Time robust trees: using temporal invariance to improve generalization (2022)
- Authors:
- Autor USP: MAUÁ, DENIS DERATANI - IME
- Unidade: IME
- DOI: 10.1007/978-3-031-21686-2_27
- Subjects: INVARIANTES; TEORIA DA DECISÃO
- Language: Inglês
- Imprenta:
- Source:
- Título: Proceedings
- Conference titles: Brazilian Conference on Intelligent Systems - BRACIS
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
MONEDA, Luis e MAUÁ, Denis Deratani. Time robust trees: using temporal invariance to improve generalization. 2022, Anais.. Cham: Springer, 2022. Disponível em: https://doi.org/10.1007/978-3-031-21686-2_27. Acesso em: 09 fev. 2026. -
APA
Moneda, L., & Mauá, D. D. (2022). Time robust trees: using temporal invariance to improve generalization. In Proceedings. Cham: Springer. doi:10.1007/978-3-031-21686-2_27 -
NLM
Moneda L, Mauá DD. Time robust trees: using temporal invariance to improve generalization [Internet]. Proceedings. 2022 ;[citado 2026 fev. 09 ] Available from: https://doi.org/10.1007/978-3-031-21686-2_27 -
Vancouver
Moneda L, Mauá DD. Time robust trees: using temporal invariance to improve generalization [Internet]. Proceedings. 2022 ;[citado 2026 fev. 09 ] Available from: https://doi.org/10.1007/978-3-031-21686-2_27 - International Journal of Approximate Reasoning
- Early classification of time series by Hidden Markov Models with set-valued parameters
- Modelos de tópicos na classificação automática de resenhas de usuário
- Hidden Markov models with set-valued parameters
- Equivalences between maximum a posteriori inference in Bayesian networks and maximum expected utility computation in influence diagrams
- Better initialization heuristics for order-based bayesian network structure learning
- Initialization heuristics for greedy bayesian network structure learning
- Advances in learning Bayesian networks of bounded treewidth
- A compositional atlas for algebraic circuits
- Special issue on robustness in probabilistic graphical models. [Editorial]
Informações sobre o DOI: 10.1007/978-3-031-21686-2_27 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
