Advances in hierarchical Bayesian learning with applications to neuroimaging
- Standort
-
Deutsche Nationalbibliothek Frankfurt am Main
- Umfang
-
Online-Ressource
- Sprache
-
Englisch
- Anmerkungen
-
Berlin, Technische Universität Berlin, Dissertation, 2022
- Schlagwort
-
Bayes-Verfahren
Maschinelles Lernen
Datenanalyse
Bayes-Netz
- Ereignis
-
Veröffentlichung
- (wo)
-
Berlin
- (wer)
-
Technische Universität Berlin
- (wann)
-
2023
- Urheber
- Beteiligte Personen und Organisationen
- DOI
-
10.14279/depositonce-18490
- Handle
-
11303/19691
- URN
-
urn:nbn:de:101:1-2023092001583683228916
- Rechteinformation
-
Der Zugriff auf das Objekt ist unbeschränkt möglich.
- Letzte Aktualisierung
-
14.08.2025, 10:46 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.
Beteiligte
- Hashemi, Ali
- Müller, Klaus-Robert
- Haufe, Stefan
- Nagarajan, Srikatan S.
- Gramfort, Alexandre
- Technische Universität Berlin
Entstanden
- 2023
Ähnliche Objekte (12)
Data-driven analysis for multimodal neuroimaging
Advances in Neurotechnology for Brain Computer Interfaces
Spärlich verbundene neuronale Netze und ihre Anwendung
Analyzing Neuroimaging Data Through Recurrent Deep Learning Models
Decomposition methods for the fusion of multimodal neuroimaging data
Advances in high-dimensional covariance matrix estimation
Bag of Machine Learning Concepts for Visual Concept Recognition in Images
Probabilistic Methods for Network Security. From Analysis to Response
Optimizing Spatial Filters to reduce BCI Inefficiency
Stationary Subspace Analysis: Towards understanding non-stationary data
lp-Norm Multiple Kernel Learning
Novel machine learning methods for computational chemistry
Data-driven analysis for multimodal neuroimaging
Advances in Neurotechnology for Brain Computer Interfaces
Spärlich verbundene neuronale Netze und ihre Anwendung
Analyzing Neuroimaging Data Through Recurrent Deep Learning Models
Decomposition methods for the fusion of multimodal neuroimaging data
Advances in high-dimensional covariance matrix estimation
Bag of Machine Learning Concepts for Visual Concept Recognition in Images
Probabilistic Methods for Network Security. From Analysis to Response
Optimizing Spatial Filters to reduce BCI Inefficiency
Stationary Subspace Analysis: Towards understanding non-stationary data
lp-Norm Multiple Kernel Learning
Novel machine learning methods for computational chemistry
Data-driven analysis for multimodal neuroimaging
Advances in Neurotechnology for Brain Computer Interfaces
Spärlich verbundene neuronale Netze und ihre Anwendung
Analyzing Neuroimaging Data Through Recurrent Deep Learning Models
Decomposition methods for the fusion of multimodal neuroimaging data
Advances in high-dimensional covariance matrix estimation
Bag of Machine Learning Concepts for Visual Concept Recognition in Images
Probabilistic Methods for Network Security. From Analysis to Response
Optimizing Spatial Filters to reduce BCI Inefficiency
Stationary Subspace Analysis: Towards understanding non-stationary data
lp-Norm Multiple Kernel Learning