21.
Wang, X. ; Hu, P. ; Hu, L.
A Novel Stochastic Block Model for Network-Based Prediction of Protein-Protein Interactions
LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 12464 pp. 621-632. , 12 p. (2020)
DOI Scopus
Közlemény:35049576 Egyeztetett Idéző Folyóiratcikk (Konferenciaközlemény ) Tudományos
Konferenciaközlemény (Folyóiratcikk) | Tudományos[35049576] [Egyeztetett]
22.
Ronchieri, E ; Canaparo, M ; Belgiovine, M
Software Defect Prediction on Unlabelled Datasets: A Comparative Study
LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 12250 pp. 333-353. , 21 p. (2020)
DOI WoS Scopus
Közlemény:35279134 Egyeztetett Idéző Folyóiratcikk (Konferenciaközlemény ) Tudományos
Konferenciaközlemény (Folyóiratcikk) | Tudományos[35279134] [Egyeztetett]
23.
Pelegrina, G.D. ; Duarte, L.T. ; Grabisch, M. ; Romano, J.M.T.
An unsupervised capacity identification approach based on sobol’ indices
LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 12256 pp. 66-77. , 12 p. (2020)
DOI ISBN: 9783030575236 WoS Scopus
Közlemény:35592193 Egyeztetett Idéző Folyóiratcikk (Konferenciaközlemény ) Tudományos
Konferenciaközlemény (Folyóiratcikk) | Tudományos[35592193] [Egyeztetett]
24.
Azevedo, F. ; Gombert, L. ; Suter, F.
Reducing the human-in-the-loop component of the scheduling of large HTC workloads
LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 11332 LNCS pp. 39-60. , 22 p. (2019)
DOI Scopus
Közlemény:30614755 Egyeztetett Idéző Folyóiratcikk (Konferenciaközlemény ) Tudományos
Konferenciaközlemény (Folyóiratcikk) | Tudományos[30614755] [Egyeztetett]
25.
Knegt, S.J.L. ; Drugan, M.M. ; Wiering, M.A.
Learning from monte carlo rollouts with opponent models for playing tron
LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 11352 pp. 105-129. , 25 p. (2019)
DOI WoS Scopus
Közlemény:30820031 Nyilvános Idéző Folyóiratcikk (Szakcikk ) Tudományos
Szakcikk (Folyóiratcikk) | Tudományos[30820031] [Nyilvános]
26.
Barish, B.C.
Gravitational Waves: Detectors to Detections
LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 11473 LNCS pp. 1-5. , 5 p. (2019)
DOI WoS Scopus
Közlemény:30974571 Egyeztetett Idéző Folyóiratcikk (Konferenciaközlemény ) Tudományos
Konferenciaközlemény (Folyóiratcikk) | Tudományos[30974571] [Egyeztetett]
27.
Bashashin, M. ; Zemlyanaya, E. ; Kiselev, M.
Parallel SFF-SANS study of structure of polydispersed vesicular systems
LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 11189 LNCS pp. 309-317. , 9 p. (2019)
DOI WoS Scopus
Közlemény:31639622 Admin láttamozott Idéző Folyóiratcikk (Konferenciaközlemény ) Tudományos
Konferenciaközlemény (Folyóiratcikk) | Tudományos[31639622] [Admin láttamozott]
28.
Bärtschi, A. ; Eidenbenz, S.
Deterministic Preparation of Dicke States
LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 11651 LNCS pp. 126-139. , 14 p. (2019)
DOI Scopus
Közlemény:31968774 Egyeztetett Idéző Folyóiratcikk (Konferenciaközlemény ) Tudományos
Konferenciaközlemény (Folyóiratcikk) | Tudományos[31968774] [Egyeztetett]
29.
Kadupitiya, J. ; Fox, G.C. ; Jadhao, V. ✉
Machine Learning for Performance Enhancement of Molecular Dynamics Simulations
LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 11537 LNCS pp. 116-130. , 15 p. (2019)
DOI WoS Scopus
Közlemény:35310493 Nyilvános Idéző Folyóiratcikk (Szakcikk ) Tudományos
Szakcikk (Folyóiratcikk) | Tudományos[35310493] [Nyilvános]
30.
Hofheinz, Dennis ; Nguyen, Ngoc Khanh
On Tightly Secure Primitives in the Multi-instance Setting
LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 11442 pp. 581-611. , 31 p. (2019)
DOI WoS Scopus
Közlemény:36458112 Nyilvános Idéző Folyóiratcikk (Szakcikk ) Tudományos
Szakcikk (Folyóiratcikk) | Tudományos[36458112] [Nyilvános]
2026-08-17 03:35