•  Persian
    • Persian
    • English
  •   ورود
  • دانشگاه فردوسی مشهد
  • |
  • مرکز اطلاع‌رسانی و کتابخانه مرکزی
    • Persian
    • English
  • خانه
  • انواع منابع
    • مقاله مجله
    • کتاب الکترونیکی
    • مقاله همایش
    • استاندارد
    • پروتکل
    • پایان‌نامه
  • راهنمای استفاده
View Item 
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Latin Articles
  • View Item
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Latin Articles
  • View Item
  • همه
  • عنوان
  • نویسنده
  • سال
  • ناشر
  • موضوع
  • عنوان ناشر
  • ISSN
  • شناسه الکترونیک
  • شابک
جستجوی پیشرفته
JavaScript is disabled for your browser. Some features of this site may not work without it.

An analytical approach to study cascading failures in finite-size random geometric networks

نویسنده:
Eslami, Ali
,
Huang, Chuan
,
Zhang, Junshan
,
Cui, Shuguang
ناشر:
IEEE
سال
: 2014
شناسه الکترونیک: 10.1109/CVPR.2014.128
یو آر آی: https://libsearch.um.ac.ir:443/fum/handle/fum/1098363
کلیدواژه(گان): Approximation methods,n Graphical models,n Kernel,n Linear programming,n Optimization,n Training,n Vectors,n Beta process,n classification,n instance selection,n multiple kernel learning,n variational inference
کالکشن :
  • Latin Articles
  • نمایش متادیتا پنهان کردن متادیتا
  • آمار بازدید

    An analytical approach to study cascading failures in finite-size random geometric networks

Show full item record

contributor authorEslami, Ali
contributor authorHuang, Chuan
contributor authorZhang, Junshan
contributor authorCui, Shuguang
date accessioned2020-03-12T22:53:51Z
date available2020-03-12T22:53:51Z
date issued2014
identifier other7028580.pdf
identifier urihttps://libsearch.um.ac.ir:443/fum/handle/fum/1098363
formatgeneral
languageEnglish
publisherIEEE
titleAn analytical approach to study cascading failures in finite-size random geometric networks
typeConference Paper
contenttypeMetadata Only
identifier padid8239550
subject keywordsApproximation methods
subject keywordsn Graphical models
subject keywordsn Kernel
subject keywordsn Linear programming
subject keywordsn Optimization
subject keywordsn Training
subject keywordsn Vectors
subject keywordsn Beta process
subject keywordsn classification
subject keywordsn instance selection
subject keywordsn multiple kernel learning
subject keywordsn variational inference
identifier doi10.1109/CVPR.2014.128
journal titleommunication, Control, and Computing (Allerton), 2014 52nd Annual Allerton Conference on
filesize773693
citations0
  • درباره ما
نرم افزار کتابخانه دیجیتال "دی اسپیس" فارسی شده توسط یابش برای کتابخانه های ایرانی | تماس با یابش
DSpace software copyright © 2019-2022  DuraSpace