Publikation: Best k-Layer Neural Network Approximations
Lade...
Dateien
Zu diesem Dokument gibt es keine Dateien.
Datum
2022
Autor:innen
Herausgeber:innen
ISSN der Zeitschrift
Electronic ISSN
ISBN
Bibliografische Daten
Verlag
Schriftenreihe
Auflagebezeichnung
DOI (zitierfähiger Link)
Internationale Patentnummer
Angaben zur Forschungsförderung
Projekt
Open Access-Veröffentlichung
Sammlungen
Core Facility der Universität Konstanz
Titel in einer weiteren Sprache
Publikationstyp
Zeitschriftenartikel
Publikationsstatus
Published
Erschienen in
Constructive Approximation. Springer. 2022, 55(1), pp. 583-604. ISSN 0176-4276. eISSN 1432-0940. Available under: doi: 10.1007/s00365-021-09545-2
Zusammenfassung
Zusammenfassung in einer weiteren Sprache
Fachgebiet (DDC)
510 Mathematik
Schlagwörter
Konferenz
Rezension
undefined / . - undefined, undefined
Zitieren
ISO 690
LIM, Lek-Heng, Mateusz MICHALEK, Yang QI, 2022. Best k-Layer Neural Network Approximations. In: Constructive Approximation. Springer. 2022, 55(1), pp. 583-604. ISSN 0176-4276. eISSN 1432-0940. Available under: doi: 10.1007/s00365-021-09545-2BibTex
@article{Lim2022kLaye-54080, year={2022}, doi={10.1007/s00365-021-09545-2}, title={Best k-Layer Neural Network Approximations}, number={1}, volume={55}, issn={0176-4276}, journal={Constructive Approximation}, pages={583--604}, author={Lim, Lek-Heng and Michalek, Mateusz and Qi, Yang} }
RDF
<rdf:RDF xmlns:dcterms="http://purl.org/dc/terms/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:bibo="http://purl.org/ontology/bibo/" xmlns:dspace="http://digital-repositories.org/ontologies/dspace/0.1.0#" xmlns:foaf="http://xmlns.com/foaf/0.1/" xmlns:void="http://rdfs.org/ns/void#" xmlns:xsd="http://www.w3.org/2001/XMLSchema#" > <rdf:Description rdf:about="https://kops.uni-konstanz.de/server/rdf/resource/123456789/54080"> <bibo:uri rdf:resource="https://kops.uni-konstanz.de/handle/123456789/54080"/> <dc:creator>Michalek, Mateusz</dc:creator> <dc:creator>Qi, Yang</dc:creator> <dspace:isPartOfCollection rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/39"/> <dcterms:isPartOf rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/39"/> <dc:contributor>Michalek, Mateusz</dc:contributor> <dcterms:issued>2022</dcterms:issued> <dc:contributor>Lim, Lek-Heng</dc:contributor> <dc:contributor>Qi, Yang</dc:contributor> <dc:language>eng</dc:language> <void:sparqlEndpoint rdf:resource="http://localhost/fuseki/dspace/sparql"/> <foaf:homepage rdf:resource="http://localhost:8080/"/> <dcterms:title>Best k-Layer Neural Network Approximations</dcterms:title> <dc:creator>Lim, Lek-Heng</dc:creator> <dc:date rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2021-06-23T09:51:38Z</dc:date> <dcterms:available rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2021-06-23T09:51:38Z</dcterms:available> </rdf:Description> </rdf:RDF>
Interner Vermerk
xmlui.Submission.submit.DescribeStep.inputForms.label.kops_note_fromSubmitter
Prüfungsdatum der Dissertation
Finanzierungsart
Kommentar zur Publikation
Allianzlizenz
Corresponding Authors der Uni Konstanz vorhanden
Internationale Co-Autor:innen
Universitätsbibliographie
Ja
Begutachtet
Unbekannt