates of disease severity in amyotrophic lateral sclerosis

    المؤلفون: Müller, Hans-Peter, Behler, Anna, Münch, Maximilian, Dorst, JohannesAff1, Aff2, Ludolph, Albert C.Aff1, Aff2, Kassubek, JanAff1, Aff2, IDs00415023115829_cor6

    المصدر: Journal of Neurology. 270(4):2308-2313

    Find this article in full text from Springer Verlag. Find this article in full text from ProQuest Full Text Finder
    أضف إلى المفضلة
  5. 5
    تقرير
    Complex-valued embeddings of generic proximity data

    المؤلفون: Münch, Maximilian, Straat, Michiel, Biehl, Michael, Schleif, Frank-Michael

    مصطلحات موضوعية: Computer Science - Machine Learning, Statistics - Machine Learning

    URL الوصول: http://arxiv.org/abs/2008.13454

    أضف إلى المفضلة
  6. 6
    دورية أكاديمية
    Static and adaptive subspace information fusion for indefinite heterogeneous proximity data

    المؤلفون: Münch, Maximilian, Röder, Manuel, Heilig, Simon, Raab, Christoph, Schleif, Frank-Michael

    المصدر: In Neurocomputing July 2023

    View record from ScienceDirect Full Text Finder
    أضف إلى المفضلة
  7. 7
    دورية أكاديمية

    لا يتم عرض هذه النتيجة على الضيوف.

    View this record from ISI Web of Science
    أضف إلى المفضلة
  8. 8
    دورية أكاديمية
    PROVAL: A framework for comparison of protein sequence embeddings

    المؤلفون: Väth, Philipp, Münch, Maximilian, Raab, Christoph, Schleif, F.-M.

    المصدر: In Journal of Computational Mathematics and Data Science June 2022 3

    Full Text Finder
    أضف إلى المفضلة
  9. 9
    كتاب إلكتروني
    Complex-Valued Embeddings of Generic Proximity Data

    المؤلفون: Münch, MaximilianAff13, Aff14, Straat, MichielAff14, Biehl, MichaelAff14, Schleif, Frank-MichaelAff13

    المساهمون: Goos, Gerhard, Founding EditorAff1, Hartmanis, Juris, Founding EditorAff2, Bertino, Elisa, Editorial Board MemberAff3, Gao, Wen, Editorial Board MemberAff4, Steffen, Bernhard, Editorial Board MemberAff5, Woeginger, Gerhard, Editorial Board MemberAff6, Yung, Moti, Editorial Board MemberAff7, Torsello, Andrea, editorAff8, Rossi, Luca, editorAff9, Pelillo, Marcello, editorAff10, Biggio, Battista, editorAff11, Robles-Kelly, Antonio, editorAff12

    المصدر: Structural, Syntactic, and Statistical Pattern Recognition : Joint IAPR International Workshops, S+SSPR 2020, Padua, Italy, January 21–22, 2021, Proceedings. 12644:14-23

    أضف إلى المفضلة
  10. 10
    دورية أكاديمية
    Segmental alterations of the corpus callosum in motor neuron disease: A DTI and texture analysis in 575 patients

    المؤلفون: Münch, Maximilian, Müller, Hans-Peter, Behler, Anna, Ludolph, Albert C., Kassubek, Jan

    المصدر: In NeuroImage: Clinical 2022 35

    View record from ScienceDirect Full Text via ClinicalKey Full Text Finder
    أضف إلى المفضلة
أدوات البحث: أحصل على تغذية RSS – أرسل هذا البحث بالبريد الإلكتروني – حفظ البحث – جدول التنبيهات: لا شيء