ReP USP - Resultado da busca

Artigo de periodico
Application of electronic nose and machine learning used to detect soybean gases under water stress and variability throughout the daytime (2024)
Herrmann, Paulo Sergio de Paula ; Luccas, Matheus dos Santos ; Ferreira, Ednaldo José ; Torre Neto, Andre
Fonte: Frontiers in Plant Science. Unidade: ICMC
Assuntos: MINERAÇÃO DE DADOS, FENÓTIPOS, ABSORÇÃO DE ÁGUA PELAS PLANTAS, RESPIRAÇÃO VEGETAL, SOJA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
HERRMANN, Paulo Sergio de Paula et al. Application of electronic nose and machine learning used to detect soybean gases under water stress and variability throughout the daytime. Frontiers in Plant Science, v. 15, p. 1-15, 2024Tradução . . Disponível em: https://doi.org/10.3389/fpls.2024.1323296. Acesso em: 30 ago. 2024.
APA
Herrmann, P. S. de P., Luccas, M. dos S., Ferreira, E. J., & Torre Neto, A. (2024). Application of electronic nose and machine learning used to detect soybean gases under water stress and variability throughout the daytime. Frontiers in Plant Science, 15, 1-15. doi:10.3389/fpls.2024.1323296
NLM
Herrmann PS de P, Luccas M dos S, Ferreira EJ, Torre Neto A. Application of electronic nose and machine learning used to detect soybean gases under water stress and variability throughout the daytime [Internet]. Frontiers in Plant Science. 2024 ; 15 1-15.[citado 2024 ago. 30 ] Available from: https://doi.org/10.3389/fpls.2024.1323296
Vancouver
Herrmann PS de P, Luccas M dos S, Ferreira EJ, Torre Neto A. Application of electronic nose and machine learning used to detect soybean gases under water stress and variability throughout the daytime [Internet]. Frontiers in Plant Science. 2024 ; 15 1-15.[citado 2024 ago. 30 ] Available from: https://doi.org/10.3389/fpls.2024.1323296
Artigo de periodico
Enhancing elemental quantification in LIBS with SHAP-guided emission line analysis: a soil carbon study (2024)
Neiva, Davi Keglevich; Guedes, Wesley Nascimento ; Martin-Neto, Ladislau ; Villas Boas, Paulino Ribeiro
Fonte: Spectrochimica Acta Part B : Atomic Spectroscopy. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, ESPECTROSCOPIA, ANÁLISE DO SOLO, CARBONO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
NEIVA, Davi Keglevich et al. Enhancing elemental quantification in LIBS with SHAP-guided emission line analysis: a soil carbon study. Spectrochimica Acta Part B : Atomic Spectroscopy, v. 217, p. 1-8, 2024Tradução . . Disponível em: https://doi.org/10.1016/j.sab.2024.106971. Acesso em: 30 ago. 2024.
APA
Neiva, D. K., Guedes, W. N., Martin-Neto, L., & Villas Boas, P. R. (2024). Enhancing elemental quantification in LIBS with SHAP-guided emission line analysis: a soil carbon study. Spectrochimica Acta Part B : Atomic Spectroscopy, 217, 1-8. doi:10.1016/j.sab.2024.106971
NLM
Neiva DK, Guedes WN, Martin-Neto L, Villas Boas PR. Enhancing elemental quantification in LIBS with SHAP-guided emission line analysis: a soil carbon study [Internet]. Spectrochimica Acta Part B : Atomic Spectroscopy. 2024 ; 217 1-8.[citado 2024 ago. 30 ] Available from: https://doi.org/10.1016/j.sab.2024.106971
Vancouver
Neiva DK, Guedes WN, Martin-Neto L, Villas Boas PR. Enhancing elemental quantification in LIBS with SHAP-guided emission line analysis: a soil carbon study [Internet]. Spectrochimica Acta Part B : Atomic Spectroscopy. 2024 ; 217 1-8.[citado 2024 ago. 30 ] Available from: https://doi.org/10.1016/j.sab.2024.106971
Artigo de periodico
Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits (2023)
Rodrigues, Lucas de Souza; Caixeta Filho, Edmar; Sakiyama, Kenzo ; Santos, Mateus Figueiredo; Jank, Liana ; Carromeu, Camilo ; Silveira, Eloise; Matsubara, Edson Takashi ; Marcato Júnior, José ; Gonçalves, Wesley Nunes
Fonte: Computers and Electronics in Agriculture. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, VISÃO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RODRIGUES, Lucas de Souza et al. Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits. Computers and Electronics in Agriculture, v. 211, p. 1-14, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.compag.2023.107957. Acesso em: 30 ago. 2024.
APA
Rodrigues, L. de S., Caixeta Filho, E., Sakiyama, K., Santos, M. F., Jank, L., Carromeu, C., et al. (2023). Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits. Computers and Electronics in Agriculture, 211, 1-14. doi:10.1016/j.compag.2023.107957
NLM
Rodrigues L de S, Caixeta Filho E, Sakiyama K, Santos MF, Jank L, Carromeu C, Silveira E, Matsubara ET, Marcato Júnior J, Gonçalves WN. Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits [Internet]. Computers and Electronics in Agriculture. 2023 ; 211 1-14.[citado 2024 ago. 30 ] Available from: https://doi.org/10.1016/j.compag.2023.107957
Vancouver
Rodrigues L de S, Caixeta Filho E, Sakiyama K, Santos MF, Jank L, Carromeu C, Silveira E, Matsubara ET, Marcato Júnior J, Gonçalves WN. Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits [Internet]. Computers and Electronics in Agriculture. 2023 ; 211 1-14.[citado 2024 ago. 30 ] Available from: https://doi.org/10.1016/j.compag.2023.107957
Artigo de periodico
Microfluidic E-tongue to diagnose bovine mastitis with milk samples using machine learning with decision tree models (2023)
Soares, Andrey Coatrini ; Soares, Juliana Coatrini ; Popolin Neto, Mário ; Mello, Suelen Scarpa de; Pinto, Danielle Dos Santos Cinelli; Carvalho, Wanessa Araújo; Gilmore, Michael Shaffer; Piazzetta, Maria Helena de Oliveira; Gobbi, Angelo Luiz ; Brandão, Humberto de Mello; Paulovich, Fernando Vieira ; Oliveira Junior, Osvaldo Novais de ; Mattoso, Luiz Henrique Capparelli
Fonte: Chemical Engineering Journal. Unidades: IFSC, ICMC
Assuntos: MASTITE ANIMAL, ELETROQUÍMICA, APRENDIZADO COMPUTACIONAL, PECUÁRIA LEITEIRA, MONITORAMENTO AMBIENTAL, STAPHYLOCOCCUS, SENSOR
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SOARES, Andrey Coatrini et al. Microfluidic E-tongue to diagnose bovine mastitis with milk samples using machine learning with decision tree models. Chemical Engineering Journal, v. 451, n. Ja 2023, p. 138523-1-138523-9, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.cej.2022.138523. Acesso em: 30 ago. 2024.
APA
Soares, A. C., Soares, J. C., Popolin Neto, M., Mello, S. S. de, Pinto, D. D. S. C., Carvalho, W. A., et al. (2023). Microfluidic E-tongue to diagnose bovine mastitis with milk samples using machine learning with decision tree models. Chemical Engineering Journal, 451( Ja 2023), 138523-1-138523-9. doi:10.1016/j.cej.2022.138523
NLM
Soares AC, Soares JC, Popolin Neto M, Mello SS de, Pinto DDSC, Carvalho WA, Gilmore MS, Piazzetta MH de O, Gobbi AL, Brandão H de M, Paulovich FV, Oliveira Junior ON de, Mattoso LHC. Microfluidic E-tongue to diagnose bovine mastitis with milk samples using machine learning with decision tree models [Internet]. Chemical Engineering Journal. 2023 ; 451( Ja 2023): 138523-1-138523-9.[citado 2024 ago. 30 ] Available from: https://doi.org/10.1016/j.cej.2022.138523
Vancouver
Soares AC, Soares JC, Popolin Neto M, Mello SS de, Pinto DDSC, Carvalho WA, Gilmore MS, Piazzetta MH de O, Gobbi AL, Brandão H de M, Paulovich FV, Oliveira Junior ON de, Mattoso LHC. Microfluidic E-tongue to diagnose bovine mastitis with milk samples using machine learning with decision tree models [Internet]. Chemical Engineering Journal. 2023 ; 451( Ja 2023): 138523-1-138523-9.[citado 2024 ago. 30 ] Available from: https://doi.org/10.1016/j.cej.2022.138523
Trabalho de evento
Diagnóstico precoce de ataque de S. frugiperda em milho com dados de espectroscopia de fluorescência induzida por lazer (2021)
Silva Junior, Luiz Gonzaga da; Villas Boas, Paulino Ribeiro
Fonte: Anais. Nome do evento: Workshop de Matemática, Estatística e Computação Aplicadas à Indústria - WMECAI. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, ESPECTROMETRIA, MILHO, LAGARTAS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA JUNIOR, Luiz Gonzaga da e VILLAS BOAS, Paulino Ribeiro. Diagnóstico precoce de ataque de S. frugiperda em milho com dados de espectroscopia de fluorescência induzida por lazer. 2021, Anais.. São Carlos: ICMC-USP, 2021. Disponível em: http://cemeai.icmc.usp.br/1WMECAI/trabalhos/. Acesso em: 30 ago. 2024.
APA
Silva Junior, L. G. da, & Villas Boas, P. R. (2021). Diagnóstico precoce de ataque de S. frugiperda em milho com dados de espectroscopia de fluorescência induzida por lazer. In Anais. São Carlos: ICMC-USP. Recuperado de http://cemeai.icmc.usp.br/1WMECAI/trabalhos/
NLM
Silva Junior LG da, Villas Boas PR. Diagnóstico precoce de ataque de S. frugiperda em milho com dados de espectroscopia de fluorescência induzida por lazer [Internet]. Anais. 2021 ;[citado 2024 ago. 30 ] Available from: http://cemeai.icmc.usp.br/1WMECAI/trabalhos/
Vancouver
Silva Junior LG da, Villas Boas PR. Diagnóstico precoce de ataque de S. frugiperda em milho com dados de espectroscopia de fluorescência induzida por lazer [Internet]. Anais. 2021 ;[citado 2024 ago. 30 ] Available from: http://cemeai.icmc.usp.br/1WMECAI/trabalhos/

Unidades USP

ReP

Filtros

Autores

Autores USP

Assuntos

Agência de fomento