Optimization models for reaction networks: information divergence, quadratic programming and Kirchhoff’s laws (2014)
- Authors:
- USP affiliated authors: STERN, JULIO MICHAEL - IME ; NAKANO, FÁBIO - EACH
- Unidades: IME; EACH
- DOI: 10.3390/axioms3010109
- Subjects: INFERÊNCIA BAYESIANA; TESTES DE HIPÓTESES; FORMAS QUADRÁTICAS
- Language: Inglês
- Imprenta:
- Source:
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
STERN, Julio Michael e NAKANO, Fábio. Optimization models for reaction networks: information divergence, quadratic programming and Kirchhoff’s laws. Axioms, v. 3, n. 1, p. 109-118, 2014Tradução . . Disponível em: https://doi.org/10.3390/axioms3010109. Acesso em: 09 abr. 2026. -
APA
Stern, J. M., & Nakano, F. (2014). Optimization models for reaction networks: information divergence, quadratic programming and Kirchhoff’s laws. Axioms, 3( 1), 109-118. doi:10.3390/axioms3010109 -
NLM
Stern JM, Nakano F. Optimization models for reaction networks: information divergence, quadratic programming and Kirchhoff’s laws [Internet]. Axioms. 2014 ; 3( 1): 109-118.[citado 2026 abr. 09 ] Available from: https://doi.org/10.3390/axioms3010109 -
Vancouver
Stern JM, Nakano F. Optimization models for reaction networks: information divergence, quadratic programming and Kirchhoff’s laws [Internet]. Axioms. 2014 ; 3( 1): 109-118.[citado 2026 abr. 09 ] Available from: https://doi.org/10.3390/axioms3010109 - Affinity structure in reaction networks: minimum entropy or power dissipation
- Genuine Bayesian multiallelic significance test for the Hardy-Weinberg equilibrium law
- A model for defined benefit plans
- Hierarchical forecasting with functional trees
- Solver de alto desempenho para problemas na forma angular blocada aninhada
- Um novo modelo para cálculo de probabilidade de paternidade: concepção e implementação
- Hierarchical forecasting with polynomial nets
- Intentional sampling by goal optimization with decoupling by stochastic perturbation: why (not) to randomize?
- Intentional sampling by goal optimization with decoupling by stochastic perturbation
- Application of Bayesian analysis to estimation of parametric distributions of complex survey data under informative sampling
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
2488513.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
