zbMATH中的参考文献（引用于，1标准件)

1. 康纳马赫，哈罗德；潘查，尼基尔；刘，芮；雷，苏梅亚：\textscRankboost（+）：对\textscRankboost（2020）的改进
2. 范俊；项道红：基于核的大边际统一机的定量收敛性分析（2020）
3. 藤田、高弘；Hatano、Kohei；Takimoto、Eiji：超越非确定性ZDD（2020年）
4. 洪英超；米查利迪斯，乔治；柏海乐，贺拉斯：定位计算机实验中的无限间断（2020）
5. 赖元浩；麦克劳德，伊恩：集合分位数分类器（2020）
6. Lopes，Miles E.：估计随机群的急剧收敛界（2020）
7. Nguyen，Thi Thang Sang；Do，Pham Minh Thu:用NaiveBayes训练大型数据集的分类优化（2020）
8. Ruehle，Fabian:数据科学在弦理论中的应用（2020）
9. 谭志浩；谭志浩；蒋、袁；周志华：多标签最优利润分配机（2020）
10. van Engelen，Jesper E.；Hoos，Holger H.：半监督学习调查（2020）
11. Wang，Jie；Wang，Bo；Liang，Jing；Yu，Kunjie；Yue，Caitong；Ren，襄阳：基于多模态多目标差分进化和特征选择的集成学习（2020）
12. Yang，Wenzhuo；Sim，Melvyn；Xu，Huan：目标得分、一致性损失和在机器学习中的应用（2020）
13. 赵鹏；蔡乐文；周志华：通过模型重用处理概念漂移（2020）
14. 朱启武、熊庆宇、王凯、吕、王、刘、童：复杂环境下基于模糊分类器和mlps集成的精确WiFi室内定位（2020）
15. Aravkin，Aleksandr Y.；Bottegal，Giulio；Pillonetto，Gianluigi：《作为基于内核的方法的提升》（2019年）
16. Baumann，P.；Hochbaum，D.S.；Yang，Y.T.：领先的机器学习技术和两种新优化算法的比较研究（2019年）
17. Besbes，Omar；Gur，Yonatan；Zeevi，Assaf：具有非固定报酬的多武装匪徒问题中的最优勘探开发（2019年）
18. Biau，G.；干部，B.；Rouvière，L.：加速梯度推进（2019年）
19. Blachnik，Marcin:实例选择方法的集合：比较研究（2019）
20. Bourel，Mathias；Cugliari，Jairo：密度估计器的包装（2019年）