Dipartimento di Informatica, Universita di Pisa Largo B. Pontecorvo 3, 56127 Pisa, Italy;
机译:树状结构数据的组合生成映射-第一部分:树的自下而上的概率建模
机译:使用鲁棒概率内核将生成主题模型的高效集成到鉴别分类器中
机译:概率模型和生成型神经网络:建立用于建模正常和受损神经认知功能的统一框架
机译:通过进化概率树模型的基因功能预测生成核
机译:基于图的数据分析:树状协方差估计,通过正则核估计进行预测以及用于概率推断的聚合数据库查询处理。
机译:概率模型和生成型神经网络:建立用于建模正常和受损神经认知功能的统一框架
机译:我们开发了一种科学创造力模型,并在稀有疾病领域进行测试。我们的模型基于对Rett综合征的深入案例研究的结果。档案分析,文献计量技术和专家调查与网络分析相结合,以确定最具创造力的科学家。首先,比较生成和组合创造力的替代措施。然后,我们推广了我们的结果,并提出了社会语义网络演化的随机模型。模型预测用多个罕见疾病专业网络进行测试。我们发现,一个领域的专家之间的新的科学合作增强了组合创造力。相反,新手的高入门率与生成创造力负相关。通过扩展这组有用的概念,创造性的科学家获得了中心地位。同时,通过增加科学界的中心地位,科学家们可以复制和推广他们的结果,从而促进科学范式的发展。