Your browser doesn't support javascript.
loading
A Multivariate Poisson Deep Learning Model for Genomic Prediction of Count Data.
Montesinos-López, Osval Antonio; Montesinos-López, José Cricelio; Singh, Pawan; Lozano-Ramirez, Nerida; Barrón-López, Alberto; Montesinos-López, Abelardo; Crossa, José.
Afiliación
  • Montesinos-López OA; Facultad de Telemática, Universidad de Colima, Colima, 28040, México.
  • Montesinos-López JC; Departamento de Estadística, Centro de Investigación en Matemáticas (CIMAT), Guanajuato, 36023, México.
  • Singh P; Biometrics and Statistics Unit, Genetic Resources Program, International Maize and Wheat Improvement Center (CIMMYT), Km 45 Carretera Mexico-Veracruz, CP 52640, Mexico.
  • Lozano-Ramirez N; Biometrics and Statistics Unit, Genetic Resources Program, International Maize and Wheat Improvement Center (CIMMYT), Km 45 Carretera Mexico-Veracruz, CP 52640, Mexico.
  • Barrón-López A; Department of Animal Production (DPA), Universidad Nacional Agraria La Molina, Av. La Molina s/n La Molina, 15024, Lima, Perú.
  • Montesinos-López A; Departamento de Matemáticas, Centro Universitario de Ciencias Exactas e Ingenierías (CUCEI), Universidad de Guadalajara, 44430, Jalisco, México aml_uach2004@hotmail.com j.crossa@cgiar.org.
  • Crossa J; Biometrics and Statistics Unit, Genetic Resources Program, International Maize and Wheat Improvement Center (CIMMYT), Km 45 Carretera Mexico-Veracruz, CP 52640, Mexico aml_uach2004@hotmail.com j.crossa@cgiar.org.
G3 (Bethesda) ; 10(11): 4177-4190, 2020 11 05.
Article en En | MEDLINE | ID: mdl-32934019

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Aprendizaje Profundo Tipo de estudio: Prognostic_studies / Risk_factors_studies Idioma: En Revista: G3 (Bethesda) Año: 2020 Tipo del documento: Article Pais de publicación: Reino Unido

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Aprendizaje Profundo Tipo de estudio: Prognostic_studies / Risk_factors_studies Idioma: En Revista: G3 (Bethesda) Año: 2020 Tipo del documento: Article Pais de publicación: Reino Unido