Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Detecting and Mitigating Test-time Failure Risks via Model-agnostic Uncertainty Learning

Lahoti, P., Gummadi, K., & Weikum, G. (2022). Detecting and Mitigating Test-time Failure Risks via Model-agnostic Uncertainty Learning. In J. Bailey, P. Miettinen, Y. S. Koh, D. Tao, & X. Wu (Eds.), 21st IEEE International Conference on Data Mining (pp. 1174-1179). Piscataway, NJ: IEEE. doi:10.1109/ICDM51629.2021.00141.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-000A-5E15-6 Versions-Permalink: https://hdl.handle.net/21.11116/0000-000F-17DE-E
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
2109.04432.pdf (Preprint), 841KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-000F-17DF-D
Name:
2109.04432.pdf
Beschreibung:
-
OA-Status:
Keine Angabe
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
© 2021 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works.
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Lahoti, Preethi1, Autor           
Gummadi, Krishna2, Autor           
Weikum, Gerhard1, Autor           
Affiliations:
1Databases and Information Systems, MPI for Informatics, Max Planck Society, ou_24018              
2External Organizations, ou_persistent22              

Inhalt

einblenden:

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2021-09-0920222022
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: Gummadi_ICDM21
DOI: 10.1109/ICDM51629.2021.00141
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 21st IEEE International Conference on Data Mining
Veranstaltungsort: Auckland, New Zealand (Virtual Conference)
Start-/Enddatum: 2021-12-07 - 2021-12-10

Entscheidung

einblenden:

Projektinformation

einblenden: ausblenden:
Projektname : FairSocialComputing
Grant ID : 789373
Förderprogramm : Horizon 2020 (H2020)
Förderorganisation : European Commission (EC)
Projektname : imPACT
Grant ID : 610150
Förderprogramm : Funding Programme 7 (FP7)
Förderorganisation : European Commission (EC)

Quelle 1

einblenden:
ausblenden:
Titel: 21st IEEE International Conference on Data Mining
  Kurztitel : ICDM 2021
Genre der Quelle: Konferenzband
 Urheber:
Bailey, James1, Herausgeber
Miettinen, Pauli1, Herausgeber           
Koh, Yun Sing1, Herausgeber
Tao, Dacheng1, Herausgeber
Wu, Xindong1, Herausgeber
Affiliations:
1 External Organizations, ou_persistent22            
Ort, Verlag, Ausgabe: Piscataway, NJ : IEEE
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 1174 - 1179 Identifikator: ISBN: 978-1-6654-2398-4