Relational Feature Mining with Hierarchical Multitask kFOIL

Recherche avancée | Historique de recherche Mon DI-fusion | À propos de DI-fusion | Contact |

;Landwehr, Neils ;Passerini, Andrea
Référence Fundamenta informaticae, 113, 2, page (151-177)
Publication Publié, 2011

Article révisé par les pairs

Titre:	Relational Feature Mining with Hierarchical Multitask kFOIL
Auteur:	Cilia, Elisa; Landwehr, Neils; Passerini, Andrea
Informations sur la publication:	Fundamenta informaticae, 113, 2, page (151-177)
Statut de publication:	Publié, 2011
Sujet CREF:	Intelligence artificielle
Langue:	Anglais
Identificateurs:	urn:issn:0169-2968
	info:doi/10.3233/FI-2011-604

Artificial Intelligence – A turning point in pandemic preparedness and response? A SWOT analysis
par Morias, Alizée , Peterschek, Sophie , Renmans, Dimitri , Paul, Elisabeth
Publication 2025-10-01
Tech tools unleashed: elevating your scientific productivity with AI and other software
par Pinker, India , Duimel, S. , Oladipo, E. , Bras, I. , Gilani, S. , Etenaille, Maxime , Frerichs, W.
Publication 2025-09-01
Intelligence artificielle et droit d’auteur : Rapport belge
par Cabay, Julien
Publication 2025-06-17
intent-aware Example-based Explainability
par Nematov, Ikhtiyor
Publication 2025-01-22
Constrained reduced-order modeling of reacting flows using bounded Gaussian process likelihoods: application to a furnace operating under MILD conditions
par Hafeez, Muhammad Azam , Procacci, Alberto , Coussement, Axel , Parente, Alessandro
Publication 2025-10-01

Référencement	Visibilité	Pérennité	Facilité
Les publications encodées constituent la bibliographie académique de l'Université.	Les documents déposés sont indexés par les moteurs de recherche (Google Scholar,…).	Les documents déposés en open-access sont archivés au sein du réseau de préservation SAFE-PLN (www.safepln.org).	Les listes de publications sont compatibles avec le CV-ULB, le FNRS et accessibles sur le web.