ReP USP - Resultado da busca

Filtros : "IRI" "ICMC" Removidos: "Universidade Federal de Pernambuco (UFPE)" "Carpeggiani, Bruno" Limpar

Filtros

Autores USP
- ausas, roberto federico (1)
- buscaglia, gustavo carlos (1)
- guiraldello, rafael trevisanuto (1)
- jaramillo, carlos alfredo guarnizo (1)
- nishijima, marislei (1)

Ano de publicação
- 2024 (~1)
- 2022 (~1)
Assuntos
- aprendizagem profunda (1)
- avaliação de desempenho (1)
- benchmarks (1)
- enchentes urbanas (1)
- escoamento bifásico (1)

Artigo de periodico
A deep learning workflow enhanced with optical flow fields for flood risk estimation (2024)
Ranieri, Caetano Mazzoni ; Souza, Thais Luiza Donega e ; Nishijima, Marislei ; Krishnamachari, Bhaskar ; Ueyama, Jó
Fonte: Applied Intelligence. Unidades: ICMC, IRI, EACH
Assuntos: ENCHENTES URBANAS, APRENDIZAGEM PROFUNDA, PROCESSAMENTO DE IMAGENS, VISÃO COMPUTACIONAL, REDES NEURAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RANIERI, Caetano Mazzoni et al. A deep learning workflow enhanced with optical flow fields for flood risk estimation. Applied Intelligence, 2024Tradução . . Disponível em: https://doi.org/10.1007/s10489-024-05466-2. Acesso em: 04 maio 2024.
APA
Ranieri, C. M., Souza, T. L. D. e, Nishijima, M., Krishnamachari, B., & Ueyama, J. (2024). A deep learning workflow enhanced with optical flow fields for flood risk estimation. Applied Intelligence. doi:10.1007/s10489-024-05466-2
NLM
Ranieri CM, Souza TLD e, Nishijima M, Krishnamachari B, Ueyama J. A deep learning workflow enhanced with optical flow fields for flood risk estimation [Internet]. Applied Intelligence. 2024 ;[citado 2024 maio 04 ] Available from: https://doi.org/10.1007/s10489-024-05466-2
Vancouver
Ranieri CM, Souza TLD e, Nishijima M, Krishnamachari B, Ueyama J. A deep learning workflow enhanced with optical flow fields for flood risk estimation [Internet]. Applied Intelligence. 2024 ;[citado 2024 maio 04 ] Available from: https://doi.org/10.1007/s10489-024-05466-2
Artigo de periodico
Towards HPC simulations of billion-cell reservoirs by multiscale mixed methods (2022)
Jaramillo, Alfredo ; Guiraldello, Rafael Trevisanuto ; Sanchez, Stevens Paz ; Ausas, Roberto Federico ; Sousa, Fabricio Simeoni de ; Pereira, Felipe; Buscaglia, Gustavo Carlos
Fonte: Computational Geosciences. Unidades: ICMC, IRI
Assuntos: AVALIAÇÃO DE DESEMPENHO, ESCOAMENTO BIFÁSICO, BENCHMARKS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
JARAMILLO, Alfredo et al. Towards HPC simulations of billion-cell reservoirs by multiscale mixed methods. Computational Geosciences, v. 26, p. 481-501, 2022Tradução . . Disponível em: https://doi.org/10.1007/s10596-022-10131-z. Acesso em: 04 maio 2024.
APA
Jaramillo, A., Guiraldello, R. T., Sanchez, S. P., Ausas, R. F., Sousa, F. S. de, Pereira, F., & Buscaglia, G. C. (2022). Towards HPC simulations of billion-cell reservoirs by multiscale mixed methods. Computational Geosciences, 26, 481-501. doi:10.1007/s10596-022-10131-z
NLM
Jaramillo A, Guiraldello RT, Sanchez SP, Ausas RF, Sousa FS de, Pereira F, Buscaglia GC. Towards HPC simulations of billion-cell reservoirs by multiscale mixed methods [Internet]. Computational Geosciences. 2022 ; 26 481-501.[citado 2024 maio 04 ] Available from: https://doi.org/10.1007/s10596-022-10131-z
Vancouver
Jaramillo A, Guiraldello RT, Sanchez SP, Ausas RF, Sousa FS de, Pereira F, Buscaglia GC. Towards HPC simulations of billion-cell reservoirs by multiscale mixed methods [Internet]. Computational Geosciences. 2022 ; 26 481-501.[citado 2024 maio 04 ] Available from: https://doi.org/10.1007/s10596-022-10131-z

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