Can we ignore the compositional nature of compositional data by using deep learning aproaches?
Vorschaubild nicht verfügbar
Autor:innen
Autor:in (Körperschaft)
Publikationsdatum
2021
Typ der Arbeit
Studiengang
Sammlung
Typ
04B - Beitrag Konferenzschrift
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Book of short papers SIS 2021
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Reihennummer
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
243-248
Patentnummer
Verlag / Herausgebende Institution
Pearson
Verlagsort / Veranstaltungsort
London
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
Schlagwörter
Fachgebiet (DDC)
330 - Wirtschaft
Veranstaltung
50th Scientific Meeting of the Italian Statistical Society (SIS 2021)
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
21.06.2021
Enddatum der Konferenz
25.06.2021
Datum der letzten Prüfung
ISBN
978-88-919-2736-1
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Nein
Zukunftsfelder FHNW
Publikationsstatus
Veröffentlicht
Begutachtung
Fachlektorat/Editorial Review
Open Access-Status
Closed
Lizenz
Zitation
TEMPL, Matthias, 2021. Can we ignore the compositional nature of compositional data by using deep learning aproaches? In: Cira PERNA, Nicola SALVATI und Francesco SCHIRRIPA SPAGNOLO (Hrsg.), Book of short papers SIS 2021. London: Pearson. 2021. S. 243–248. ISBN 978-88-919-2736-1. Verfügbar unter: https://irf.fhnw.ch/handle/11654/43326