 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Xu, Z., Kusner, M. J., Weinberger, K. Q., Chen, M., & Chapelle, O. (2014). Classifier cascades and trees for minimizing feature evaluation cost. Journal of Machine Learning Research, 15(1), 2113-2144. Lien externe
Kusner, M. J., Sun, Y., Sridharan, K., & Weinberger, K. Q. (mai 2016). Private causal inference [Communication écrite]. 19th International Conference on Artificial Intelligence and Statistics (AISTATS 2016), Cadiz, Spain. Lien externe
Huang, G., Guo, C., Kusner, M. J., Sun, Y., Weinberger, K. Q., & Sha, F. (décembre 2016). Supervised word mover's distance [Communication écrite]. 30th Conference on Neural Information Processing Systems (NIPS 2016), Barcelona, Spain. Lien externe
Kusner, M. J., Gardner, J. R., Garnett, R., & Weinberger, K. Q. (juillet 2015). Differentially private bayesian optimization [Communication écrite]. 32nd International Conference on Machine Learning (ICML'15), Lile, France. Lien externe
Malkomes, G., Kusner, M. J., Chen, W., Weinberger, K. Q., & Moseley, B. (décembre 2015). Fast distributed k-center clustering with outliers on massive data [Communication écrite]. 29th International Conference on Neural Information Processing Systems (NIPS 2015), Montréal, Québec, Canada. Lien externe
Kusner, M. J., Sun, Y., Kolkin, N. I., & Weinberger, K. Q. (juillet 2025). From word embeddings to document distances [Communication écrite]. 32nd International Conference on Machine Learning (ICML 2015), Lile, France. Lien externe
Gardner, J. R., Kusner, M. J., Xu, Z., Weinberger, K. Q., & Cunningham, J. P. (juin 2014). Bayesian optimization with inequality constraints [Communication écrite]. 31st International Conference on Machine Learning (ICML 2014), Beijing, China. Publié dans Proceedings of Machine Learning Research, 32(2). Lien externe
Kusner, M. J., Chen, W., Zhou, Q., Xu, Z., Weinberger, K. Q., & Chen, Y. (juillet 2014). Feature-cost sensitive learning with submodular trees of classifiers [Communication écrite]. 28th AAAI Conference on Artificial Intelligence (AAAI 2014), Québec, Québec, Canada. Lien externe
Kusner, M. J., Tyree, S., Weinberger, K. Q., & Agrawal, K. (juin 2014). Stochastic neighbor compression [Communication écrite]. 31st International Conference on Machine Learning (ICML 2014), Beijing, China. Lien externe
