Optimizing Nondecomposable Data Dependent Regularizers via Lagrangian Reparameterization Offers Significant Performance and Efficiency Gains. | Proc AAAI Conf Artif Intell;34(4): 5487-5494, 2020 Jun 16. | MEDLINE

Conteúdo principal 1 Busca 2 Rodapé 3

+A A -A Alto contraste

Biblioteca Virtual em Saúde - BRASIL

Informação e Conhecimento para a Saúde

Localizar descritor de assunto Busca Avançada

Optimizing Nondecomposable Data Dependent Regularizers via Lagrangian Reparameterization Offers Significant Performance and Efficiency Gains.

Ravi, Sathya N; Venkatesh, Abhay; Fung, Glenn M; Singh, Vikas.

Afiliação

Ravi SN; University of Illinois at Chicago.
Venkatesh A; University of Wisconsin-Madison.
Fung GM; American Family Insurance.
Singh V; University of Wisconsin-Madison.

Proc AAAI Conf Artif Intell ; 34(4): 5487-5494, 2020 Jun 16.

Article em En | MEDLINE | ID: mdl-34094697

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Tipo de estudo: Prognostic_studies Idioma: En Revista: Proc AAAI Conf Artif Intell Ano de publicação: 2020 Tipo de documento: Article

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Tipo de estudo: Prognostic_studies Idioma: En Revista: Proc AAAI Conf Artif Intell Ano de publicação: 2020 Tipo de documento: Article