{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,7,11]]，“日期-时间”：“2024-07-11T16:41:53Z”，“时间戳”：1720716113493}，“引用-计数”：19，“发布者”：“爱思唯尔BV”，“许可证”：[{“开始”：{-date-parts”：[2018,9,1]]，《日期-时间》：“2018-09-01T00:00:00 0:00Z“，”timestamp“：1535760000000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com//tdm\/userlicense\/1.0\/”}]，“内容域”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[《计算科学杂志》]，“published-print”：{date-parts“：[2018,9]]}，”DOI“：”10.1016\/j.jocs.2018.08.009“，”type“：”Journal-article“，“created”：{“date-parts”：[[2018,9,5]]，“date-time”：“2018-09-05T18:53:14Z”，“timestamp”：1536173594000}，“page”：“148-154”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：2，“special_numbering”：“C”，“title”：[“通过LCMARS建模各种生物网络”]，“prefix”：“10.1016”，“volume”：“28”，“author”：[{“given”：“Ezgi”，“family”：“Ayy\u0131ld\u0131 z”，“sequence”：“first”，“affiliation”：[]}，{“given”:“Vilda”，“家族”：“Purut\u00e7uo\u011flu”，“序列”：“additional”，“从属关系”：[]，“member”：“78”，“reference”：[}“key”：”10.1016\/j.jocs.2018.009_bib0005“，“series-title”：“Graphic”应用多元统计中的cal模型”，“作者”：“Whittaker”，“年份”：“1990”}，{“key”：“10.1016\/j.jocs.2018.08.009_bib0010”，“首页”：“1”，“文章标题”：“MARS\u2013生化网络高斯图形模型的替代方法”，“卷”：“0”，”作者“：”Ayy\u0131ld\u0131 z“，”年份“：”2016“，”期刊标题“j.Appl.Stat.”}“doi-asserted-by”：“crossref”，“首页”：“101”，“DOI”：“10.1038\/nrg1272”，“article-title”：“网络生物学：理解细胞的功能组织”，“volume”：“5”，“author”：“Barabasi”，“year”：“2004”，“日记标题”：“Nat.Rev.Genet.”}，{“key”：”10.1016\/j.jocs.2018.009_bib0020“，”series-title“：“生物网络分析”，“作者”：“Junker”，“年份”：“2008”}，{“问题”：“1”，“key”：“10.1016\/j.jocs.2018.08.009_bib0025”，“首页”：“267”，“文章标题”：“通过套索进行回归收缩和选择”，“卷”：“58”，“作者”：“Tibshirani”，“年份”：“1996”，“日志标题”：”j.R.Stat.Soc.“}，{“问题”：“1“，”key“10.1016”，“10.18.009_bb0030”，“doi-asserted-by”：“crossref”，“首页”：“1”，“doi”：“10.1214\/aos\/1176347963”，“article-title”：“多元自适应回归样条曲线”，“volume”：“19”，“author”：“Friedman”，“year”：“1991”，“journal-title“：Ann.Stat.”}，{“key”：”10.1016\/j.jocs.2018.009_bib0035“，”series-title“：”统计学习的要素：数据挖掘、推断和预测“，”author“：”Hastie“，”year“：”2009“}，}，“issue”：“1”，“key”：“10.1016\/j.jocs.2018.08.009_bib0040”，“doi-asserted-by”：“crossref”，“首页”：“67”，“doi”：“101214\/aos\/1176347964”，“article-title”：“讨论：多元自适应回归样条曲线”，“卷”：“19”，“作者”：“巴龙”，“年份”：“1991”，“日志标题”：“Ann.Stat.”}，{“问题”：“3”，“key”：“10.0016\/j.jocs.2018.08.009_bib0045“，”doi-asserted-by“：“crossref”，“first page”：“432”，“DOI”：“10.1093\/biostatistics\/kxm045”，“article-title”：“用图形套索进行稀疏逆协方差估计”，“volume”：”9“，“author”：“Friedman”，“year”：“2008”，“journal-title“：”biostatistics“}”，{“key”：《10.1016\/j.jocs.2018.009_bib0050》，“first-page”：“695”，”volume“：“vol.37”，“auth”：“Yerli”kaya”，“年份”：“2014”}，{“issue”：“2”，“key”：“10.1016\/j.jocs.2018.08.009_bib0055”，“doi-asserted-by”：“crossref”，“first page”：”377“，”doi“：”10.1007\/s11750-010-0155-7“，”article-title“：”使用tikhonov正则化和连续优化的多元自适应回归样条的新方法“，”volume“：”18“，”author“：”Taylan“，”year“：”2010“，”journal-title:“TOP”}，｛“key”：“10.1016\/j.jocs.2018.08.009_bib0060”，“系列标题”：“系统生物学导论：生物电路的设计原理”，“作者”：“Alon”，“年份”：“2007”｝，｛“key”：“10.1016\/j.jocs.2018.08.009_bib0065”，“首页”：“1432”，“文章标题”：“高维图形模型正则化选择（星形）的稳定性方法”，“volume”：“23”，“author”：“Liu”，“year”：“2010”，“journal-title”：“Adv.Neural Inf.Process.Syst.”}，{“issue”：“43”，“key”：”10.1016\/j.jocs.2018.08.009_bib0070“，”first page“：”1“，”article-title“：“SynTReN：用于设计和分析结构学习算法的合成基因表达数据生成器——生化网络高斯图形模型的替代方法”，“卷”：“7”，“作者”：“den-Bulcke”，“年份”：“2006年”，“期刊标题”：“BMC Bioninform.”}，{“问题”：“16”，“关键”：“10.1016\/j.jocs.2018.08.009_bib0075”，“doi-asserted-by”：“crossref”，“first page”：“2263”，“DOI”：“10.1093\/生物信息学\/btr373”，“文章标题”：“GeneNetWeaver：网络推理方法的计算机基准生成和性能评测”，“volume”：“27”，“author”：“Schaffter”，“year”：“2011”，“journal title”：“bioinformatics”}，{“issue”：“16”，“key”：“10.1016\/j.jocs.2018.08.009_bib0080”，“DOI asserted by”：“crossref”，“first page”：“5198”，“DOI”：“10.1158\/1078-0432.CCR-08-0196”，“article-title”：“浆液性和子宫内膜样卵巢癌的新分子亚型与临床结局相关”，“volume”：”14“，“author”：“Tothill”，“year”：“2008”，“journal-title“：”Clin.cancer Res.“}，{”key“10.1016\/j.jocs.2018.009_bib0085”，“article-title”：“The new robust CMARS（RCMARS）method”，“author”：“\u00d6zmen”，“year”：“2010”，“journal-title”：“ISI Proceeding of The 24th MEC-EurO 2010-Continuous Optimization and Informatics-Based Technologies in The Financial Sector”}，{“issue”：“12”，“key”：“10.1016\/j.jocs.2018.009_bib0090”，“doi-asserted-by”：“crossref”，《首页》：“4780”，“doi”：“10.1016\/j.cnsns.2011.04.001”，“article-title”：“RCMARS：多面体不确定性集下不同场景下CMARS的鲁棒化”，“volume”：“16”，“author”：“\u00d6zmen”，“year”：“2011”，“journal-title“：”Commun.Nonlinear Sci.Numer.Simul.“}，{“issue”：“1”，”“key“：”10.1016\/j.jocs.2018.009_bib0095“，”doi-asserted-by“：”crossref“，“首页”：“183”，“DOI”：“10.1198\/1061860043010”，“article-title”：“Bayesian p-splines”，“volume”：“13”，“author”：“Lang”，“year”：“2004”，“journal-title“：”J.Compute.Graph.Stat.“}]，“container-title（容器-标题）：[“journal of Computational Science”]，“original-tittle”：[]，“language”：“en”，“link”：[{“URL”：“https:\\/api.elsevier.com/content\/article\/PII:S1877750317304489？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S1877750317304489？httpAccept=text\/plain“，”内容类型“：”文本\/plaine“，”content-version”：“vor”，“intended-application”：“text-mining”}]，”存放“：{“date-parts”：[2018,12,18]]，“date-time“：”2018-12-18T12:21:28Z“，”timestamp“：1545135688000}，”score“：1，”resource“：{“primary”：{”URL“：”https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S1877750317304489“}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[[2018,9]]}、“references-count”：19，“alternative-id”：[“S18777503”17304489“]，”URL“：”http:\/\/dx.doi.org\/10.1016\/j.jocs.2018.08.009“，”关系“：{}，”ISSN“：[”1877-7503“]，”ISSN-type“：[{”value“：”1877-750“，”type“:”print“}]，”主题“：[]，”published“：{”date-parts“：[2018,9]]}，“assertion”:[{“value”：“Elsevier”，“name”：“publisher”，“label”：“此文章由”}维护，{“value”：“通过LCMARS建模各种生物网络”，“name”：“articletite“，”label“：”Article Title“}，”{“value”：“Journal of Computational Science”，“name”：“journaltitle”，“label”：“日记标题”}，{“value”：“https:\/\/doi.org\/10.1016\/j.jocs.2018.08.009”，“名称”：“articlelink”，“标签”：“CrossRef doi link to publisher maintained version”}、{“值”：“Article”，”name“：”content_type“，”标签“：”content-type“}”，{\u00a9 2018 Elsevier B.V.保留所有权利。“，”name“：”copyright“，”label“：”copyright”}]}}