中文版 | English

在结果中检索

CSpace

浏览/检索结果: 共5条，第1-5条 帮助

限定条件        
已选(0)清除 条数/页：   排序方式：
Robust Bayesian matrix decomposition with mixture of Gaussian noise 期刊论文
NEUROCOMPUTING, 2021, 卷号: 449, 页码: 108-116
作者:  Wang, Haohui;  Zhang, Chihao;  Zhang, Shihua
收藏  |  浏览/下载：149/0  |  提交时间：2021/10/26
Bayesian method  Matrix decomposition  Maximum a posterior  Mixture of Gaussians  
Reusability report: Compressing regulatory networks to vectors for interpreting gene expression and genetic variants 期刊论文
NATURE MACHINE INTELLIGENCE, 2021, 卷号: 3, 期号: 7, 页码: 576-580
作者:  Zeng, Wanwen;  Xin, Jingxue;  Jiang, Rui;  Wang, Yong
收藏  |  浏览/下载：123/0  |  提交时间：2021/10/26
Bayesian Joint Matrix Decomposition for Data Integration with Heterogeneous Noise 期刊论文
IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2021, 卷号: 43, 期号: 4, 页码: 1184-1196
作者:  Zhang, Chihao;  Zhang, Shihua
收藏  |  浏览/下载：205/0  |  提交时间：2021/04/26
Matrix decomposition  Bayes methods  Data integration  Inference algorithms  Data models  Data mining  Gaussian distribution  Bayesian methods  matrix decomposition  data integration  variational Bayesian inference  maximum a posterior  
PID Control for Synchronization of Complex Dynamical Networks With Directed Topologies 期刊论文
IEEE TRANSACTIONS ON CYBERNETICS, 2021, 卷号: 51, 期号: 3, 页码: 1334-1346
作者:  Gu, Haibo;  Liu, Peng;  Lu, Jinhu;  Lin, Zongli
收藏  |  浏览/下载：155/0  |  提交时间：2021/04/26
Synchronization  Topology  Protocols  PD control  PI control  Complex networks  Directed spanning tree  networked control system  proportional–  integral–  derivative (PID) control  strongly connected network  synchronization  
Group-Sparse SVD Models via L-1- and L-0-norm Penalties and their Applications in Biological Data 期刊论文
IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, 2021, 卷号: 33, 期号: 2, 页码: 536-550
作者:  Min, Wenwen;  Liu, Juan;  Zhang, Shihua
收藏  |  浏览/下载：173/0  |  提交时间：2021/04/26
Sparse SVD  low-rank matrix decomposition  group-sparse penalty  overlapping group-sparse penalty  coordinate descent method  alternating direction method of multipliers (ADMM)  data mining