zbMATH中的参考文献（参考文献117篇)

1. 加尔文，朱利奥；拉普奇，马特奥；林志仁；马尔科，Scandrone：一个利用一阶和二阶信息的支持向量机训练问题的两层分解框架（2021）
2. 梅特尔，迈克尔R。；Takeda，Akiko:非光滑非凸约束稀疏优化的随机近似方法（2021）
3. 雅菲，阿里尔；克鲁格，尤瓦尔；林德曼，乔治·C。；米什妮，加尔；Steinerberger，Stefan:随机化近邻图，巨分量和数据科学中的应用（2020）
4. 郑晋红；Sael，Lee:快速精确的稀疏矩阵重排序和增量法伪逆（2020）
5. 洛尔，马塞洛；德特雷，盖伊：通过增强（模糊）计算处理主观信息（2020）
6. 中野，飞利浦健机；塞里，里卡多；Vens，Celine:分层多标签分类的主动学习（2020）
7. 杨天宝；张丽君；林启航；朱生火；金荣：通过探索内在稀疏性从随机草图数据中恢复高维模型（2020）
8. 尤瑟芬，法扎德；尼迪奇，安吉丽娅；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）
9. 袁晓彤；牛顿和李平（2020）的近似收敛和李平（Li-Ping）关于全球化的近似方法
10. 袁晓彤；刘波；王乐子；刘青山；Metaxas，Dimitris N.：双重迭代硬阈值法（2020）
11. 杜奇，约翰；Namkoong，Hongseok:基于方差的凸目标正则化（2019）
12. 费科克，奥利弗；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）
13. 卡拉库斯，可以；孙逸凡；迪加维，苏哈斯；Yin，Wotao:分布式优化和学习中的冗余技术（2019）
14. 克里希那穆尔蒂，阿克夏；阿加瓦尔，阿列赫；黄子阔；三，哈尔多姆；约翰兰福德：成本敏感分类的主动学习（2019）
15. 安德烈，米尔扎里克；萧，仙桃；岑世聪；文，再文；Ulbrich，Michael:非光滑非凸优化的随机半光滑牛顿法（2019）
16. Śmieja，马雷克；哈伊托，克孜什托夫；Tabor，Jacek:稀疏高维二进制数据聚类的有效混合模型（2019）
17. 宋，阳秋；乌帕德耶，希亚姆；彭浩若；梅休，斯蒂芬；Roth，Dan:走向任何语言零镜头文本文档主题分类（2019）
18. 巴沙尔，阿布勒医学博士；李岳峰：文本模式解读（2018）
19. 博图，莱昂；柯蒂斯，弗兰克E。；Nocedal，Jorge:大规模机器学习的优化方法（2018）
20. 伯克哈特，索菲；Kramer，Stefan:文本分类的在线多标签依赖主题模型（2018）