Autor der Publikation

Kopieren Löschen Diese Publikation zur Ablage hinzufügen
Community-Eintrag
Versionsverlauf dieses Eintrags
URL
DOI
BibTeX
EndNote
APA
Chicago
DIN 1505
Harvard
MSOffice XML

Learning interpretable kernelized prototype-based models.

D. Hofmann, F. Schleif, B. Paaßen, und B. Hammer. Neurocomputing, (2014)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Lukas Frank University of Stuttgart

Daniel Frank University of Stuttgart

Frank Scheiner University of Stuttgart

Apl. Prof. Dr. Frank Kern University of Stuttgart

Univ. -Prof. Dr. Frank Leymann University of Stuttgart

Weitere Publikationen von Autoren mit dem selben Namen

Unleashing Pearson Correlation for Faithful Analysis of Biomedical Data.M. Strickert, F. Schleif, T. Villmann, und U. Seiffert. Similarity-Based Clustering, Volume 5400 von Lecture Notes in Computer Science, Seite 70-91. Springer, (2009)Learning in indefinite proximity spaces - recent trends.F. Schleif, P. Tiño, und Y. Liang. ESANN, (2016)Generalized matrix learning vector quantizer for the analysis of spectral data.P. Schneider, F. Schleif, T. Villmann, und M. Biehl. ESANN, Seite 451-456. (2008)Visualization of Fuzzy Information in Fuzzy-Classification for Image Segmentation using MDS.T. Villmann, M. Strickert, C. Brüß, F. Schleif, und U. Seiffert. ESANN, Seite 103-108. (2007)Tanimoto Metric in Tree-SOM for Improved Representation of Mass Spectrometry Data with an Underlying Taxonomic Structure.S. Simmuteit, F. Schleif, T. Villmann, und T. Elssner. ICMLA, Seite 563-567. IEEE Computer Society, (2009)Association Learning in SOMs for Fuzzy-Classification.T. Villmann, F. Schleif, M. van der Werff, A. Deelder, und R. Tollenaar. ICMLA, Seite 581-586. IEEE Computer Society, (2007)Developments in computational intelligence and machine learning.M. Biehl, A. Ghio, und F. Schleif. Neurocomputing, (2015)Divergence-based classification in learning vector quantization.E. Mwebaze, P. Schneider, F. Schleif, J. Aduwo, J. Quinn, S. Haase, T. Villmann, und M. Biehl. Neurocomputing, 74 (9): 1429-1435 (2011)Globular cluster detection in the GAIA survey.M. Mohammadi, N. Petkov, K. Bunte, R. Peletier, und F. Schleif. Neurocomputing, (2019)Supervised Batch Neural Gas.B. Hammer, A. Hasenfuss, F. Schleif, und T. Villmann. ANNPR, Volume 4087 von Lecture Notes in Computer Science, Seite 33-45. Springer, (2006)