Mostrar el registro sencillo del ítem

Deterministic graph spectral sparsification

dc.contributor.authorMendoza Granada, Fabricio Augusto
dc.contributor.authorCáceres Mercado, Sergio
dc.contributor.authorVillagra, Marcos 
dc.contributor.otherUniversidad Nacional de Asunción - Facultad Politécnicaes
dc.date.accessioned2022-04-27T18:57:55Z
dc.date.available2022-04-27T18:57:55Z
dc.date.issued2018
dc.identifier.urihttp://hdl.handle.net/20.500.14066/3728
dc.description.abstractAn important technique in data analysis is principal component analysis or PCA. Given a covariance matrix S, in PCA we need to compute the eigenvector associated to a greatest eigenvalue of S in order to determine the direction of the so-called principal components.es
dc.description.sponsorshipCONACYT – Consejo Nacional de Ciencia y Tecnologíaes
dc.language.isoenges
dc.subject.classification4 Transporte, telecomunicaciones y otras infraestructurases
dc.subject.otherMATEMATICASes
dc.titleDeterministic graph spectral sparsificationes
dc.typeconference paperes
dc.conference.date2018-09
dc.conference.placeSão Paulo, BRes
dc.conference.titleXXXIX Congreso Nacional de Matematica Aplicaday Computacional (CNMAC)es
dc.description.fundingtextPROCIENCIAes
dc.relation.projectCONACYTPINV15-208es
dc.rights.accessRightsopen accesses
dc.subject.ocdeCOMPUTACIONes


Ficheros en el ítem

Nombre:
PINV15-208art6.pdf
Tamaño:
170.8Kb
Formato:
PDF
Nombre:
PINV15-208art6-anexo.pdf
Tamaño:
1.227Mb
Formato:
PDF

Este ítem aparece en la(s) siguiente(s) colección(ones)

  • Artículos científicos
    La colección comprende artículos científicos, revisiones y artículos de conferencia que son resultados de actividades científicas y de innovación financiadas por los programas PROCIENCIA y PROINNOVA.

Mostrar el registro sencillo del ítem