Zobrazeno 1 - 10
of 18 054
pro vyhledávání: '"A, Frascá"'
Autor:
Eclario Barone, Franca D'Angelo Frascà
Two days have been dedicated to the study of the multifaceted figure of Nato Frascà, thirteen years after his death, with the participation of art historians, critics, teachers of various disciplines, psychologists, psychotherapists, graphologists,
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Krylov, N. V.
In 1990 F. Chiarenza and M. Frasca published a paper in which they generalized a result of C. Fefferman on estimates of the integral of $|bu|^{p}$ through the integral of $|Du|^{p}$ for $p>1$. Formally their proof is valid only for $d\geq 3$. We pres
Externí odkaz:
http://arxiv.org/abs/2310.12170
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
In our recent paper W.S. Rossi, P. Frasca and F. Fagnani, "Average resistance of toroidal graphs", SIAM Journal on Control and Optimization, 53(4):2541--2557, 2015, we studied how the average resistances of $d$-dimensional toroidal grids depend on th
Externí odkaz:
http://arxiv.org/abs/1702.00293
Publikováno v:
Military Images, 2019 Oct 01. 374 (210), 4-4.
Externí odkaz:
https://www.jstor.org/stable/26760372
Publikováno v:
Military Images, 2019 Jul 01. 373 (209), 3-4.
Externí odkaz:
https://www.jstor.org/stable/26645176
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Frasca, Fabrizio, Jogl, Fabian, Eliasof, Moshe, Ostrovsky, Matan, Schönlieb, Carola-Bibiane, Gärtner, Thomas, Maron, Haggai
To develop a preliminary understanding towards Graph Foundation Models, we study the extent to which pretrained Graph Neural Networks can be applied across datasets, an effort requiring to be agnostic to dataset-specific features and their encodings.
Externí odkaz:
http://arxiv.org/abs/2412.17609