zbMATH参考文献（参考 104篇文章 参考）

1. Yousefian，Farzad；Nedić，Angelia；Shanbhag，Uday V.：非强凸优化的随机和确定性拟牛顿方法：渐近收敛和速率分析（2020）
2. Duchi，John；Namkoung，Hongseok:基于方差的凸目标正则化（2019）
3. Fercoq，Olivier；Bianchi，Pascal:具有大步长和可能不可分离函数的坐标下降原对偶算法（2019）
4. Karakus，Can；Sun，Yifan；Diggavi，Suhas；Yin，Wotao：分布式优化和学习中用于减少离散器的冗余技术（2019）
5. Krishnamurthy，Akshay；Agarwal，Alekh；Huang，Zi Kuo；Iii，Hal Daumé；Langford，John：成本敏感分类的主动学习（2019年）
6. Andre Milzarek；Xiao，Xiantao；Cen，Shicong；Wen，Zaiwen；Ulbrich，Michael:非光滑非凸优化的随机半光滑牛顿法（2019）
7. 宋阳秋；乌帕德海伊，石亚姆；彭浩若；马休，斯蒂芬；罗斯，丹：走向任何语言的零镜头文本文献主题分类（2019）
8. Bashar，医学博士Abul；Li，Yuefeng:文本模式解读（2018）
9. Bottou，Léon；Curtis，Frank E.；Nocedal，Jorge:大规模机器学习的优化方法（2018）
10. Sophie Burkhardt；Kramer，Stefan:文本分类的在线多标签依赖主题模型（2018）
11. Elenberg，Ethan R.；Khanna，Rajiv；Dimakis，Alexandros G.；Negahban，Sahand:受限强凸性意味着弱子模块性（2018）
12. Francisco Charte，Antonio J.Rivera，David Charte，María J.del Jesus，Francisco Herrera：管理多标签数据集的提示、指南和工具：mldr.datasets R包和Cometa数据存储库（2018）阿尔十四
13. Gudivada，Venkat N.；Arbabifard，Kamyar:NLP的开源库、应用程序框架和工作流系统（2018）
14. Leblond，Rémi；Pedregosa，Fabian；Lacoste Julien，Simon:用于随机增量方法的改进异步并行优化分析（2018）
15. Lin，Qihang；Nadarajah，Selvaprabu；Soheili，Negar:具有可行解路径的凸优化的水平集方法（2018）
16. Sakai，Tomoya；Niu，Gang；Sugiyama，Masashi：基于正向无标记学习的半监督AUC优化（2018）
17. 基于异质相似性的度量方法：张浩明，杨浩光，非同质性测度网络；张浩明，张嘉明；非同质性测度网络
18. 袁晓彤；李萍；张彤彤：梯度硬阈值追求（2018）
19. 岳汉瑞；杨清志；王向峰；袁晓明：实现大数据集乘数交替方向法：最小绝对收缩和选择算子的案例研究（2018）
20. Andrea Esuli，Tiziano Fagni，Alejandro Moreo Fernandez:JaTeCS开源JAva文本分类系统（2017）阿尔十四