| Publikationstyp: | Beitrag in Magazin oder Zeitung |
| Titel: | Optimising Deep Learning for Infinite Applications in Text Analytics |
| Autor/-in: | Cieliebak, Mark |
| Erschienen in: | ERCIM News |
| Band(Heft): | 107 |
| Erscheinungsdatum: | 2016 |
| Verlag / Hrsg. Institution: | European Research Consortium for Informatics and Mathematics |
| ISSN: | 0926-4981 1564-0094 |
| Sprache: | Englisch |
| Fachgebiet (DDC): | 006: Spezielle Computerverfahren |
| URI: | http://dreamboxx.com/mark/data/ercim_news_107_2016_article.pdf https://digitalcollection.zhaw.ch/handle/11475/10912 |
| Volltext Version: | Publizierte Version |
| Lizenz (gemäss Verlagsvertrag): | Lizenz gemäss Verlagsvertrag |
| Departement: | School of Engineering |
| Organisationseinheit: | Institut für Informatik (InIT) |
| Enthalten in den Sammlungen: | Publikationen School of Engineering |
Dateien zu dieser Ressource:
Es gibt keine Dateien zu dieser Ressource.
Zur Langanzeige
Cieliebak, M. (2016). Optimising Deep Learning for Infinite Applications in Text Analytics. ERCIM News, 107. http://dreamboxx.com/mark/data/ercim_news_107_2016_article.pdf
Cieliebak, M. (2016) ‘Optimising Deep Learning for Infinite Applications in Text Analytics’, ERCIM News, 107. Available at: http://dreamboxx.com/mark/data/ercim_news_107_2016_article.pdf.
M. Cieliebak, “Optimising Deep Learning for Infinite Applications in Text Analytics,” ERCIM News, vol. 107, 2016, [Online]. Available: http://dreamboxx.com/mark/data/ercim_news_107_2016_article.pdf
CIELIEBAK, Mark, 2016. Optimising Deep Learning for Infinite Applications in Text Analytics. ERCIM News [online]. 2016. Bd. 107. Verfügbar unter: http://dreamboxx.com/mark/data/ercim_news_107_2016_article.pdf
Cieliebak, Mark. 2016. “Optimising Deep Learning for Infinite Applications in Text Analytics.” ERCIM News 107. http://dreamboxx.com/mark/data/ercim_news_107_2016_article.pdf.
Cieliebak, Mark. “Optimising Deep Learning for Infinite Applications in Text Analytics.” ERCIM News, vol. 107, 2016, http://dreamboxx.com/mark/data/ercim_news_107_2016_article.pdf.
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt, soweit nicht anderweitig angezeigt.