Katague, Gustavo Perez; Mauá, Denis Deratani (Orientador) 
Subjects: INTELIGÊNCIA ARTIFICIAL, RECONHECIMENTO DE PADRÕES, PROGRAMAÇÃO LINEAR
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
KATAGUE, Gustavo Perez. A Mixed-Integer Linear Programming reformulation approach to Maximum A Posteriori inference in Sum-Product Networks. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-05032021-193406/. Acesso em: 05 jan. 2026.APA
Katague, G. P. (2021). A Mixed-Integer Linear Programming reformulation approach to Maximum A Posteriori inference in Sum-Product Networks (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-05032021-193406/NLM
Katague GP. A Mixed-Integer Linear Programming reformulation approach to Maximum A Posteriori inference in Sum-Product Networks [Internet]. 2021 ;[citado 2026 jan. 05 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-05032021-193406/Vancouver
Katague GP. A Mixed-Integer Linear Programming reformulation approach to Maximum A Posteriori inference in Sum-Product Networks [Internet]. 2021 ;[citado 2026 jan. 05 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-05032021-193406/
