威廉·沃格曼
人员信息
优化列表
2020年–今天
2024 [j35] 迪米特里奥斯·伊利亚迪斯 , 伯纳德·德·贝茨 , 塔皮奥·帕希卡拉 , 威廉·沃格曼 :
药物-靶点相互作用预测中嵌入聚合策略的比较。 BMC生物信息。 25 ( 1 ) : 59 ( 2024 ) 【i21】 米拉·杰根斯 , 尼斯·梅内特 , 维克托·本斯 , 埃克·Hüllermier , 威廉·沃格曼 :
证据性深度学习方法忠实地代表了认识的不确定性吗? CoRR公司 腹肌/2402.09056 ( 2024 ) 2023 [公元34年] 尼古拉·德沃夫 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
回归问题的有效预测间隔。 Artif公司。 智力。 版次。 56 ( 1 ) : 577-613 ( 2023 ) [公元33年] 迪米特里奥斯·伊利亚迪斯 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
DeepMTP:基于Python的多目标预测深度学习框架。 软件X 23 : 101516 ( 2023 ) [公元27年] 托马斯·莫蒂尔 , 维克托·本斯 , 埃克·Hüllermier , 斯迪恩·卢卡 , 威廉·沃格曼 :
概率分类器集的校准。 AISTATS公司 2023 : 8857-8870 [公元26年] 维克托·本斯 , 埃克·Hüllermier , 威廉·沃格曼 :
认知不确定性量化的二阶评分规则。 ICML公司 2023 : 2078-2091 [i20] 维克托·本斯 , 埃克·Hüllermier , 威廉·沃格曼 :
认知不确定性量化的二阶评分规则。 CoRR公司 abs/2301.12736 ( 2023 ) [i19] 尼古拉·德沃夫 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
异方差共形回归。 CoRR公司 abs/2309.08313 ( 2023 ) 2022 [公元32年] 盖坦·德韦勒 , 吉姆·克劳瓦特 , 格本·门沙尔特 , 威廉·沃格曼 :
单细胞甲基体插补用CpG变压器。 生物信息。 38 ( 三 ) : 597至603 ( 2022 ) [公元31年] 迪米特里奥斯·伊利亚迪斯 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
使用双分支神经网络对假人进行多目标预测。 机器。 学习。 111 ( 2 ) : 651-684 ( 2022 ) 【j30】 吉姆·克劳瓦特 , 威廉·沃格曼 :
用于基因组学中改进序列标记的新型变压器网络。 IEEE ACM传输。 计算。 生物信息。 19 ( 1 ) : 97-106 ( 2022 ) [公元25年] 维克托·本斯 , 埃克·Hüllermier , 威廉·沃格曼 :
通过损失最小化量化认识不确定性的陷阱。 NeurIPS公司 2022 [公元24年] 托马斯·莫蒂尔 , 埃克·Hüllermier , Krzysztof Dembczynski先生 , 威廉·沃格曼 :
表示复杂度受限的层次分类中的集值预测。 阿拉伯联合酋长国 2022 : 1392-1401 [i18] 维克托·本斯 , 埃克·Hüllermier , 威廉·沃格曼 :
关于机器学习中认知不确定性量化的困难:通过损失最小化进行直接不确定性估计的案例。 CoRR公司 abs/2203.06102 ( 2022 ) [i17] 托马斯·莫蒂尔 , 埃克·Hüllermier , Krzysztof Dembczynski先生 , 威廉·沃格曼 :
表示复杂度受限的层次分类中的集值预测。 CoRR公司 abs/2203.06676 ( 2022 ) [i16] 托马斯·莫蒂尔 , 维克托·本斯 , 埃克·Hüllermier , 斯迪恩·卢卡 , 威廉·沃格曼 :
基于集合的可信度预测器的校准。 CoRR公司 abs/2205.10082 ( 2022 ) 【i15】 迪米特里奥斯·伊利亚迪斯 , 马塞尔·韦弗 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
深部多目标预测中的超参数优化。 CoRR公司 abs/2211.04362 ( 2022 ) 2021 [公元29年] 吉姆·克劳瓦特 , 格本·门沙尔特 , 威廉·沃格曼 :
功能基因组学变压器模型的解释性。 生物信息简报。 22 ( 5 ) ( 2021 ) [公元28年] 托马斯·莫蒂尔 , 马雷克·威德穆奇 , Krzysztof Dembczynski先生 , 埃克·Hüllermier , 威廉·沃格曼 :
多类分类中的有效集值预测。 数据最小知识。 发现。 35 ( 4 ) : 1435-1469 ( 2021 ) [公元27年] 埃克·Hüllermier , 威廉·沃格曼 :
机器学习中的任意和认知不确定性:概念和方法介绍。 机器。 学习。 110 ( 三 ) : 457-506 ( 2021 ) [第14条] 迪米特里奥斯·伊利亚迪斯 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
使用AutoMTP进行多目标预测中的自动问题设置选择。 CoRR公司 abs/2104.09967 ( 2021 ) [i13] 尼古拉·德沃夫 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
回归问题的校准好的预测区间。 CoRR公司 abs/2107.00363 ( 2021 ) 2020 [公元26年] Michiel股票 , 塔皮奥·帕希卡拉 , 安蒂·阿罗拉 , 威廉·沃格曼 , 伯纳德·德·贝茨 :
监督网络推理中遗漏交叉验证的代数捷径。 生物信息简报。 21 ( 1 ) : 262-271 ( 2020 )
2010 – 2019
2019 [公元25年] Mieke Deschepper公司 , 克里斯托夫·埃克洛 , 德克·沃格勒 , 威廉·沃格曼 :
使用分层ICD数据的医院范围内计划外再入院预测模型。 计算。 方法生物识别程序。 173 : 177-183 ( 2019 ) [公元24年] 威廉·沃格曼 , Krzysztof Dembczynski先生 , 埃克·Hüllermier :
多目标预测:对问题和方法的统一看法。 数据最小知识。 发现。 33 ( 2 ) : 293-324 ( 2019 ) 【c23】 托马斯·莫蒂尔 , 马雷克·威德穆奇 , Krzysztof Dembczynski先生 , 埃克·Hüllermier , 威廉·沃格曼 :
多类分类中的集值预测。 BNAIC/贝内莱恩 2019 [公元22年] 克里斯蒂娜·帕帕吉安诺波卢 , 雷内·帕兴 , 威廉·沃格曼 :
利用单细胞MALDI-TOF质谱数据研究用于快速病原鉴定的时间序列分类技术。 BNAIC/贝内莱恩 2019 【c21】 克里斯蒂娜·帕帕吉安诺波卢 , 雷内·帕兴 , 威廉·沃格曼 :
利用单细胞MALDI-TOF质谱数据研究用于快速病原鉴定的时间序列分类技术。 ECML/PKDD(3) 2019 : 416-431 [i12] 托马斯·莫蒂尔 , 马雷克·威德穆奇 , 埃克·Hüllermier , Krzysztof Dembczynski先生 , 威廉·沃格曼 :
多类分类中集值预测的有效算法。 CoRR公司 abs/1906.08129 ( 2019 ) [i11] 埃克·Hüllermier , 威廉·沃格曼 :
机器学习中的任意和认知不确定性:教程介绍。 CoRR公司 abs/1910.09457 ( 2019 ) 2018 [公元23年] Michiel股票 , 塔皮奥·帕希卡拉 , 安蒂·阿罗拉 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
基于核岭回归的成对学习方法的比较研究。 神经计算。 30 ( 8 ) ( 2018 ) [公元20年] Stijn Decubber公司 , 托马斯·莫蒂尔 , 克日什托夫·德姆布钦斯基 , 威廉·沃格曼 :
多标签分类中的深度F-测度最大化:一项比较研究。 ECML/PKDD(1) 2018 : 290-305 [i10] Michiel股票 , 塔皮奥·帕希卡拉 , 安蒂·阿罗拉 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
基于核岭回归的成对学习方法的比较研究。 CoRR公司 abs/1803.01575 ( 2018 ) [第九章] 威廉·沃格曼 , Krzysztof Dembczynski先生 , 埃克·Hüllermier :
多目标预测:问题和方法的统一观点。 CoRR公司 abs/1809.02352 ( 2018 ) 2017 [第19条] 布莱希特·马滕斯 , 迭戈·米拉莱斯 , 沃特·多里戈 , 威廉·沃格曼 , Niko E.C.Verhoest公司 :
使用简单的监督学习方法研究全球陆地蒸发对海洋大气振荡的控制。 MultiTemp(多温度) 2017 : 1-3 [第18条] 迭戈·G·米拉莱斯 , 马提亚斯·德穆泽雷 , Niko E.C.Verhoest公司 , 沃特·多里戈 , 克里斯蒂娜·帕帕吉安诺波卢 , Stijn分离器 , 威廉·沃格曼 :
一种非线性数据驱动的方法,用于揭示全球植被对气候的敏感性。 MultiTemp(多温度) 2017 : 1-3 [第17条] 克里斯蒂娜·帕帕吉安诺波卢 , Stijn Decubber公司 , 迭戈·G·米拉莱斯 , 马蒂亚斯·德穆泽雷 , Niko E.C.Verhoest公司 , 威廉·沃格曼 :
用时间序列分类方法分析气候数据中的格兰杰因果关系。 ECML/PKDD(3) 2017 : 15-26 2016 [公元22年] Michiel股票 , Krzysztof Dembczynski先生 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
通过查询可分离线性关系模型实现多目标预测的精确高效top-K推理。 数据最小知识。 发现。 30 ( 5 ) : 1370-1394 ( 2016 ) [第16条] Krzysztof Dembczynski先生 , 沃伊西奇·科特洛夫斯基 , 威廉·沃格曼 , 罗贝特·布萨·费科特 , 埃克·Hüllermier :
概率分类器树的一致性。 ECML/PKDD(2) 2016 : 511-526 [i8] Michiel股票 , 帕希卡拉塔皮奥 , 安蒂·阿罗拉 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
使用核岭回归的有效成对学习:一种精确的两步方法。 CoRR公司 abs/1606.04275 ( 2016 ) [i7] Michiel股票 , Krzysztof Dembczynski先生 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
通过查询可分离线性关系模型实现多目标预测的精确高效top-K推理。 CoRR公司 abs/1606.04278 ( 2016 ) 2015 [公元21年] E.科尔曼 , 威廉·沃格曼 , 伯纳德·德·贝茨 , Veerle Fievez公司 :
基于乳脂肪酸的亚急性瘤胃酸中毒预测:用于模型开发的线性判别和支持向量机方法的比较。 计算。 电子。 农业。 111 : 179-185 ( 2015 ) [i6] 塔皮奥·帕希卡拉 , 马库斯·维尔贾宁 , 安蒂·阿罗拉 , 威廉·沃格曼 :
对称和反对称成对核的谱分析。 CoRR公司 abs/1506.05950 ( 2015 ) 2014 [公元20年] 简·彼得斯 , 威廉·沃格曼 , 贾斯珀·范多宁克 , Els I.Ducheyne公司 , 卡洛斯·卡尔维特 , J.朗西特斯 , Niko E.C.Verhoest公司 , 伯纳德·德·贝茨 :
基于环境栖息地特征和物种扩散预测西班牙的亚胺库蚊时空分布。 经济。 信息学 22 : 69-80 ( 2014 ) [公元19年] 威廉·沃格曼 , Krzysztof Dembczynski先生 , 阿尔卡迪乌斯·贾奇尼克 , 程伟伟(Weiwei Cheng) , 埃克·Hüllermier :
关于F-测度最大化器的贝叶斯最优性。 J.马赫。 学习。 物件。 15 ( 1 ) : 3333-3388 ( 2014 ) [公元18年] Michiel股票 , 托马斯·福伯 , 埃克·Hüllermier , 塞尔盖·格林卡 , 格哈德·克莱布 , 塔皮奥·帕希卡拉 , 安蒂·阿罗拉 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
通过逐级学习方法鉴定功能相关酶。 IEEE ACM传输。 计算。 生物信息。 11 ( 6 ) : 1157-1169 ( 2014 ) [第15条] 帕希卡拉塔皮奥 , Michiel股票 , Antti Airola公司 , 特罗·艾托卡利奥 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
解决二进预测中完全和几乎完全冷启动问题的两步学习方法。 ECML/PKDD(2) 2014 : 517-532 [i5] Michiel股票 , 托马斯·福伯 , 埃克·Hüllermier , 塞尔盖·格林卡 , 格哈德·克莱布 , 塔皮奥·帕希卡拉 , 安蒂·阿罗拉 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
通过逐级学习方法鉴定功能相关酶。 CoRR公司 abs/1405.4394 ( 2014 ) [i4] 帕希卡拉塔皮奥 , Michiel股票 , 安蒂·阿罗拉 , 特罗·艾托卡利奥 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
解决二进预测中完全和几乎完全冷启动问题的两步学习方法。 CoRR公司 abs/1405.4423 ( 2014 ) 2013 [公元17年] 福田信治 , 伯纳德·德·贝茨 , 威廉·沃格曼 , 简·韦瓦伦 , 回答M.Mouton :
使用广泛的物种分布模型对产卵欧洲灰莺(Thymallus Thymallus L.)进行栖息地预测和知识提取。 环境。 模型。 柔和。 47 : 1-6 ( 2013 ) [公元16年] 帕希卡拉塔皮奥 , Antti Airola公司 , Michiel股票 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
用于关系数据条件排序的高效正则化最小二乘算法。 机器。 学习。 93 ( 2-3 ) : 321-356 ( 2013 ) [第14条] Krzysztof Dembczynski先生 , 阿尔卡迪乌斯·贾奇尼克 , 沃伊西奇·科特洛夫斯基 , 威廉·沃格曼 , 埃克·Hüllermier :
优化多标签分类中的F度量:插件规则方法与结构化损失最小化。 ICML(3) 2013 : 1130-1138 [i3] 威廉·沃格曼 , Krzysztof Dembczynski先生 , 程伟伟(Weiwei Cheng) , 埃克·Hüllermier :
关于F-测度极大值的Bayes-最优性。 CoRR公司 abs/1310.4849 ( 2013 ) 2012 [公元15年] 简·韦瓦伦 , 威廉·沃格曼 , 伯纳德·德·贝茨 :
使用基于核的比例优势模型学习部分序数类成员关系。 计算。 统计数据分析。 56 ( 4 ) : 928年至942年 ( 2012 ) [公元14年] Krzysztof Dembczynski先生 , 威廉·沃格曼 , 程伟伟(Weiwei Cheng) , 埃克·Hüllermier :
多标签分类中的标签依赖和损失最小化。 机器。 学习。 88 ( 1-2 ) : 5-45 ( 2012 ) [j13] 威廉·沃格曼 , 塔皮奥·帕希卡拉 , 安蒂·阿罗拉 , 塔皮奥·萨拉科斯基 , Michiel股票 , 伯纳德·德·贝茨 :
从数据学习分级关系的基于内核的框架。 IEEE传输。 模糊系统。 20 ( 6 ) : 1090-1101 ( 2012 ) [第13条] Krzysztof Dembczynski先生 , 威廉·沃格曼 , 埃克·Hüllermier :
多标签分类中的链接分析。 ECAI公司 2012 : 294-299 [第12条] 程伟伟(Weiwei Cheng) , 埃克·Hüllermier , 威廉·沃格曼 , 沃尔克马尔·韦尔克 :
基于阈值概率模型的部分弃权标签排序。 NIPS公司 2012 : 2510-2518 [第11条] 程伟伟(Weiwei Cheng) , Krzysztof Dembczynski先生 , 埃克·Hüllermier , 阿德里安·雅罗斯泽维奇 , 威廉·沃格曼 :
局部分类中的F-测度最大化。 RSCTC公司 2012 : 439-446 [i2] 塔皮奥·帕希卡拉 , Antti Airola公司 , Michiel股票 , 伯纳德·德·贝茨 , 威廉·沃格曼 :
关系数据条件排序的高效正则最小二乘算法。 CoRR公司 abs/1209.4825 ( 2012 ) 2011 [j12] 威廉·沃格曼 , 伯纳德·德·贝茨 :
关于两两排序函数的ERA排序代表性。 Artif公司。 智力。 175 ( 7-8 ) : 1223-1250 ( 2011 ) [公元11年] 安蒂·阿罗拉 , 塔皮奥·帕希卡拉 , 威廉·沃格曼 , 伯纳德·德·贝茨 , 塔皮奥·萨拉科斯基 :
估算ROC曲线下面积的交叉验证技术的实验比较。 计算。 统计数据分析。 55 ( 4 ) : 1828-1844 ( 2011 ) [公元10年] 威廉·沃格曼 , 简·韦瓦伦 , 布拉姆·斯拉宾克 , 伯纳德·德·贝茨 :
具有部分类成员关系的多类分类问题的监督学习算法。 模糊集系统。 184 ( 1 ) : 106年至125年 ( 2011 ) [第10条] 威廉·沃格曼 , 塔皮奥·帕希卡拉 , 安蒂·阿罗拉 , 塔皮奥·萨拉科斯基 , 伯纳德·德·贝茨 :
从数据中学习有价值的关系。 欧洲熔断器 2011 : 257-268 【c9】 福田信治 , 威廉·沃格曼 , 回答M.Mouton , 伯纳德·德·贝茨 :
基于两两比较的遗传算法优化Takagi-Sugeno模型模拟鱼类栖息地偏好。 欧洲保险公司 2011 : 375-387 【c8】 福田真司 , 中岛俊一 , 伯纳德·德·贝茨 , 威廉·沃格曼 , 高彦木凯(Takahiko Mukai) , 回答M.Mouton , 诺里奥·奥尼库拉 :
使用遗传Takagi-Sugeno模糊系统对鱼类栖息地偏好建模中的精度-复杂性关系进行讨论。 GEFS公司 2011 : 81-86 【c7】 威廉·沃格曼 , 伯纳德·德·贝茨 :
ERA排名代表性:序数回归和多类分类之间缺失的联系。 ISDA公司 2011 : 1188-1193 【c6】 Krzysztof Dembczynski先生 , 威廉·沃格曼 , 程伟伟(Weiwei Cheng) , 埃克·Hüllermier :
F-测度最大化的精确算法。 NIPS公司 2011 : 1404-1412 [i1] 威廉·沃格曼 , 塔皮奥·帕希卡拉 , 安蒂·阿罗拉 , 塔皮奥·萨拉科斯基 , Michiel股票 , 伯纳德·德·贝茨 :
一个基于内核的框架,用于从数据中学习分级关系。 CoRR公司 abs/1111.6473 ( 2011 ) 2010 [公元9年] 布拉姆·斯拉宾克 , 威廉·沃格曼 , 彼得·达文特 , 保罗·德沃斯 , 伯纳德·德·贝茨 :
从学习分类到系统发育学习:将16S rRNA基因数据整合到基于FAME的细菌分类中。 BMC生物信息。 11 : 69 ( 2010 ) [j8] 塔皮奥·帕希卡拉 , 威廉·沃格曼 , 叶甫根尼·齐夫茨瓦泽 , 塔皮奥·萨拉科斯基 , 伯纳德·德·贝茨 :
用核方法学习不及物互惠关系。 欧洲药典。 物件。 206 ( 三 ) : 676-685 ( 2010 ) [j7] 威廉·沃格曼 , 伯纳德·德·贝茨 :
两两多类分类中二分排序的及物性分析。 信息科学。 180 ( 21 ) : 4099-4117 ( 2010 ) 【c5】 迪特尔·德夫拉明克 , 威廉·沃格曼 , 布鲁诺·鲍文斯 , 巴特·温斯 , 乔治·奥特 , 吕克·博拉德 , 帕特里克·桑滕斯 :
4类BCI数据的方向预测。 ESANN公司 2010 【c4】 福田信治 , 诺里奥·奥尼库拉 , 伯纳德·德·贝茨 , 威廉·沃格曼 , 回答M.Mouton , 中岛俊一 , 高彦木凯(Takahiko Mukai) :
鱼类栖息地偏好建模的遗传Takagi-Sugeno模糊系统。 NaBIC公司 2010 : 274-279 【c3】 Krzysztof Dembczynski先生 , 威廉·沃格曼 , 程伟伟(Weiwei Cheng) , 埃克·Hüllermier :
多标签分类中性能指标的回归分析:汉明和子集零一丢失的情况。 ECML/PKDD(1) 2010 : 280-295 【c2】 塔皮奥·帕希卡拉 , 威廉·沃格曼 , 安蒂·阿罗拉 , 塔皮奥·萨拉科斯基 , 伯纳德·德·贝茨 :
关系数据的条件排名。 ECML/PKDD(2) 2010 : 499-514 【c1】 安蒂·阿罗拉 , 塔皮奥·帕希卡拉 , 威廉·沃格曼 , 伯纳德·德·贝茨 , 塔皮奥·萨拉科斯基 :
小样本研究中AUC估计值的比较。 MLSB公司 2010 : 3-13 [第1页] 威廉·沃格曼 , 伯纳德·德·贝茨 :
基于ROC的序数回归研究综述。 偏好学习 2010 : 127-154
2000 – 2009
2009 [j6] 威廉·沃格曼 , 伯纳德·德·贝茨 , 吕克·博拉德 :
基于核的偏好聚合学习方法。 4OR(或) 7 ( 2 ) : 169-189 ( 2009 ) [j5] 威廉·沃格曼 :
学习排名:基于ROC的图表理论方法。 4个或 7 ( 4 ) : 399-402 ( 2009 ) 2008 【j4】 威廉·沃格曼 , 伯纳德·德·贝茨 , 吕克·博拉德 :
有序多类ROC分析的可扩展性。 计算。 统计数据分析。 52 ( 7 ) : 3371-3388 ( 2008 ) [j3] 威廉·沃格曼 , 约翰内斯·科廷 , 巴特·温斯 , 吕克·博拉德 , 伯纳德·德·贝茨 , 利瓦·范·朗格霍夫 , Jan Detand公司 :
根据激光扫描仪数据对地毯进行分类。 工程应用。 Artif公司。 智力。 21 ( 6 ) : 907-918年 ( 2008 ) [注2] 威廉·沃格曼 , 伯纳德·德·贝茨 , 吕克·博拉德 :
使用结构化支持向量机学习分层排序函数。 神经网络 21 ( 10 ) : 1511-1523 ( 2008 ) [j1] 威廉·沃格曼 , 伯纳德·德·贝茨 , 吕克·博拉德 :
序数回归学习中的ROC分析。 模式识别。 莱特。 29 ( 1 ) : 1-9 ( 2008 )