塞巴斯蒂安·莫雷诺
人员信息
优化列表
2020年–今天
2024 [公元10年] 恩里克·卡内萨 , 塞尔吉奥·沙伊格诺 , 塞巴斯蒂安·莫雷诺 :
描述和理解物业挂牌任务的时间过程。 认知。 过程。 25 ( 1 ) : 61-74 ( 2024 ) [公元9年] 克里斯托巴尔·赫雷迪亚 , 塞巴斯蒂安·莫雷诺 , 威尔弗雷多·尤西米托(Wilfredo F.Yushimito) :
ODMeans:一个R包,用于原地GPS数据的全球和本地集群检测。 软件X 26 : 101732 ( 2024 ) 2023 [公元20年] 阿方索·托巴尔·阿兰西比亚 , 塞巴斯蒂安·莫雷诺 , 哈维尔·洛帕廷 :
智利推文中的仇恨语音识别。 SCCC公司 2023 : 1-8 2022 [j8] 赫雷迪亚基督教堂 , 塞巴斯蒂安·莫雷诺 , 威尔弗雷多·尤西米托(Wilfredo F.Yushimito) :
利用始发地GPS出租车数据的分层聚类来表征流动模式。 IEEE传输。 智力。 运输。 系统。 23 ( 8 ) : 12700-12710 ( 2022 ) [第19条] 罗德里戈·马丁内斯 , 塞巴斯蒂安·莫雷诺 :
标记可疑行为船只的旗帜系统。 SCCC公司 2022 : 1-8 [第18条] 塞巴斯蒂安·莫雷诺 , 威尔弗雷多·尤西米托(Wilfredo F.Yushimito) , 塞巴斯蒂安·休斯 :
用于帮助台票证分配的堆叠泛化集成模型。 SCCC公司 2022 : 1-8 2021 [j7] 恩里克·卡内萨 , 塞尔吉奥·沙伊格诺 , 塞巴斯蒂安·莫雷诺 :
盲人和视力正常人的语言处理差异以及抽象概念与具体概念的差异。 认知。 科学。 45 ( 10 ) ( 2021 ) [j6] 莫里斯·波里耶 , 塞巴斯蒂安·莫雷诺 , 冈萨洛·韦尔塔·卡内帕 :
稳健的h指数。 科学计量学 126 ( 三 ) : 1969-1981 ( 2021 ) 2020 [j5] 塞巴斯蒂安·莫雷诺 , 乔迪·佩雷拉 , 威尔弗雷多·尤西米托(Wilfredo F.Yushimito) :
商业区域设计的混合K-均值和整数规划方法:肉类配送案例研究。 安·Oper。 物件。 286 ( 1 ) : 87-117 ( 2020 ) 【j4】 恩里克·卡内萨 , 塞尔吉奥·沙伊格诺 , 塞巴斯蒂安·莫雷诺 , 罗德里戈·拉各斯 :
从高维概念属性规范数据计算出的余弦和其他相似性的信息含量。 认知。 过程。 21 ( 4 ) : 601-614 ( 2020 )
2010 – 2019
2018 [j3] 塞巴斯蒂安·莫雷诺 , 约瑟夫·普菲费尔三世(Joseph J.Pfeiffer III) , 詹妮弗·内维尔 :
概率生成图模型的可缩放精确采样方法。 数据最小知识。 发现。 32 ( 6 ) : 1561-1596 ( 2018 ) [注2] 塞巴斯蒂安·莫雷诺 , 詹妮弗·内维尔 , 谢尔盖·柯什纳 :
将Kronecker产品图模型绑定以捕获网络种群中的方差。 ACM事务处理。 知识。 发现。 数据 12 ( 三 ) : 35:1-35:40 ( 2018 ) 2017 [第17条] 巴勃罗·罗伯斯·格兰达 , 塞巴斯蒂安·莫雷诺 , 詹妮弗·内维尔 :
社会网络生成模型的统一表示和提升抽样。 国际JCAI 2017 : 3798-3806 2016 [第16条] 巴勃罗·罗伯斯·格兰达 , 塞巴斯蒂安·莫雷诺 , 詹妮弗·内维尔 :
从层次生成模型中抽取属性网络。 KDD公司 2016 : 1155-1164 2015 [第15条] 冉森牛 , 塞巴斯蒂安·莫雷诺 , 詹妮弗·内维尔 :
分析集体推理模型在网络中的可传递性。 ICDM研讨会 2015 : 908-916年 [i2] 巴勃罗·罗伯斯·格兰达 , 塞巴斯蒂安·莫雷诺 , 詹妮弗·内维尔 :
使用贝叶斯网络表示从生成网络模型进行有效采样。 CoRR公司 abs/1507.03168 ( 2015 ) 2014 [第14条] 塞巴斯蒂安·莫雷诺 , 约瑟夫·普菲费尔三世(Joseph J.Pfeiffer III) , 詹妮弗·内维尔 , 谢尔盖·柯什纳 :
Kronecker族模型精确采样的可缩放方法。 ICDM公司 2014 : 440-449 [第13条] 约瑟夫·普菲费尔三世(Joseph J.Pfeiffer III) , 塞巴斯蒂安·莫雷诺 , 蒂莫西·拉丰 , 詹妮弗·内维尔 , 布赖恩·加拉赫 :
属性图模型:使用相关属性建模网络结构。 万维网 2014 : 831-842 2013 [第12条] 塞巴斯蒂安·莫雷诺 , 詹妮弗·内维尔 :
使用混合Kronecker乘积图模型的网络假设检验。 ICDM公司 2013 : 1163-1168 [第11条] 塞巴斯蒂安·莫雷诺 , 詹妮弗·内维尔 , 谢尔盖·柯什纳 :
用模拟矩方法学习混合kronecker乘积图模型。 KDD公司 2013 : 1052-1060 2012 [第10条] 约瑟夫·普菲费尔三世(Joseph J.Pfeiffer III) , 蒂莫西·拉方德 , 塞巴斯蒂安·莫雷诺 , 詹妮弗·内维尔 :
快速生成大规模社交网络,同时合并传递闭包。 SocialCom/PASSAT公司 2012 : 154-165 [i1] 约瑟夫·普菲费尔三世(Joseph J.Pfeiffer III) , 蒂莫西·拉丰 , 塞巴斯蒂安·莫雷诺 , 詹妮弗·内维尔 :
使用集群快速生成大规模社交网络。 CoRR公司 abs/1202.4805 ( 2012 ) 2010 【c9】 塞巴斯蒂安·莫雷诺 , 谢尔盖·柯什纳 , 詹妮弗·内维尔 , S.V.N.维什瓦纳坦 :
利用Kronecker产品图模型捕捉网络人口中的方差。 阿勒顿 2010 : 1137-1144
2000 – 2009
2007 [j1] 罗德里戈·萨拉斯 , 塞巴斯蒂安·莫雷诺 , 赫克特·阿连德 , 克劳迪奥·莫拉加 :
一种适用于非平稳环境的鲁棒且灵活的分层自组织映射模型。 神经计算 70 ( 16-18 ) : 2744-2757 ( 2007 ) 【c8】 卡罗琳娜·萨维德拉 , 罗德里戈·萨拉斯 , 塞巴斯蒂安·莫雷诺 , 赫克特·阿连德 :
自组织地图的融合。 IWANN公司 2007 : 227-234 【c7】 塞巴斯蒂安·莫雷诺 , 赫克托·阿连德 , 罗德里戈·萨拉斯 , 卡罗琳娜·萨维德拉 :
神经气体融合。 IWINAC(1) 2007 : 558-567 2006 【c6】 卡罗琳娜·萨维德拉 , 塞巴斯蒂安·莫雷诺 , 罗德里戈·萨拉斯 , 赫克特·阿连德 :
神经气体学习算法的鲁棒性分析。 CIARP公司 2006 : 559-568 2005 【c5】 罗德里戈·萨拉斯 , 赫克特·阿连德 , 塞巴斯蒂安·莫雷诺 , 卡罗琳娜·萨维德拉 :
用于不断变化的环境的自组织地图的灵活体系结构。 CIARP公司 2005 : 642-653 【c4】 塞巴斯蒂安·莫雷诺 , 赫克特·阿连德 , 克里斯蒂安·罗杰尔 , 罗德里戈·萨拉斯 :
稳健增长的层次自组织映射。 IWANN公司 2005 : 341-348 【c3】 卡罗琳娜·萨维德拉 , 赫克特·阿连德 , 塞巴斯蒂安·莫雷诺 , 罗德里戈·萨拉斯 :
K-动态自组织映射。 海地 2005 : 702-711 2004 【c2】 赫克特·阿连德 , 塞巴斯蒂安·莫雷诺 , 克里斯蒂安·罗杰尔 , 罗德里戈·萨拉斯 :
强大的自组织地图。 CIARP公司 2004 : 179-186 【c1】 赫克特·阿连德 , 塞巴斯蒂安·莫雷诺 , 克里斯蒂安·罗杰尔 , 罗德里戈·萨拉斯 :
用于分析具有异常值的数据的稳健神经气体。 SCCC公司 2004 : 149-155