Mohammad Hossein Shaker

100

202020212022202320244 18 58 97 46

Accès public

2 articles

0 article

disponibles

non disponibles

Sur la base des exigences liées au financement

Eyke HüllermeierProfessor of Computer Science, Paderborn UniversityAdresse e-mail validée de upb.de
Vu-Linh NguyenJunior Professor (CPJ) in Computer Science, University of Technology of CompiègneAdresse e-mail validée de hds.utc.fr
Sébastien DesterckeResearcher in Computer Science, CNRS-HeudiasycAdresse e-mail validée de hds.utc.fr
Axel-Cyrille Ngonga NgomoProfessor of Data Science at Paderborn UniversityAdresse e-mail validée de upb.de
Stefan HeindorfPaderborn UniversityAdresse e-mail validée de uni-paderborn.de
Barbara HammerProfessor, Bielefeld UniversityAdresse e-mail validée de techfak.uni-bielefeld.de
Adrian WilkePaderborn UniversityAdresse e-mail validée de uni-paderborn.de
Robert FeldhansBielefeld UniversityAdresse e-mail validée de techfak.uni-bielefeld.de
Tijana JanjicProfessor of Data Assimilation, Mathematical Institute for machine learning and Data ScienceAdresse e-mail validée de ku.de

Mohammad Hossein Shaker

Adresse e-mail validée de ifi.lmu.de


Titre Trier par citations Trier par année Trier par titre	Citée par Citée par	Année
How to measure uncertainty in uncertainty sampling for active learning VL Nguyen, MH Shaker, E Hüllermeier Machine Learning 111 (1), 89-122, 2022	119	2022
Aleatoric and epistemic uncertainty with random forests MH Shaker, E Hüllermeier Advances in Intelligent Data Analysis XVIII: 18th International Symposium on …, 2020	73	2020
Quantification of credal uncertainty in machine learning: A critical analysis and empirical comparison E Hüllermeier, S Destercke, MH Shaker Uncertainty in Artificial Intelligence, 548-557, 2022	17	2022
Ensemble-based uncertainty quantification: Bayesian versus credal inference MH Shaker, E Hüllermeier PROCEEDINGS 31. WORKSHOP COMPUTATIONAL INTELLIGENCE 25, 63, 2021	8	2021
Drift detection in text data with document embeddings R Feldhans, A Wilke, S Heindorf, MH Shaker, B Hammer, ... Intelligent Data Engineering and Automated Learning–IDEAL 2021: 22nd …, 2021	7	2021
Machine learning for estimating parameters of a convective-scale model: A comparison of neural networks and random forests S Legler, T Janjic, MH Shaker, E Hüllermeier PROCEEDINGS 32. WORKSHOP COMPUTATIONAL INTELLIGENCE 1, 1, 2022	1	2022

Le système ne peut pas réaliser cette opération maintenant. Veuillez réessayer plus tard.

Articles 1–6

Nombre de citations par an