Startseite UR

Integrating machine learning approaches into network science: exemplary applications and novel algorithms

URN zum Zitieren dieses Dokuments: urn:nbn:de:bvb:355-epub-199125

Blöchl, Florian (2011) Integrating machine learning approaches into network science: exemplary applications and novel algorithms. Dissertation, Universität Regensburg.

[img]
Vorschau
Lizenz: Veröffentlichungsvertrag für Publikationen mit Print on Demand
PDF
Download (8MB)

Zusammenfassung (Englisch)

The goal of this PhD thesis is to exemplify how methods to model complex systems, mainly the language of complex network science, and machine learning approaches can profit from each other. Thereby it deals with several projects arising from concrete questions to different complex systems from multiple fields of science. An introductory chapter explains important clustering algorithms and blind ...

plus

Übersetzung der Zusammenfassung (Deutsch)

Das Ziel dieser Doktorarbeit ist es, beispielhaft zu zeigen, wie Methoden zur Modellierung komplexer Systeme - vor Allem die Sprache komplexer Netzwerke - und maschinelle Lernansätze voneinander profitieren können. Dabei behandelt sie mehrere Projekte, die aus konkreten Fragen an verschiedene komplexe Systeme aus unterschiedlichen wissenschaftlichen Disziplinen entspringen. Ein einführendes ...

plus


Bibliographische Daten exportieren



Dokumentenart:Hochschulschrift der Universität Regensburg (Dissertation)
Datum:4 März 2011
Begutachter (Erstgutachter):Prof. Dr. Elmar W. Lang und Prof. Dr. Dr. Fabian J. Theis und Prof. Dr. Ingo Morgenstern
Tag der Prüfung:14 Februar 2011
Zusätzliche Informationen (Öffentlich):
Institutionen:Biologie und Vorklinische Medizin > Institut für Biophysik und physikalische Biochemie > Prof. Dr. Elmar Lang > Arbeitsgruppe Dr. Fabian Theis
Biologie und Vorklinische Medizin > Institut für Biophysik und physikalische Biochemie > Prof. Dr. Elmar Lang
Themenverbund:Nicht ausgewählt
Stichwörter / Keywords:complex networks, machine learning, matrix factorization, source separation, centrality measures, Input-Output network, effective parameters, microarray data analysis, graph-delayed correlation, GraDe, community detection, k-partite network, latent causes
Dewey-Dezimal-Klassifikation:500 Naturwissenschaften und Mathematik > 530 Physik
Status:Veröffentlicht
Begutachtet:Ja, diese Version wurde begutachtet
An der Universität Regensburg entstanden:Ja
Eingebracht am:04 Mrz 2011 15:52
Zuletzt geändert:13 Mrz 2014 17:01
Dokumenten-ID:19912
Nur für Besitzer und Autoren: Kontrollseite des Eintrags

Downloads

Downloads im Monat während des letzten Jahres

  1. Universität

Universitätsbibliothek

Publikationsserver

Kontakt:

Publizieren: oa@ur.de

Dissertationen: dissertationen@ur.de

Forschungsdaten: daten@ur.de

Ansprechpartner