退出
我的积分:
中文文献批量获取
外文文献批量获取
机译:具有不可忽略的遗失的纵向计数数据的贝叶斯模型
Niko A. Kaciroti; Trivellore E. Raghunathan; M. Anthony Schork; Noreen M. Clark;
Gibbs sampling Longitudinal data Non-linear mixed effects models Poisson outcomes Randomized trials Transition Markov models;
机译:贝叶斯潜在类混合效应混合模型,用于不可忽略的二元纵向数据
机译:具有非无知辍学的二次纵向数据的贝叶斯潜入混合效应混合型号
机译:无限辍学,用于从数据流中训练贝叶斯模型
机译:在纵向研究中,通过行政审查对模式混合模型进行调整以适应不可忽略的辍学。
机译:具有不可忽略的缺失的二元纵向数据的贝叶斯潜在类混合效应混合模型
机译:具有不可忽略丢失的纵向计数数据的贝叶斯模型
机译:使用二进贝叶斯模型对数据生成过程进行建模
机译:使用贝叶斯模型和机器学习技术的合成数据生成
机译:基于患者数据的医疗诊断和治疗的贝叶斯因果关系网络模型
抱歉,该期刊暂不可订阅,敬请期待!
目前支持订阅全部北京大学中文核心(2020)期刊目录。