Filtros : "Indexado no Scopus" "Intelligent Data Analysis" "ICMC" Removidos: "Indexado no MathSciNet" "Português" Limpar

Filtros



Limitar por data


  • Fonte: Intelligent Data Analysis. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, ALGORITMOS PARA PROCESSAMENTO

    PrivadoAcesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      GARCIA, Luís Paulo Faina et al. Boosting meta-learning with simulated data complexity measures. Intelligent Data Analysis, v. 24, n. 5, p. 1011-1028, 2020Tradução . . Disponível em: https://doi.org/10.3233/IDA-194803. Acesso em: 14 nov. 2024.
    • APA

      Garcia, L. P. F., Rivolli, A., Alcobaça, E., Lorena, A. C., & Carvalho, A. C. P. de L. F. de. (2020). Boosting meta-learning with simulated data complexity measures. Intelligent Data Analysis, 24( 5), 1011-1028. doi:10.3233/IDA-194803
    • NLM

      Garcia LPF, Rivolli A, Alcobaça E, Lorena AC, Carvalho ACP de LF de. Boosting meta-learning with simulated data complexity measures [Internet]. Intelligent Data Analysis. 2020 ; 24( 5): 1011-1028.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-194803
    • Vancouver

      Garcia LPF, Rivolli A, Alcobaça E, Lorena AC, Carvalho ACP de LF de. Boosting meta-learning with simulated data complexity measures [Internet]. Intelligent Data Analysis. 2020 ; 24( 5): 1011-1028.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-194803
  • Fonte: Intelligent Data Analysis. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, MINERAÇÃO DE DADOS

    PrivadoAcesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      FALEIROS, Thiago de Paulo e VALEJO, Alan Demetrius Baria e LOPES, Alneu de Andrade. Unsupervised learning of textual pattern based on propagation in bipartite graph. Intelligent Data Analysis, v. 24, n. 3, p. 543-565, 2020Tradução . . Disponível em: https://doi.org/10.3233/IDA-194528. Acesso em: 14 nov. 2024.
    • APA

      Faleiros, T. de P., Valejo, A. D. B., & Lopes, A. de A. (2020). Unsupervised learning of textual pattern based on propagation in bipartite graph. Intelligent Data Analysis, 24( 3), 543-565. doi:10.3233/IDA-194528
    • NLM

      Faleiros T de P, Valejo ADB, Lopes A de A. Unsupervised learning of textual pattern based on propagation in bipartite graph [Internet]. Intelligent Data Analysis. 2020 ; 24( 3): 543-565.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-194528
    • Vancouver

      Faleiros T de P, Valejo ADB, Lopes A de A. Unsupervised learning of textual pattern based on propagation in bipartite graph [Internet]. Intelligent Data Analysis. 2020 ; 24( 3): 543-565.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-194528
  • Fonte: Intelligent Data Analysis. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, COMPUTAÇÃO MÓVEL, BIOMETRIA

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      PISANI, Paulo Henrique e LORENA, Ana Carolina e CARVALHO, André Carlos Ponce de Leon Ferreira de. Adaptive algorithms applied to accelerometer biometrics in a data stream context. Intelligent Data Analysis, v. 21, n. 2, p. 353-370, 2017Tradução . . Disponível em: https://doi.org/10.3233/IDA-150403. Acesso em: 14 nov. 2024.
    • APA

      Pisani, P. H., Lorena, A. C., & Carvalho, A. C. P. de L. F. de. (2017). Adaptive algorithms applied to accelerometer biometrics in a data stream context. Intelligent Data Analysis, 21( 2), 353-370. doi:10.3233/IDA-150403
    • NLM

      Pisani PH, Lorena AC, Carvalho ACP de LF de. Adaptive algorithms applied to accelerometer biometrics in a data stream context [Internet]. Intelligent Data Analysis. 2017 ; 21( 2): 353-370.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-150403
    • Vancouver

      Pisani PH, Lorena AC, Carvalho ACP de LF de. Adaptive algorithms applied to accelerometer biometrics in a data stream context [Internet]. Intelligent Data Analysis. 2017 ; 21( 2): 353-370.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-150403
  • Fonte: Intelligent Data Analysis. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, ANÁLISE DE SÉRIES TEMPORAIS

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      SOUZA, Vinícius M. A et al. Unsupervised active learning techniques for labeling training sets: an experimental evaluation on sequential data. Intelligent Data Analysis, v. 21, n. 5, p. 1061-1095, 2017Tradução . . Disponível em: https://doi.org/10.3233/IDA-163075. Acesso em: 14 nov. 2024.
    • APA

      Souza, V. M. A., Rossi, R. G., Batista, G. E. de A. P. A., & Rezende, S. O. (2017). Unsupervised active learning techniques for labeling training sets: an experimental evaluation on sequential data. Intelligent Data Analysis, 21( 5), 1061-1095. doi:10.3233/IDA-163075
    • NLM

      Souza VMA, Rossi RG, Batista GE de APA, Rezende SO. Unsupervised active learning techniques for labeling training sets: an experimental evaluation on sequential data [Internet]. Intelligent Data Analysis. 2017 ; 21( 5): 1061-1095.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-163075
    • Vancouver

      Souza VMA, Rossi RG, Batista GE de APA, Rezende SO. Unsupervised active learning techniques for labeling training sets: an experimental evaluation on sequential data [Internet]. Intelligent Data Analysis. 2017 ; 21( 5): 1061-1095.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-163075
  • Fonte: Intelligent Data Analysis. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, ANÁLISE DE SÉRIES TEMPORAIS, ALGORITMOS

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      ROSSI, André Luis Debiaso et al. A guidance of data stream characterization for meta-learning. Intelligent Data Analysis, v. 21, n. 4, p. 1015-1035, 2017Tradução . . Disponível em: https://doi.org/10.3233/IDA-160083. Acesso em: 14 nov. 2024.
    • APA

      Rossi, A. L. D., Souza, B. F. de, Soares, C., & Carvalho, A. C. P. de L. F. de. (2017). A guidance of data stream characterization for meta-learning. Intelligent Data Analysis, 21( 4), 1015-1035. doi:10.3233/IDA-160083
    • NLM

      Rossi ALD, Souza BF de, Soares C, Carvalho ACP de LF de. A guidance of data stream characterization for meta-learning [Internet]. Intelligent Data Analysis. 2017 ; 21( 4): 1015-1035.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-160083
    • Vancouver

      Rossi ALD, Souza BF de, Soares C, Carvalho ACP de LF de. A guidance of data stream characterization for meta-learning [Internet]. Intelligent Data Analysis. 2017 ; 21( 4): 1015-1035.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-160083
  • Fonte: Intelligent Data Analysis. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, PROGRAMAÇÃO CONCORRENTE, SISTEMAS DISTRIBUÍDOS, SISTEMAS DINÂMICOS

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      VALLIM, Rosane M. M et al. Unsupervised density-based behavior change detection in data streams. Intelligent Data Analysis, v. 18, n. 2, p. 181-201, 2014Tradução . . Disponível em: https://doi.org/10.3233/IDA-140636. Acesso em: 14 nov. 2024.
    • APA

      Vallim, R. M. M., Andrade Filho, J. A., Mello, R. F. de, Carvalho, A. C. P. de L. F. de, & Gama, J. (2014). Unsupervised density-based behavior change detection in data streams. Intelligent Data Analysis, 18( 2), 181-201. doi:10.3233/IDA-140636
    • NLM

      Vallim RMM, Andrade Filho JA, Mello RF de, Carvalho ACP de LF de, Gama J. Unsupervised density-based behavior change detection in data streams [Internet]. Intelligent Data Analysis. 2014 ; 18( 2): 181-201.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-140636
    • Vancouver

      Vallim RMM, Andrade Filho JA, Mello RF de, Carvalho ACP de LF de, Gama J. Unsupervised density-based behavior change detection in data streams [Internet]. Intelligent Data Analysis. 2014 ; 18( 2): 181-201.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-140636
  • Fonte: Intelligent Data Analysis. Unidade: ICMC

    Assuntos: PROGRAMAÇÃO CONCORRENTE, SISTEMAS DISTRIBUÍDOS, SISTEMAS DINÂMICOS

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      ALBERTINI, Marcelo Keese e MELLO, Rodrigo Fernandes de. Data stream dynamic clustering supported by Markov chain isomorphisms. Intelligent Data Analysis, v. 17, n. 3, p. 439-457, 2013Tradução . . Disponível em: https://doi.org/10.3233/IDA-130588. Acesso em: 14 nov. 2024.
    • APA

      Albertini, M. K., & Mello, R. F. de. (2013). Data stream dynamic clustering supported by Markov chain isomorphisms. Intelligent Data Analysis, 17( 3), 439-457. doi:10.3233/IDA-130588
    • NLM

      Albertini MK, Mello RF de. Data stream dynamic clustering supported by Markov chain isomorphisms [Internet]. Intelligent Data Analysis. 2013 ; 17( 3): 439-457.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-130588
    • Vancouver

      Albertini MK, Mello RF de. Data stream dynamic clustering supported by Markov chain isomorphisms [Internet]. Intelligent Data Analysis. 2013 ; 17( 3): 439-457.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-130588
  • Fonte: Intelligent Data Analysis. Unidade: ICMC

    Assunto: INTELIGÊNCIA ARTIFICIAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      CERRI, Ricardo e CARVALHO, André Carlos Ponce de Leon Ferreira de e FREITAS, Alex A. Adapting non-hierarchical multilabel classification methods for hierarchical multilabel classification. Intelligent Data Analysis, v. 15, p. 861-887, 2011Tradução . . Disponível em: https://doi.org/10.3233/IDA-2011-0500. Acesso em: 14 nov. 2024.
    • APA

      Cerri, R., Carvalho, A. C. P. de L. F. de, & Freitas, A. A. (2011). Adapting non-hierarchical multilabel classification methods for hierarchical multilabel classification. Intelligent Data Analysis, 15, 861-887. doi:10.3233/IDA-2011-0500
    • NLM

      Cerri R, Carvalho ACP de LF de, Freitas AA. Adapting non-hierarchical multilabel classification methods for hierarchical multilabel classification [Internet]. Intelligent Data Analysis. 2011 ; 15 861-887.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-2011-0500
    • Vancouver

      Cerri R, Carvalho ACP de LF de, Freitas AA. Adapting non-hierarchical multilabel classification methods for hierarchical multilabel classification [Internet]. Intelligent Data Analysis. 2011 ; 15 861-887.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-2011-0500
  • Fonte: Intelligent Data Analysis. Unidade: ICMC

    Assunto: INTELIGÊNCIA ARTIFICIAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      CARDOSO, Margarida G. M. S e CARVALHO, André Carlos Ponce de Leon Ferreira de. Quality indices for (practical) clustering evaluation. Intelligent Data Analysis, v. 13, p. 725-740, 2009Tradução . . Disponível em: https://doi.org/10.3233/IDA-2009-0390. Acesso em: 14 nov. 2024.
    • APA

      Cardoso, M. G. M. S., & Carvalho, A. C. P. de L. F. de. (2009). Quality indices for (practical) clustering evaluation. Intelligent Data Analysis, 13, 725-740. doi:10.3233/IDA-2009-0390
    • NLM

      Cardoso MGMS, Carvalho ACP de LF de. Quality indices for (practical) clustering evaluation [Internet]. Intelligent Data Analysis. 2009 ; 13 725-740.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-2009-0390
    • Vancouver

      Cardoso MGMS, Carvalho ACP de LF de. Quality indices for (practical) clustering evaluation [Internet]. Intelligent Data Analysis. 2009 ; 13 725-740.[citado 2024 nov. 14 ] Available from: https://doi.org/10.3233/IDA-2009-0390

Biblioteca Digital de Produção Intelectual da Universidade de São Paulo     2012 - 2024