Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Enhancing gravitational-wave science with machine learning

Cuoco, E., Powell, J., Cavaglià, M., Ackley, K., Bejger, M., Chatterjee, C., et al. (2020). Enhancing gravitational-wave science with machine learning. Machine Learning: Science and Technology, 2(1): 011002. doi:10.1088/2632-2153/abb93a.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-000B-263A-A Versions-Permalink: https://hdl.handle.net/21.11116/0000-000B-263B-9
Genre: Zeitschriftenartikel

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://arxiv.org/abs/2005.03745 (Preprint)
Beschreibung:
-
OA-Status:
Grün
externe Referenz:
https://doi.org/10.1088/2632-2153/abb93a (Verlagsversion)
Beschreibung:
-
OA-Status:
Gold

Urheber

einblenden:
ausblenden:
 Urheber:
Cuoco, E.1, Autor
Powell, J.1, Autor
Cavaglià, M.1, Autor
Ackley, K.1, Autor
Bejger, M.1, Autor
Chatterjee, C.1, Autor
Coughlin, M.1, Autor
Coughlin, S.1, Autor
Easter, P.1, Autor
Essick, R.1, Autor
Gabbard, H.1, Autor
Gebhard, T.2, Autor           
Ghosh, S.1, Autor
Haegel, L.1, Autor
Iess, A.1, Autor
Keitel, D.1, Autor
Márka, Z.1, Autor
Márka, S.1, Autor
Morawski, F.1, Autor
Nguyen, T.1, Autor
Ormiston, R.1, AutorPürrer, M.1, AutorRazzano, M.1, AutorStaats, K.1, AutorVajente, G.1, AutorWilliams, D.1, Autor mehr..
Affiliations:
1External Organizations, ou_persistent22              
2Dept. Empirical Inference, Max Planck Institute for Intelligent Systems, Max Planck Society, ou_1497647              

Inhalt

einblenden:
ausblenden:
Schlagwörter: Abt. Schölkopf
 Zusammenfassung: -

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2020-05-072020-12-01
 Publikationsstatus: Online veröffentlicht
 Seiten: 19
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: Expertenbegutachtung
 Identifikatoren: DOI: 10.1088/2632-2153/abb93a
BibTex Citekey: Cuocoetal20
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Machine Learning: Science and Technology
  Kurztitel : Mach. Learn.: Sci. Technol.
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: Bristol, UK : IOP Publishing
Seiten: - Band / Heft: 2 (1) Artikelnummer: 011002 Start- / Endseite: - Identifikator: ISSN: 2632-2153
CoNE: https://pure.mpg.de/cone/journals/resource/2632-2153