科言猫
学术研究的AI总结
首页
文献互助
订阅
我的收藏
科研工具
选题分析
论文总结
专利管理
未登录
返回
I
Ilsang Ohn
Inha University
6
H指数
38
论文数
130
被引数
0
相关解读
订阅
收录论文
9
发表时间
发表时间
IF
被引数
Online conformal inference with retrospective adjustment for faster adaptation to distribution shift
在线一致性推断与回顾性调整,以更快地适应分布偏移
Pattern Recognition
IF
7.6
2026-07-01
0
PRE
AI
Jun, Jungbin; Ohn, Ilsang
分享
收藏
The Convergent Indian Buffet Process
收敛的印度自助餐过程
MATHEMATICS
IF
2.2
2025-12-03
0
OA
AI
Ohn, Ilsang
分享
收藏
Variational Bayes neural networks for high-dimensional non parametric regression: Minimax optimality and adaptivity
变分贝叶斯神经网络在高维非参数回归中的应用:极小化极大最优性与适应性
COMMUNICATIONS IN STATISTICS-THEORY AND METHODS
IF
0.8
2025-12-01
0
PRE
AI
Ohn, Ilsang; Han, Sangmoon
分享
收藏
Bayesian Nonparametric Latent Class Analysis With Different Item Types
贝叶斯非参数潜在类分析:不同项目类型
PSYCHOLOGICAL METHODS
IF
7.8
2025-03-20
1
OA
AI
Qiu, Meng; Paganin, Sally; Ohn, Ilsang; Lin, Lizhen
分享
收藏
ADAPTIVE VARIATIONAL BAYES: OPTIMALITY, COMPUTATION AND APPLICATIONS
自适应变分贝叶斯: 最优性、计算与应用
ANNALS OF STATISTICS
IF
3.7
2024-02-01
0
PRE
AI
Ohn, Ilsang; Lin, Lizhen
分享
收藏
Bayesian Nonparametric Latent Class Analysis for Different Item Types
MULTIVARIATE BEHAVIORAL RESEARCH
IF
3.5
2023-02-02
2
PRE
AI
Qiu, Meng; Paganin, Sally; Ohn, Ilsang; Lin, Lizhen
分享
收藏
SLIDE: A surrogate fairness constraint to ensure fairness consistency
NEURAL NETWORKS
IF
6.3
2022-10-01
1
OA
AI
Kim, Kunwoong; Ohn, Ilsang; Kim, Sara; Kim, Yongdai
分享
收藏
Fast convergence rates of deep neural networks for classification
用于分类的深度神经网络的快速收敛速度
NEURAL NETWORKS
IF
6.3
2021-06-01
40
OA
AI
Kim, Yongdai; Ohn, Ilsang; Kim, Dongha
分享
收藏
Model-wise uncertainty decomposition in multi-model ensemble hydrological projections
STOCHASTIC ENVIRONMENTAL RESEARCH AND RISK ASSESSMENT
IF
3.6
2021-05-31
3
PRE
AI
Ohn, Ilsang; Kim, Seonghyeon; Seo, Seung Beom; Kim, Young-Oh; Kim, Yongdai
分享
收藏
研究方向
暂时未获取到该数据
合作学者
合作期刊
Y
Yongdai Kim
H 指数: 26 · 论文数: 214
Y
Young-Oh Kim
H 指数: 24 · 论文数: 208
L
Lizhen Lin
H 指数: 20 · 论文数: 172
S
Sangmoon Han
H 指数: 16 · 论文数: 36
D
Dongha Kim
H 指数: 15 · 论文数: 57
查看更多