Adaptive Skip-Train Structured Regression for Temporal Networks

Pavlovski, Martin; Zhou, Fang; Stojkovic, Ivan; Kocarev, Ljupco; Obradovic, Zoran

Rezultati

eNauka > Rezultati > Adaptive Skip-Train Structured Regression for Temporal Networks

Naziv:	Adaptive Skip-Train Structured Regression for Temporal Networks
Autori:	Pavlovski, Martin; Zhou, Fang; Stojkovic, Ivan; Kocarev, Ljupco; Obradovic, Zoran
Godina:	2017
Publikacija:	MACHINE LEARNING AND KNOWLEDGE DISCOVERY IN DATABASES, ECML PKDD 2017, PT II
ISSN:	0302-9743 Lecture Notes in Computer Science / Lecture Notes in Artificial Intelligence Pretraži identifikator
Tip rezultata:	Konferencijski rad
Kolacija:	vol. 10535 str. 305-321
DOI:	10.1007/978-3-319-71246-8_19
WoS-ID:	000443110500019
Scopus-ID:	2-s2.0-85040258679
URI:	https://enauka.gov.rs/handle/123456789/818340
Projekat:	DARPA [FA9550-12-1-0406] National Science Foundation [NSF-SES-1447670, NSF-IIS-1636772] Temple University Data Science Targeted Funding Program NSF [CNS-1625061] Pennsylvania Department of Health CURE grant ONR/ONR Global [N62909-16-1-2222]
Izvor metapodataka:	(Preuzeto iz Nasi u WoS)
M-kategorija:	Mp kategorija će biti prikazana naknadno.

2
SCOPUS^TM

1
OpenCitations

1
WEB OF SCIENCE^TM

Alt metrika

Dimensions

Pronađi DOI

Pronalaženje DOI u servisu CrossRef-u na osnovu meta-podataka u zapisu. Prikazaće se DOI (i metapodaci) čiji se podaci najviše poklapaju. OPREZ - to ne mora biti ta publikacija.

Unpaywall

Google Scholar^TM

Rezultati na eNauka su zaštićeni autorskim pravima i sva prava su zadržana, osim ako nije drugačije naznačeno.