ReP USP - Resultado da busca

Trabalho de evento
Using visual text mining to support the study selection activity in systematic literature reviews (2011)
Felizardo, Katia Romero ; Salleh, Norsaremah ; Martins, Rafael Messias; Mendes, Emília; MacDonell, Stephen G; Maldonado, José Carlos
Fonte: Proceedings. Nome do evento: International Symposium on Empirical Software Engineering and Measurement. Unidade: ICMC
Assuntos: REVISÃO SISTEMÁTICA, ESTUDO DE CASO, ANÁLISE DE DESEMPENHO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FELIZARDO, Katia Romero et al. Using visual text mining to support the study selection activity in systematic literature reviews. 2011, Anais.. Piscataway: IEEE, 2011. Disponível em: https://doi.org/10.1109/ESEM.2011.16. Acesso em: 18 maio 2024.
APA
Felizardo, K. R., Salleh, N., Martins, R. M., Mendes, E., MacDonell, S. G., & Maldonado, J. C. (2011). Using visual text mining to support the study selection activity in systematic literature reviews. In Proceedings. Piscataway: IEEE. doi:10.1109/ESEM.2011.16
NLM
Felizardo KR, Salleh N, Martins RM, Mendes E, MacDonell SG, Maldonado JC. Using visual text mining to support the study selection activity in systematic literature reviews [Internet]. Proceedings. 2011 ;[citado 2024 maio 18 ] Available from: https://doi.org/10.1109/ESEM.2011.16
Vancouver
Felizardo KR, Salleh N, Martins RM, Mendes E, MacDonell SG, Maldonado JC. Using visual text mining to support the study selection activity in systematic literature reviews [Internet]. Proceedings. 2011 ;[citado 2024 maio 18 ] Available from: https://doi.org/10.1109/ESEM.2011.16
Artigo de periodico
River: machine learning for streaming data in Python (2021)
Montiel, Jacob ; Halford, Max; Mastelini, Saulo Martiello ; Bolmier, Geoffrey; Sourty, Raphael; Vaysse, Robin; Zouitine, Adil; Gomes, Heitor Murilo ; Read, Jesse ; Abdessalem, Talel ; Bifet, Albert
Fonte: Journal of Machine Learning Research. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, ANÁLISE DE SÉRIES TEMPORAIS, PYTHON
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MONTIEL, Jacob et al. River: machine learning for streaming data in Python. Journal of Machine Learning Research, v. 22, p. 1-8, 2021Tradução . . Disponível em: https://www.jmlr.org/papers/volume22/20-1380/20-1380.pdf. Acesso em: 18 maio 2024.
APA
Montiel, J., Halford, M., Mastelini, S. M., Bolmier, G., Sourty, R., Vaysse, R., et al. (2021). River: machine learning for streaming data in Python. Journal of Machine Learning Research, 22, 1-8. Recuperado de https://www.jmlr.org/papers/volume22/20-1380/20-1380.pdf
NLM
Montiel J, Halford M, Mastelini SM, Bolmier G, Sourty R, Vaysse R, Zouitine A, Gomes HM, Read J, Abdessalem T, Bifet A. River: machine learning for streaming data in Python [Internet]. Journal of Machine Learning Research. 2021 ; 22 1-8.[citado 2024 maio 18 ] Available from: https://www.jmlr.org/papers/volume22/20-1380/20-1380.pdf
Vancouver
Montiel J, Halford M, Mastelini SM, Bolmier G, Sourty R, Vaysse R, Zouitine A, Gomes HM, Read J, Abdessalem T, Bifet A. River: machine learning for streaming data in Python [Internet]. Journal of Machine Learning Research. 2021 ; 22 1-8.[citado 2024 maio 18 ] Available from: https://www.jmlr.org/papers/volume22/20-1380/20-1380.pdf
Trabalho de evento
On ensemble techniques for data stream regression (2020)
Gomes, Heitor Murilo ; Montiel, Jacob ; Mastelini, Saulo Martiello ; Pfahringer, Bernhard ; Bifet, Albert
Fonte: Proceedings. Nome do evento: International Joint Conference on Neural Networks - IJCNN. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, ANÁLISE DE SÉRIES TEMPORAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GOMES, Heitor Murilo et al. On ensemble techniques for data stream regression. 2020, Anais.. Piscataway: IEEE, 2020. Disponível em: https://doi.org/10.1109/IJCNN48605.2020.9206756. Acesso em: 18 maio 2024.
APA
Gomes, H. M., Montiel, J., Mastelini, S. M., Pfahringer, B., & Bifet, A. (2020). On ensemble techniques for data stream regression. In Proceedings. Piscataway: IEEE. doi:10.1109/IJCNN48605.2020.9206756
NLM
Gomes HM, Montiel J, Mastelini SM, Pfahringer B, Bifet A. On ensemble techniques for data stream regression [Internet]. Proceedings. 2020 ;[citado 2024 maio 18 ] Available from: https://doi.org/10.1109/IJCNN48605.2020.9206756
Vancouver
Gomes HM, Montiel J, Mastelini SM, Pfahringer B, Bifet A. On ensemble techniques for data stream regression [Internet]. Proceedings. 2020 ;[citado 2024 maio 18 ] Available from: https://doi.org/10.1109/IJCNN48605.2020.9206756
Artigo de periodico
NeoBat interactions: a data set of bat-plant interactions in the neotropics (2022)
Florez-Montero, Guilhermo ; Muylaert, Renata de Lara ; Nogueira, Marcelo Rodrigues ; Geiselman, Cullen ; Santana, Sharlene E ; Stevens, Richard D ; Tschapka, Marco ; Rodrigues, Francisco Aparecido ; Mello, Marco A. R
Fonte: Ecology. Unidades: ICMC, IB
Assuntos: ECOLOGIA, MORCEGOS, ANÁLISE DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FLOREZ-MONTERO, Guilhermo et al. NeoBat interactions: a data set of bat-plant interactions in the neotropics. Ecology, v. 103, n. 4, p. 1-2, 2022Tradução . . Disponível em: https://doi.org/10.1002/ecy.3640. Acesso em: 18 maio 2024.
APA
Florez-Montero, G., Muylaert, R. de L., Nogueira, M. R., Geiselman, C., Santana, S. E., Stevens, R. D., et al. (2022). NeoBat interactions: a data set of bat-plant interactions in the neotropics. Ecology, 103( 4), 1-2. doi:10.1002/ecy.3640
NLM
Florez-Montero G, Muylaert R de L, Nogueira MR, Geiselman C, Santana SE, Stevens RD, Tschapka M, Rodrigues FA, Mello MAR. NeoBat interactions: a data set of bat-plant interactions in the neotropics [Internet]. Ecology. 2022 ; 103( 4): 1-2.[citado 2024 maio 18 ] Available from: https://doi.org/10.1002/ecy.3640
Vancouver
Florez-Montero G, Muylaert R de L, Nogueira MR, Geiselman C, Santana SE, Stevens RD, Tschapka M, Rodrigues FA, Mello MAR. NeoBat interactions: a data set of bat-plant interactions in the neotropics [Internet]. Ecology. 2022 ; 103( 4): 1-2.[citado 2024 maio 18 ] Available from: https://doi.org/10.1002/ecy.3640
Trabalho de evento
Feature scoring using tree-based ensembles for evolving data streams (2019)
Gomes, Heitor Murilo; Mello, Rodrigo Fernandes de ; Pfahringer, Bernhard ; Bifet, Albert
Fonte: Proceedings. Nome do evento: IEEE International Conference on Big Data - Big Data. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, ANÁLISE DE SÉRIES TEMPORAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GOMES, Heitor Murilo et al. Feature scoring using tree-based ensembles for evolving data streams. 2019, Anais.. Los Alamitos: IEEE, 2019. Disponível em: https://doi.org/10.1109/BigData47090.2019.9006366. Acesso em: 18 maio 2024.
APA
Gomes, H. M., Mello, R. F. de, Pfahringer, B., & Bifet, A. (2019). Feature scoring using tree-based ensembles for evolving data streams. In Proceedings. Los Alamitos: IEEE. doi:10.1109/BigData47090.2019.9006366
NLM
Gomes HM, Mello RF de, Pfahringer B, Bifet A. Feature scoring using tree-based ensembles for evolving data streams [Internet]. Proceedings. 2019 ;[citado 2024 maio 18 ] Available from: https://doi.org/10.1109/BigData47090.2019.9006366
Vancouver
Gomes HM, Mello RF de, Pfahringer B, Bifet A. Feature scoring using tree-based ensembles for evolving data streams [Internet]. Proceedings. 2019 ;[citado 2024 maio 18 ] Available from: https://doi.org/10.1109/BigData47090.2019.9006366
Trabalho de evento
Fast and lightweight binary and multi-branch Hoeffding tree regressors (2021)
Mastelini, Saulo Martiello ; Montiel, Jacob ; Gomes, Heitor Murilo ; Bifet, Albert ; Pfahringer, Bernhard ; Carvalho, André Carlos Ponce de Leon Ferreira de
Fonte: Proceedings. Nome do evento: International Conference on Data Mining Workshops - ICDMW. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MASTELINI, Saulo Martiello et al. Fast and lightweight binary and multi-branch Hoeffding tree regressors. 2021, Anais.. Los Alamitos: IEEE, 2021. Disponível em: https://doi.org/10.1109/ICDMW53433.2021.00053. Acesso em: 18 maio 2024.
APA
Mastelini, S. M., Montiel, J., Gomes, H. M., Bifet, A., Pfahringer, B., & Carvalho, A. C. P. de L. F. de. (2021). Fast and lightweight binary and multi-branch Hoeffding tree regressors. In Proceedings. Los Alamitos: IEEE. doi:10.1109/ICDMW53433.2021.00053
NLM
Mastelini SM, Montiel J, Gomes HM, Bifet A, Pfahringer B, Carvalho ACP de LF de. Fast and lightweight binary and multi-branch Hoeffding tree regressors [Internet]. Proceedings. 2021 ;[citado 2024 maio 18 ] Available from: https://doi.org/10.1109/ICDMW53433.2021.00053
Vancouver
Mastelini SM, Montiel J, Gomes HM, Bifet A, Pfahringer B, Carvalho ACP de LF de. Fast and lightweight binary and multi-branch Hoeffding tree regressors [Internet]. Proceedings. 2021 ;[citado 2024 maio 18 ] Available from: https://doi.org/10.1109/ICDMW53433.2021.00053
Trabalho de evento-anais periodico
Departure processes from a loss system with two stations and one seerver (1994)
Magalhães, Marcos Nascimento ; McNickle, Donald C; Salles, Maria Creusa Bretas
Fonte: Revista Brasileira de Probabilidade e Estatística. Nome do evento: Congresso Latino-Americano de Probabilidade e Estatística Matemática - CLAPEM. Unidades: IME, ICMC
Assunto: PROCESSOS ESTOCÁSTICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MAGALHÃES, Marcos Nascimento e MCNICKLE, Donald C e SALLES, Maria Creusa Bretas. Departure processes from a loss system with two stations and one seerver. Revista Brasileira de Probabilidade e Estatística. São Paulo: Instituto de Matemática e Estatística, Universidade de São Paulo. Disponível em: https://www.jstor.org/stable/43600859. Acesso em: 18 maio 2024. , 1994
APA
Magalhães, M. N., McNickle, D. C., & Salles, M. C. B. (1994). Departure processes from a loss system with two stations and one seerver. Revista Brasileira de Probabilidade e Estatística. São Paulo: Instituto de Matemática e Estatística, Universidade de São Paulo. Recuperado de https://www.jstor.org/stable/43600859
NLM
Magalhães MN, McNickle DC, Salles MCB. Departure processes from a loss system with two stations and one seerver [Internet]. Revista Brasileira de Probabilidade e Estatística. 1994 ; 8( 2): 135-146.[citado 2024 maio 18 ] Available from: https://www.jstor.org/stable/43600859
Vancouver
Magalhães MN, McNickle DC, Salles MCB. Departure processes from a loss system with two stations and one seerver [Internet]. Revista Brasileira de Probabilidade e Estatística. 1994 ; 8( 2): 135-146.[citado 2024 maio 18 ] Available from: https://www.jstor.org/stable/43600859
Trabalho de evento-anais periodico
Compressed k-nearest neighbors ensembles for evolving data streams (2020)
Bahri, Maroua ; Bifet, Albert ; Maniu, Silviu ; Mello, Rodrigo Fernandes de ; Tziortziotis, Nikolaos
Fonte: Frontiers in Artificial Intelligence and Applications. Nome do evento: European Conference on Artificial Intelligence - ECAI. Unidade: ICMC
Assuntos: ANÁLISE DE SÉRIES TEMPORAIS, APRENDIZADO COMPUTACIONAL, MINERAÇÃO DE DADOS, ALGORITMOS ÚTEIS E ESPECÍFICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BAHRI, Maroua et al. Compressed k-nearest neighbors ensembles for evolving data streams. Frontiers in Artificial Intelligence and Applications. Amsterdam: IOS Press. Disponível em: https://doi.org/10.3233/FAIA200189. Acesso em: 18 maio 2024. , 2020
APA
Bahri, M., Bifet, A., Maniu, S., Mello, R. F. de, & Tziortziotis, N. (2020). Compressed k-nearest neighbors ensembles for evolving data streams. Frontiers in Artificial Intelligence and Applications. Amsterdam: IOS Press. doi:10.3233/FAIA200189
NLM
Bahri M, Bifet A, Maniu S, Mello RF de, Tziortziotis N. Compressed k-nearest neighbors ensembles for evolving data streams [Internet]. Frontiers in Artificial Intelligence and Applications. 2020 ; 325 961-968.[citado 2024 maio 18 ] Available from: https://doi.org/10.3233/FAIA200189
Vancouver
Bahri M, Bifet A, Maniu S, Mello RF de, Tziortziotis N. Compressed k-nearest neighbors ensembles for evolving data streams [Internet]. Frontiers in Artificial Intelligence and Applications. 2020 ; 325 961-968.[citado 2024 maio 18 ] Available from: https://doi.org/10.3233/FAIA200189
Artigo de periodico
An empirical analysis of binary transformation strategies and base algorithms for multi-label learning (2020)
Rivolli, Adriano ; Read, Jesse; Soares, Carlos; Pfahringer, Bernhard ; Carvalho, André Carlos Ponce de Leon Ferreira de
Fonte: Machine Learning. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, ALGORITMOS ÚTEIS E ESPECÍFICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RIVOLLI, Adriano et al. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning. Machine Learning, v. 109, n. 8, p. 1509-1563, 2020Tradução . . Disponível em: https://doi.org/10.1007/s10994-020-05879-3. Acesso em: 18 maio 2024.
APA
Rivolli, A., Read, J., Soares, C., Pfahringer, B., & Carvalho, A. C. P. de L. F. de. (2020). An empirical analysis of binary transformation strategies and base algorithms for multi-label learning. Machine Learning, 109( 8), 1509-1563. doi:10.1007/s10994-020-05879-3
NLM
Rivolli A, Read J, Soares C, Pfahringer B, Carvalho ACP de LF de. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning [Internet]. Machine Learning. 2020 ; 109( 8): 1509-1563.[citado 2024 maio 18 ] Available from: https://doi.org/10.1007/s10994-020-05879-3
Vancouver
Rivolli A, Read J, Soares C, Pfahringer B, Carvalho ACP de LF de. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning [Internet]. Machine Learning. 2020 ; 109( 8): 1509-1563.[citado 2024 maio 18 ] Available from: https://doi.org/10.1007/s10994-020-05879-3

Unidades USP

ReP

Filtros

Departamento

Autores

Autores USP

Ano de publicação

Assuntos

Título da fonte

Nome do evento

Agência de fomento

Indexado em

Afiliação dos autores externos normalizada

Afiliação dos autores externos não normalizada

País das instituições de afiliação dos autores externos