- Weitere Titel
-
Graph Mining-Methoden für die Prädiktive Toxikologie
- Standort
-
Deutsche Nationalbibliothek Frankfurt am Main
- Umfang
-
Online-Ressource
- Sprache
-
Englisch
- Anmerkungen
-
München, Technische Universität München, Diss., 2013
- Schlagwort
-
Toxikologie
Umwelttoxikologie
Umweltkrankheit
Umwelttoxizität
Wissensextraktion
Data Mining
- Ereignis
-
Veröffentlichung
- (wo)
-
München
- (wer)
-
Universitätsbibliothek der TU München
- (wann)
-
2013
- Urheber
- Beteiligte Personen und Organisationen
-
Rost, Burkhard
Kramer, Stefan
- URN
-
urn:nbn:de:bvb:91-diss-20131216-1160923-0-0
- Rechteinformation
-
Der Zugriff auf das Objekt ist unbeschränkt möglich.
- Letzte Aktualisierung
-
14.08.2025, 10:51 MESZ
Datenpartner
Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Objekttyp
- Hochschulschrift
Beteiligte
- Maunz, Andreas
- Rost, Burkhard
- Kramer, Stefan
- Universitätsbibliothek der TU München
Entstanden
- 2013
Ähnliche Objekte (12)
Data Mining and Machine Learning Methods for High-dimensional Patient Data in Dementia Research: Voxel Features Mining, Subgroup Discovery and Multi-view Learning
Incremental Linear Model Trees on Big Data
Learning of Probabilistic Models to Infer Gene Regulatory Networks
Enhanced Small Molecule Similarity for Quantitative Structure-Activity Relationship Modeling and Cheminformatics Applications
Large Classifier Systems in Bio- and Cheminformatics
Structural Graph Clustering: Scalable Methods and Applications for Graph Classification and Regression
Machine Learning of Timed Automata
Neuronale Netzwerke und evolutionäre Information : verbesserte Vorhersage der Sekundärstruktur von Proteinen ; (abgefasst in Englisch)
Greg Dimitriadis: Performing Identity
Ella Raidel: Subversive Realitäten. Tsai Ming-liang und seine Filme
Manfred Kops, Stefan Ollig (Hg.): Internationalization of the Chinese TV Sector
Hyun Soon Cheon: Intermedialität von Text und Bild bei Alexander Kluge. Zur Korrespondenz von früher Neuzeit und Moderne
Data Mining and Machine Learning Methods for High-dimensional Patient Data in Dementia Research: Voxel Features Mining, Subgroup Discovery and Multi-view Learning
Incremental Linear Model Trees on Big Data
Learning of Probabilistic Models to Infer Gene Regulatory Networks
Enhanced Small Molecule Similarity for Quantitative Structure-Activity Relationship Modeling and Cheminformatics Applications
Large Classifier Systems in Bio- and Cheminformatics
Structural Graph Clustering: Scalable Methods and Applications for Graph Classification and Regression
Machine Learning of Timed Automata
Neuronale Netzwerke und evolutionäre Information : verbesserte Vorhersage der Sekundärstruktur von Proteinen ; (abgefasst in Englisch)
Greg Dimitriadis: Performing Identity
Ella Raidel: Subversive Realitäten. Tsai Ming-liang und seine Filme
Manfred Kops, Stefan Ollig (Hg.): Internationalization of the Chinese TV Sector
Hyun Soon Cheon: Intermedialität von Text und Bild bei Alexander Kluge. Zur Korrespondenz von früher Neuzeit und Moderne
Data Mining and Machine Learning Methods for High-dimensional Patient Data in Dementia Research: Voxel Features Mining, Subgroup Discovery and Multi-view Learning
Incremental Linear Model Trees on Big Data
Learning of Probabilistic Models to Infer Gene Regulatory Networks
Enhanced Small Molecule Similarity for Quantitative Structure-Activity Relationship Modeling and Cheminformatics Applications
Large Classifier Systems in Bio- and Cheminformatics
Structural Graph Clustering: Scalable Methods and Applications for Graph Classification and Regression
Machine Learning of Timed Automata
Neuronale Netzwerke und evolutionäre Information : verbesserte Vorhersage der Sekundärstruktur von Proteinen ; (abgefasst in Englisch)
Greg Dimitriadis: Performing Identity
Ella Raidel: Subversive Realitäten. Tsai Ming-liang und seine Filme
Manfred Kops, Stefan Ollig (Hg.): Internationalization of the Chinese TV Sector