Métodos de kernel escaláveis e interpretáveis baseados em random Fourier features (2023)
Unidade: Interinstitucional de Pós-Graduação em EstatísticaAssuntos: APRENDIZADO COMPUTACIONAL, OTIMIZAÇÃO ESTOCÁSTICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
OTTO, Mateus Piovezan. Métodos de kernel escaláveis e interpretáveis baseados em random Fourier features. 2023. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-02052023-084042/. Acesso em: 09 nov. 2025.APA
Otto, M. P. (2023). Métodos de kernel escaláveis e interpretáveis baseados em random Fourier features (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-02052023-084042/NLM
Otto MP. Métodos de kernel escaláveis e interpretáveis baseados em random Fourier features [Internet]. 2023 ;[citado 2025 nov. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-02052023-084042/Vancouver
Otto MP. Métodos de kernel escaláveis e interpretáveis baseados em random Fourier features [Internet]. 2023 ;[citado 2025 nov. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-02052023-084042/
