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

Efficient inference in matrix-variate Gaussian models with observation noise.

O. Stegle, C. Lippert, J. Mooij, N. Lawrence, und K. Borgwardt. NIPS, Seite 630-638. (2011)

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.

Hon. -Prof. Christoph Müller University of Stuttgart

Dr. -Ing. Christoph Wenzel University of Stuttgart

Dr.-Ing. Christoph Steinhausen University of Stuttgart

Christoph Schulz University of Stuttgart

Christoph Jeromin University of Stuttgart

Weitere Publikationen von Autoren mit dem selben Namen

Ensembles of Lasso Screening Rules.S. Lee, N. Görnitz, E. Xing, D. Heckerman, und C. Lippert. IEEE Trans. Pattern Anal. Mach. Intell., 40 (12): 2841-2852 (2018)Detecting regulatory gene-environment interactions with unmeasured environmental factors.N. Fusi, C. Lippert, K. Borgwardt, N. Lawrence, und O. Stegle. Bioinformatics, 29 (11): 1382-1389 (2013)Gene function prediction from synthetic lethality networks via ranking on demand.C. Lippert, Z. Ghahramani, und K. Borgwardt. Bioinformatics, 26 (7): 912-918 (2010)Multimodal Self-Supervised Learning for Medical Image Analysis.A. Taleb, C. Lippert, T. Klein, und M. Nabi. CoRR, (2019)Separating Sparse Signals from Correlated Noise in Binary Classification.S. Mandt, F. Wenzel, S. Nakajima, C. Lippert, und M. Kloft. CFA@UAI, Volume 1792 von CEUR Workshop Proceedings, Seite 48-58. CEUR-WS.org, (2016)Sparse probit linear mixed model.S. Mandt, F. Wenzel, S. Nakajima, J. Cunningham, C. Lippert, und M. Kloft. Machine Learning, 106 (9-10): 1621-1642 (2017)Greater power and computational efficiency for kernel-based association testing of sets of genetic variants.C. Lippert, J. Xiang, D. Horta, C. Widmer, C. Kadie, D. Heckerman, und J. Listgarten. Bioinformatics, 30 (22): 3206-3214 (2014)It is all in the noise: Efficient multi-task Gaussian process inference with structured residuals.B. Rakitsch, C. Lippert, K. Borgwardt, und O. Stegle. NIPS, Seite 1466-1474. (2013)Computational and statistical issues in personalized medicine.C. Lippert, und D. Heckerman. ACM Crossroads, 21 (4): 24-27 (2015)A Lasso multi-marker mixed model for association mapping with population structure correction.B. Rakitsch, C. Lippert, O. Stegle, und K. Borgwardt. Bioinformatics, 29 (2): 206-214 (2013)