Jesper Løve Hinrich
Gæsteforsker
ORCID: 0000-0003-0258-7151
1 - 5 ud af 5Pr. side: 10
- 2024
- Accepteret/In press
Probabilistic Block Term Decomposition for the Modelling of Higher-order Arrays
Hinrich, Jesper Løve & Morup, M., 2024, (Accepteret/In press) I: Computing in Science and Engineering.Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
- 2023
- Udgivet
Multiway Decomposition Followed by Reconvolution of Fluorescence Time Decay Data
Risum, Anne Bech, Hinrich, Jesper Løve & Rinnan, Åsmund, 2023, I: Analytical Chemistry. 95, 51, s. 18697-18708 12 s.Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
- Udgivet
PARAFAC2×N: Coupled decomposition of multi-modal data with drift in N modes
Sorochan Armstrong, M. D., Hinrich, Jesper Løve, de la Mata, A. P. & Harynuk, J. J., 2023, I: Analytica Chimica Acta. 1249, 14 s., 340909.Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
- 2022
- Udgivet
Using machine learning to identify quality-of-care predictors for emergency caesarean sections: a retrospective cohort study
Andersen, Betina Ristorp, Ammitzboll, I., Hinrich, Jesper Løve, Lehmann, S., Ringsted, C. V., Løkkegaard, Ellen Christine Leth & xgz472, xgz472, 2022, I: BMJ Open. 12, 3, 8 s., 049046.Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
- 2019
Probabilistic tensor train decomposition
Hinrich, Jesper Løve & Mørup, M., sep. 2019, I: European Signal Processing Conference.Publikation: Bidrag til tidsskrift › Konferenceartikel › Forskning › fagfællebedømt
ID: 242098644
Flest downloads
-
25
downloads
Using machine learning to identify quality-of-care predictors for emergency caesarean sections: a retrospective cohort study
Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
Udgivet