Zobrazeno 1 - 10
of 111
pro vyhledávání: '"Voronin, Sergey"'
Autor:
Efimova, Irina Yu., Zinchenko, Rena A., Marakhonov, Andrey V., Balinova, Natalya V., Mikhalchuk, Kristina A., Shchagina, Olga A., Polyakov, Alexander V., Mudaeva, Dzhaina A., Saydaeva, Djamila H., Matulevich, Svetlana A., Parshintseva, Polina D., Belyashova, Elena Yu., Yakubovskiy, Grigoriy I., Tebieva, Inna S., Gabisova, Yulia V., Irinina, Nataliya A., Jamschikova, Anna V., Nurgalieva, Liya R., Saifullina, Elena V., Nevmerzhitskaya, Kristina S., Belyaeva, Tatiana I., Romanova, Olga S., Voronin, Sergey V., Kutsev, Sergey I.
Publikováno v:
In Pediatric Neurology July 2024 156:147-154
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.
The conjugate gradient method is a widely used algorithm for the numerical solution of a system of linear equations. It is particularly attractive because it allows one to take advantage of sparse matrices and produces (in case of infinite precision
Externí odkaz:
http://arxiv.org/abs/1709.03092
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:
Journal of Statistical Software. May 2019, Volume 89, Issue 11
Matrix decompositions are fundamental tools in the area of applied mathematics, statistical computing, and machine learning. In particular, low-rank matrix decompositions are vital, and widely used for data analysis, dimensionality reduction, and dat
Externí odkaz:
http://arxiv.org/abs/1608.02148
Autor:
Voronin, Sergey, Daubechies, Ingrid
We present a new algorithm and the corresponding convergence analysis for the regularization of linear inverse problems with sparsity constraints, applied to a new generalized sparsity promoting functional. The algorithm is based on the idea of itera
Externí odkaz:
http://arxiv.org/abs/1511.08970
This manuscript describes a technique for computing partial rank-revealing factorizations, such as, e.g, a partial QR factorization or a partial singular value decomposition. The method takes as input a tolerance $\varepsilon$ and an $m\times n$ matr
Externí odkaz:
http://arxiv.org/abs/1503.07157
RSVDPACK is a library of functions for computing low rank approximations of matrices. The library includes functions for computing standard (partial) factorizations such as the Singular Value Decomposition (SVD), and also so called "structure preserv
Externí odkaz:
http://arxiv.org/abs/1502.05366
Autor:
Akhkiamova, Maria, Polyakov, Aleksander, Marakhonov, Andrey, Voronin, Sergey, Saifullina, Elena, Vafina, Zulfiia, Michalchuk, Kristina, Braslavskaya, Svetlana, Chukhrova, Alena, Ryadninskaya, Nina, Kutsev, Sergey, Shchagina, Olga
Publikováno v:
Genes; Jul2024, Vol. 15 Issue 7, p956, 9p