Zobrazeno 1 - 10
of 86
pro vyhledávání: '"L. Cutillo"'
Autor:
A. Bassi de Toni, G. Culicchia, A. Del Casale, M. Tinè, A. V. Vallerga, L. Cutillo, S. Bernardi, I. Bilotta, A. Fattorini, R. D’Alessio, D. De Felici, M. Pompili, G. Angeletti
Publikováno v:
European Psychiatry, Vol 67, Pp S159-S159 (2024)
Introduction Peripartum mental disorders (PPMD) are characterized by heterogeneous psychopathological symptoms related to specific personality traits, which are only taken into account by a few preventive and therapeutic strategies. Traumatic experie
Externí odkaz:
https://doaj.org/article/e59873255f4c4f8290590e531e8d60b9
Autor:
I. Bilotta, G. Anibaldi, L. Stampatore, C. Concolato, M. Medugno, A. Fattorini, L. Cutillo, S. Bernardi, G. Culicchia, A. Bassi de Toni, A. Del Casale, M. Pompili, G. Angeletti
Publikováno v:
European Psychiatry, Vol 66, Pp S651-S652 (2023)
Introduction Pregnancy is an important life event, involving body and mind transformation as well as brain reorganization. ADHD dimension is an additional aggravating factor, albeit poorly studied in the literature, in patients with mental health dis
Externí odkaz:
https://doaj.org/article/dce4ce92fd32479e85a2cb113a403d59
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.
Publikováno v:
Computational and mathematical methods 1 (2019). doi:10.1002/cmm4.1020.
info:cnr-pdr/source/autori:P. D'Ambra, L. Cutillo, P. S. Vassilevski,/titolo:Bootstrap AMG for Spectral Clustering/doi:10.1002%2Fcmm4.1020./rivista:Computational and mathematical methods/anno:2019/pagina_da:/pagina_a:/intervallo_pagine:/volume:1
info:cnr-pdr/source/autori:P. D'Ambra, L. Cutillo, P. S. Vassilevski,/titolo:Bootstrap AMG for Spectral Clustering/doi:10.1002%2Fcmm4.1020./rivista:Computational and mathematical methods/anno:2019/pagina_da:/pagina_a:/intervallo_pagine:/volume:1
Graph Laplacian is a popular tool for analyzing graphs, in particular in graph partitioning and clustering. Given a notion of similarity (via an adjacency matrix), graph clustering refers to identifying different groups such that vertices in the same
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=cnr_________::b3045de520db29ca3474e82c821a0477
https://publications.cnr.it/doc/402745
https://publications.cnr.it/doc/402745
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.
Advanced TTT composite materials for aeronautical purposes: Compression after impact (CAI) behaviour
Publikováno v:
Composites Part B: Engineering. 38:258-264
The purpose of this paper is to examine the behaviour of the dry stitched composites when they are subjected to low velocity impact loads. Such composites have been laminated in combination with the Resin Film Infusion (RFI) technique. The experiment
Publikováno v:
7th International Conference of the ERCIM WG on Computational and Methodological Statistics (ERCIM 2014), Pisa, Dicembre 2014
info:cnr-pdr/source/autori:M.F. Carfora; L. Cutillo; A. Orlando/congresso_nome:7th International Conference of the ERCIM WG on Computational and Methodological Statistics (ERCIM 2014)/congresso_luogo:Pisa/congresso_data:Dicembre 2014/anno:2014/pagina_da:/pagina_a:/intervallo_pagine
info:cnr-pdr/source/autori:M.F. Carfora; L. Cutillo; A. Orlando/congresso_nome:7th International Conference of the ERCIM WG on Computational and Methodological Statistics (ERCIM 2014)/congresso_luogo:Pisa/congresso_data:Dicembre 2014/anno:2014/pagina_da:/pagina_a:/intervallo_pagine
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=cnr_________::b51f855216e1d9253c641284bcfd4925
https://publications.cnr.it/doc/291625
https://publications.cnr.it/doc/291625