(2017). Large-scale optimization: new active-set methods and application in unsupervised learning.

Large-scale optimization: new active-set methods and application in unsupervised learning

Andrea Cristofari
2017-02-13

13-feb-2017
2015/2016
Automatica e Ricerca Operativa
29
Settore MAT/09 - RICERCA OPERATIVA
English
Tesi di dottorato
(2017). Large-scale optimization: new active-set methods and application in unsupervised learning.
File in questo prodotto:
File Dimensione Formato  
cristofari.pdf

solo utenti autorizzati

Licenza: Non specificato
Dimensione 5.27 MB
Formato Adobe PDF
5.27 MB Adobe PDF   Visualizza/Apri   Richiedi una copia

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/2108/312057
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact