本文从凸分析的角度介绍了子模函数，论述了子模函数最小化与各类凸优化问题的关系，提出了新的高效算法以及多种子模函数在机器学习中的应用。

Nov, 2011

本研究扩展了Narasimhan和Bilmes的工作，提出了基于子模函数差别最小化的新算法，该算法能有效地解决多种组合约束的问题，并且能够用于许多机器学习问题中，它在性能上优于现有的算法。

Jul, 2012

本文提出了一种线性时间算法STOCHASTIC-GREEDY用于求解一般性单调子模函数最大化问题，旨在实现对数据的概括，比传统算法lazy greedy更快且表现基本一致。

Sep, 2014

该篇论文提出了一种针对固定容量的分布式子模型最大化的框架，应用于广泛的算法和约束条件，并且为任何可用容量提供近似因子的理论保证，并在多个数据集上进行了实证评估，表现竞争性与中心化贪婪算法相当。

May, 2016

通过连接高维度的子集选择和子模块化最大化，提出一种可以直接控制特征数目的贪心算法，将标准设置下的回复保证带入一般客观函数中，并在统计上达到可接受的性能。同时，我们的课题为组合结构的统计学习应用提供了独立的兴趣联系点。

Dec, 2016

本文提出了一种随机贪心算法来最大化弱次模函数在一般拟阵约束下的值，其中距离次模性的距离由参数γ衡量，该算法在实践中表现良好，并且是第一个能够约束弱次模函数最大化具有非平凡逼近保证的算法。

Jul, 2017

本研究回顾了子模及超模的定义与基本特性，介绍了多种子模函数及其泛化，离散限制的例子，最大化、最小化的算法，以及连续子模扩展。然后，着重探讨了子模函数在机器学习和人工智能领域中的应用，包括总结、聚类、数据子集选择和特征选择等方面。

Jan, 2022

通过提出一种新颖的分布式界限算法，并使用多轮基于分区的分布式贪心算法，此论文解决了子集选择问题，能够在没有或极小损失质量的情况下，找到高质量的子集。

Feb, 2024

我们描述了一种并行的近似算法，用于在分布式内存多处理器上最大化满足遗传约束的单调次模函数。

Mar, 2024

贪婪算法的自适应子模块覆盖近似比率至少为1.3 *（1 + ln Q），这篇论文否定了Golovin-Krause在``自适应子模块性：主动学习和随机优化的新方法''中宣称相同算法具有（1 + ln Q）^2近似比率的先前结果。

May, 2024