ReP USP - Resultado da busca

Trabalho de evento
A framework for multi-document extractive summarization of reviews with aspect-based sentiment analysis (2020)
Oliveira, André Seidel ; Reali Costa, Anna Helena ; Hruschka, Eduardo Raul
Fonte: [Anais]: ENIAC 2020. Nome do evento: Encontro Nacional de Inteligência Artificial e Computacional. Unidade: EP
Assuntos: LINGUAGEM NATURAL, APRENDIZADO COMPUTACIONAL, BANCO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
OLIVEIRA, André Seidel e REALI COSTA, Anna Helena e HRUSCHKA, Eduardo Raul. A framework for multi-document extractive summarization of reviews with aspect-based sentiment analysis. 2020, Anais.. Porto Alegre: Sociedade Brasileira de Computação, 2020. Disponível em: https://doi.org/10.5753/eniac.2020.12152. Acesso em: 01 dez. 2025.
APA
Oliveira, A. S., Reali Costa, A. H., & Hruschka, E. R. (2020). A framework for multi-document extractive summarization of reviews with aspect-based sentiment analysis. In [Anais]: ENIAC 2020. Porto Alegre: Sociedade Brasileira de Computação. Recuperado de https://doi.org/10.5753/eniac.2020.12152
NLM
Oliveira AS, Reali Costa AH, Hruschka ER. A framework for multi-document extractive summarization of reviews with aspect-based sentiment analysis [Internet]. [Anais]: ENIAC 2020. 2020 ;[citado 2025 dez. 01 ] Available from: https://doi.org/10.5753/eniac.2020.12152
Vancouver
Oliveira AS, Reali Costa AH, Hruschka ER. A framework for multi-document extractive summarization of reviews with aspect-based sentiment analysis [Internet]. [Anais]: ENIAC 2020. 2020 ;[citado 2025 dez. 01 ] Available from: https://doi.org/10.5753/eniac.2020.12152
Artigo de periodico
Combining clustering and active learning for the detection and learning of new image classes (2019)
Coletta, Luiz Fernando Sommaggio ; Ponti, Moacir Antonelli ; Hruschka, Eduardo Raul ; Acharya, Ayan; Ghosh, Joydeep
Fonte: Neurocomputing. Unidades: ICMC, EP
Assuntos: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE IMAGEM
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COLETTA, Luiz Fernando Sommaggio et al. Combining clustering and active learning for the detection and learning of new image classes. Neurocomputing, v. 358, p. Se 2019, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2019.04.070. Acesso em: 01 dez. 2025.
APA
Coletta, L. F. S., Ponti, M. A., Hruschka, E. R., Acharya, A., & Ghosh, J. (2019). Combining clustering and active learning for the detection and learning of new image classes. Neurocomputing, 358, Se 2019. doi:10.1016/j.neucom.2019.04.070
NLM
Coletta LFS, Ponti MA, Hruschka ER, Acharya A, Ghosh J. Combining clustering and active learning for the detection and learning of new image classes [Internet]. Neurocomputing. 2019 ; 358 Se 2019.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.neucom.2019.04.070
Vancouver
Coletta LFS, Ponti MA, Hruschka ER, Acharya A, Ghosh J. Combining clustering and active learning for the detection and learning of new image classes [Internet]. Neurocomputing. 2019 ; 358 Se 2019.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.neucom.2019.04.070
Artigo de periodico
Decomposing time series into deterministic and stochastic influences: a survey (2019)
Duarte, Felipe Simões Lage Gomes; Rios, Ricardo A; Hruschka, Eduardo Raul ; Mello, Rodrigo Fernandes de
Fonte: Digital Signal Processing. Unidades: EP, ICMC
Assuntos: ANÁLISE DE SÉRIES TEMPORAIS, MÉTODOS DE DECOMPOSIÇÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
DUARTE, Felipe Simões Lage Gomes et al. Decomposing time series into deterministic and stochastic influences: a survey. Digital Signal Processing, v. 95, p. 1-18, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.dsp.2019.102582. Acesso em: 01 dez. 2025.
APA
Duarte, F. S. L. G., Rios, R. A., Hruschka, E. R., & Mello, R. F. de. (2019). Decomposing time series into deterministic and stochastic influences: a survey. Digital Signal Processing, 95, 1-18. doi:10.1016/j.dsp.2019.102582
NLM
Duarte FSLG, Rios RA, Hruschka ER, Mello RF de. Decomposing time series into deterministic and stochastic influences: a survey [Internet]. Digital Signal Processing. 2019 ; 95 1-18.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.dsp.2019.102582
Vancouver
Duarte FSLG, Rios RA, Hruschka ER, Mello RF de. Decomposing time series into deterministic and stochastic influences: a survey [Internet]. Digital Signal Processing. 2019 ; 95 1-18.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.dsp.2019.102582
Trabalho de evento
Classification with multi-modal classes using evolutionary algorithms and constrained clustering (2018)
Covões, Thiago Ferreira; Hruschka, Eduardo Raul
Fonte: Proceedings. Nome do evento: IEEE Congress on Evolutionary Computation - CEC. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, ALGORITMOS GENÉTICOS, COMPUTAÇÃO EVOLUTIVA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COVÕES, Thiago Ferreira e HRUSCHKA, Eduardo Raul. Classification with multi-modal classes using evolutionary algorithms and constrained clustering. 2018, Anais.. Piscataway: IEEE, 2018. Disponível em: https://doi.org/10.1109/CEC.2018.8477858. Acesso em: 01 dez. 2025.
APA
Covões, T. F., & Hruschka, E. R. (2018). Classification with multi-modal classes using evolutionary algorithms and constrained clustering. In Proceedings. Piscataway: IEEE. doi:10.1109/CEC.2018.8477858
NLM
Covões TF, Hruschka ER. Classification with multi-modal classes using evolutionary algorithms and constrained clustering [Internet]. Proceedings. 2018 ;[citado 2025 dez. 01 ] Available from: https://doi.org/10.1109/CEC.2018.8477858
Vancouver
Covões TF, Hruschka ER. Classification with multi-modal classes using evolutionary algorithms and constrained clustering [Internet]. Proceedings. 2018 ;[citado 2025 dez. 01 ] Available from: https://doi.org/10.1109/CEC.2018.8477858
Trabalho de evento
Time series decomposition using spring system applied on phase spaces (2018)
Duarte, Felipe Simões Lage Gomes; Rios, Ricardo A; Hruschka, Eduardo Raul ; Mello, Rodrigo Fernandes de
Fonte: Proceedings. Nome do evento: Brazilian Conference on Intelligent Systems - BRACIS. Unidades: EP, ICMC
Assuntos: MODELOS EM SÉRIES TEMPORAIS, PROCESSOS ESTOCÁSTICOS, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS)
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
DUARTE, Felipe Simões Lage Gomes et al. Time series decomposition using spring system applied on phase spaces. 2018, Anais.. Piscataway: IEEE, 2018. Disponível em: https://doi.org/10.1109/BRACIS.2018.00093. Acesso em: 01 dez. 2025.
APA
Duarte, F. S. L. G., Rios, R. A., Hruschka, E. R., & Mello, R. F. de. (2018). Time series decomposition using spring system applied on phase spaces. In Proceedings. Piscataway: IEEE. doi:10.1109/BRACIS.2018.00093
NLM
Duarte FSLG, Rios RA, Hruschka ER, Mello RF de. Time series decomposition using spring system applied on phase spaces [Internet]. Proceedings. 2018 ;[citado 2025 dez. 01 ] Available from: https://doi.org/10.1109/BRACIS.2018.00093
Vancouver
Duarte FSLG, Rios RA, Hruschka ER, Mello RF de. Time series decomposition using spring system applied on phase spaces [Internet]. Proceedings. 2018 ;[citado 2025 dez. 01 ] Available from: https://doi.org/10.1109/BRACIS.2018.00093
Artigo de periodico
An evolutionary algorithm for clustering data streams with a variable number of clusters (2017)
Silva, Jonathan de Andrade; Hruschka, Eduardo Raul ; Gama, João
Fonte: Expert Systems with Applications. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, ALGORITMOS GENÉTICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Jonathan de Andrade e HRUSCHKA, Eduardo Raul e GAMA, João. An evolutionary algorithm for clustering data streams with a variable number of clusters. Expert Systems with Applications, v. 67, n. Ja 2017, p. 228-238, 2017Tradução . . Disponível em: https://doi.org/10.1016/j.eswa.2016.09.020. Acesso em: 01 dez. 2025.
APA
Silva, J. de A., Hruschka, E. R., & Gama, J. (2017). An evolutionary algorithm for clustering data streams with a variable number of clusters. Expert Systems with Applications, 67( Ja 2017), 228-238. doi:10.1016/j.eswa.2016.09.020
NLM
Silva J de A, Hruschka ER, Gama J. An evolutionary algorithm for clustering data streams with a variable number of clusters [Internet]. Expert Systems with Applications. 2017 ; 67( Ja 2017): 228-238.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.eswa.2016.09.020
Vancouver
Silva J de A, Hruschka ER, Gama J. An evolutionary algorithm for clustering data streams with a variable number of clusters [Internet]. Expert Systems with Applications. 2017 ; 67( Ja 2017): 228-238.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.eswa.2016.09.020
Artigo de periodico
A support system for clustering data streams with a variable number of clusters (2016)
Silva, Jonathan de Andrade; Hruschka, Eduardo Raul
Fonte: ACM Transactions on Autonomous and Adaptive Systems. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, RECONHECIMENTO DE PADRÕES, ALGORITMOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Jonathan de Andrade e HRUSCHKA, Eduardo Raul. A support system for clustering data streams with a variable number of clusters. ACM Transactions on Autonomous and Adaptive Systems, v. 11, n. 2, p. 11:1-11:26, 2016Tradução . . Disponível em: https://doi.org/10.1145/2932704. Acesso em: 01 dez. 2025.
APA
Silva, J. de A., & Hruschka, E. R. (2016). A support system for clustering data streams with a variable number of clusters. ACM Transactions on Autonomous and Adaptive Systems, 11( 2), 11:1-11:26. doi:10.1145/2932704
NLM
Silva J de A, Hruschka ER. A support system for clustering data streams with a variable number of clusters [Internet]. ACM Transactions on Autonomous and Adaptive Systems. 2016 ; 11( 2): 11:1-11:26.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1145/2932704
Vancouver
Silva J de A, Hruschka ER. A support system for clustering data streams with a variable number of clusters [Internet]. ACM Transactions on Autonomous and Adaptive Systems. 2016 ; 11( 2): 11:1-11:26.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1145/2932704
Artigo de periodico
Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features (2016)
Kanda, Jorge; Carvalho, André Carlos Ponce de Leon Ferreira de ; Hruschka, Eduardo Raul ; Soares, Carlos; Brazdil, Pavel B.
Fonte: Neurocomputing. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, HEURÍSTICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
KANDA, Jorge et al. Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features. Neurocomputing, v. 205, p. Se 2016, 2016Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2016.04.027. Acesso em: 01 dez. 2025.
APA
Kanda, J., Carvalho, A. C. P. de L. F. de, Hruschka, E. R., Soares, C., & Brazdil, P. B. (2016). Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features. Neurocomputing, 205, Se 2016. doi:10.1016/j.neucom.2016.04.027
NLM
Kanda J, Carvalho ACP de LF de, Hruschka ER, Soares C, Brazdil PB. Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features [Internet]. Neurocomputing. 2016 ; 205 Se 2016.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.neucom.2016.04.027
Vancouver
Kanda J, Carvalho ACP de LF de, Hruschka ER, Soares C, Brazdil PB. Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features [Internet]. Neurocomputing. 2016 ; 205 Se 2016.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.neucom.2016.04.027
Artigo de periodico
A survey and comparative study of tweet sentiment analysis via semi-supervised learning (2016)
Silva, Nádia Felix Felipe da; Coletta, Luiz Fernando Sommaggio ; Hruschka, Eduardo Raul
Fonte: ACM Computing Surveys. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Nádia Felix Felipe da e COLETTA, Luiz Fernando Sommaggio e HRUSCHKA, Eduardo Raul. A survey and comparative study of tweet sentiment analysis via semi-supervised learning. ACM Computing Surveys, v. 49, n. Ju 2016, p. 15:1-15:26, 2016Tradução . . Disponível em: https://doi.org/10.1145/2932708. Acesso em: 01 dez. 2025.
APA
Silva, N. F. F. da, Coletta, L. F. S., & Hruschka, E. R. (2016). A survey and comparative study of tweet sentiment analysis via semi-supervised learning. ACM Computing Surveys, 49( Ju 2016), 15:1-15:26. doi:10.1145/2932708
NLM
Silva NFF da, Coletta LFS, Hruschka ER. A survey and comparative study of tweet sentiment analysis via semi-supervised learning [Internet]. ACM Computing Surveys. 2016 ; 49( Ju 2016): 15:1-15:26.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1145/2932708
Vancouver
Silva NFF da, Coletta LFS, Hruschka ER. A survey and comparative study of tweet sentiment analysis via semi-supervised learning [Internet]. ACM Computing Surveys. 2016 ; 49( Ju 2016): 15:1-15:26.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1145/2932708
Artigo de periodico
Evolving Gaussian mixture models with splitting and merging mutation operators (2016)
Covões, Thiago Ferreira; Hruschka, Eduardo Raul ; Ghosh, Joydeep
Fonte: Evolutionary Computation. Unidade: ICMC
Assuntos: COMPUTAÇÃO EVOLUTIVA, ALGORITMOS GENÉTICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COVÕES, Thiago Ferreira e HRUSCHKA, Eduardo Raul e GHOSH, Joydeep. Evolving Gaussian mixture models with splitting and merging mutation operators. Evolutionary Computation, v. 24, n. 2, p. 293-317, 2016Tradução . . Disponível em: https://doi.org/10.1162/EVCO_a_00152. Acesso em: 01 dez. 2025.
APA
Covões, T. F., Hruschka, E. R., & Ghosh, J. (2016). Evolving Gaussian mixture models with splitting and merging mutation operators. Evolutionary Computation, 24( 2), 293-317. doi:10.1162/EVCO_a_00152
NLM
Covões TF, Hruschka ER, Ghosh J. Evolving Gaussian mixture models with splitting and merging mutation operators [Internet]. Evolutionary Computation. 2016 ; 24( 2): 293-317.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1162/EVCO_a_00152
Vancouver
Covões TF, Hruschka ER, Ghosh J. Evolving Gaussian mixture models with splitting and merging mutation operators [Internet]. Evolutionary Computation. 2016 ; 24( 2): 293-317.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1162/EVCO_a_00152
Artigo de periodico
Using unsupervised information to improve semi-supervised tweet sentiment classification (2016)
Silva, Nádia Felix Felipe da; Coletta, Luiz Fernando Sommaggio ; Hruschka, Eduardo Raul ; Hruschka Junior, Estevam Rafael
Fonte: Information Sciences. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, MÍDIAS SOCIAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Nádia Felix Felipe da et al. Using unsupervised information to improve semi-supervised tweet sentiment classification. Information Sciences, v. 355, p. 348-365, 2016Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2016.02.002. Acesso em: 01 dez. 2025.
APA
Silva, N. F. F. da, Coletta, L. F. S., Hruschka, E. R., & Hruschka Junior, E. R. (2016). Using unsupervised information to improve semi-supervised tweet sentiment classification. Information Sciences, 355, 348-365. doi:10.1016/j.ins.2016.02.002
NLM
Silva NFF da, Coletta LFS, Hruschka ER, Hruschka Junior ER. Using unsupervised information to improve semi-supervised tweet sentiment classification [Internet]. Information Sciences. 2016 ; 355 348-365.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.ins.2016.02.002
Vancouver
Silva NFF da, Coletta LFS, Hruschka ER, Hruschka Junior ER. Using unsupervised information to improve semi-supervised tweet sentiment classification [Internet]. Information Sciences. 2016 ; 355 348-365.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.ins.2016.02.002
Artigo de periodico
Using metaheuristics to optimize the combination of classifier and cluster ensembles (2015)
Coletta, Luiz Fernando Sommaggio ; Hruschka, Eduardo Raul ; Acharya, Ayan; Ghosh, Joydeep
Fonte: Integrated Computer-Aided Engineering. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, ALGORITMOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COLETTA, Luiz Fernando Sommaggio et al. Using metaheuristics to optimize the combination of classifier and cluster ensembles. Integrated Computer-Aided Engineering, v. 22, n. 3, p. 229-242, 2015Tradução . . Disponível em: https://doi.org/10.3233/ICA-150485. Acesso em: 01 dez. 2025.
APA
Coletta, L. F. S., Hruschka, E. R., Acharya, A., & Ghosh, J. (2015). Using metaheuristics to optimize the combination of classifier and cluster ensembles. Integrated Computer-Aided Engineering, 22( 3), 229-242. doi:10.3233/ICA-150485
NLM
Coletta LFS, Hruschka ER, Acharya A, Ghosh J. Using metaheuristics to optimize the combination of classifier and cluster ensembles [Internet]. Integrated Computer-Aided Engineering. 2015 ; 22( 3): 229-242.[citado 2025 dez. 01 ] Available from: https://doi.org/10.3233/ICA-150485
Vancouver
Coletta LFS, Hruschka ER, Acharya A, Ghosh J. Using metaheuristics to optimize the combination of classifier and cluster ensembles [Internet]. Integrated Computer-Aided Engineering. 2015 ; 22( 3): 229-242.[citado 2025 dez. 01 ] Available from: https://doi.org/10.3233/ICA-150485
Artigo de periodico
Simultaneous co-clustering and learning to address the cold start problem in recommender systems (2015)
Pereira, Andre Luiz Vizine; Hruschka, Eduardo Raul
Fonte: Knowledge-Based Systems. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, MINERAÇÃO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
PEREIRA, Andre Luiz Vizine e HRUSCHKA, Eduardo Raul. Simultaneous co-clustering and learning to address the cold start problem in recommender systems. Knowledge-Based Systems, v. 82, p. 11-19, 2015Tradução . . Disponível em: https://doi.org/10.1016/j.knosys.2015.02.016. Acesso em: 01 dez. 2025.
APA
Pereira, A. L. V., & Hruschka, E. R. (2015). Simultaneous co-clustering and learning to address the cold start problem in recommender systems. Knowledge-Based Systems, 82, 11-19. doi:10.1016/j.knosys.2015.02.016
NLM
Pereira ALV, Hruschka ER. Simultaneous co-clustering and learning to address the cold start problem in recommender systems [Internet]. Knowledge-Based Systems. 2015 ; 82 11-19.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.knosys.2015.02.016
Vancouver
Pereira ALV, Hruschka ER. Simultaneous co-clustering and learning to address the cold start problem in recommender systems [Internet]. Knowledge-Based Systems. 2015 ; 82 11-19.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.knosys.2015.02.016
Artigo de periodico
Interactive textual feature selection for consensus clustering (2015)
Corrêa, Geraldo N; Marcacini, Ricardo Marcondes ; Hruschka, Eduardo Raul ; Rezende, Solange Oliveira
Fonte: Pattern Recognition Letters. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, MINERAÇÃO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CORRÊA, Geraldo N et al. Interactive textual feature selection for consensus clustering. Pattern Recognition Letters, v. 52, n. ja 2015, p. 25-31, 2015Tradução . . Disponível em: https://doi.org/10.1016/j.patrec.2014.09.008. Acesso em: 01 dez. 2025.
APA
Corrêa, G. N., Marcacini, R. M., Hruschka, E. R., & Rezende, S. O. (2015). Interactive textual feature selection for consensus clustering. Pattern Recognition Letters, 52( ja 2015), 25-31. doi:10.1016/j.patrec.2014.09.008
NLM
Corrêa GN, Marcacini RM, Hruschka ER, Rezende SO. Interactive textual feature selection for consensus clustering [Internet]. Pattern Recognition Letters. 2015 ; 52( ja 2015): 25-31.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.patrec.2014.09.008
Vancouver
Corrêa GN, Marcacini RM, Hruschka ER, Rezende SO. Interactive textual feature selection for consensus clustering [Internet]. Pattern Recognition Letters. 2015 ; 52( ja 2015): 25-31.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1016/j.patrec.2014.09.008
Artigo de periodico
A differential evolution algorithm to optimise the combination of classifier and cluster ensembles (2015)
Coletta, Luiz Fernando Sommaggio ; Hruschka, Eduardo Raul ; Acharya, Ayan; Ghosh, Joydeep
Fonte: International Journal of Bio-Inspired Computation. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, ALGORITMOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COLETTA, Luiz Fernando Sommaggio et al. A differential evolution algorithm to optimise the combination of classifier and cluster ensembles. International Journal of Bio-Inspired Computation, v. 7, n. 2, p. 111-124, 2015Tradução . . Disponível em: https://doi.org/10.1504/IJBIC.2015.069288. Acesso em: 01 dez. 2025.
APA
Coletta, L. F. S., Hruschka, E. R., Acharya, A., & Ghosh, J. (2015). A differential evolution algorithm to optimise the combination of classifier and cluster ensembles. International Journal of Bio-Inspired Computation, 7( 2), 111-124. doi:10.1504/IJBIC.2015.069288
NLM
Coletta LFS, Hruschka ER, Acharya A, Ghosh J. A differential evolution algorithm to optimise the combination of classifier and cluster ensembles [Internet]. International Journal of Bio-Inspired Computation. 2015 ; 7( 2): 111-124.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1504/IJBIC.2015.069288
Vancouver
Coletta LFS, Hruschka ER, Acharya A, Ghosh J. A differential evolution algorithm to optimise the combination of classifier and cluster ensembles [Internet]. International Journal of Bio-Inspired Computation. 2015 ; 7( 2): 111-124.[citado 2025 dez. 01 ] Available from: https://doi.org/10.1504/IJBIC.2015.069288
Parte de monografia/livro
Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária (2014)
Gonzaga, André; Mudadu, Maurício de A; Higa, Roberto H; Hruschka, Eduardo Raul
Fonte: Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, MINERAÇÃO DE DADOS, MELHORAMENTO GENÉTICO ANIMAL, PECUÁRIA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GONZAGA, André et al. Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária. Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Tradução . Brasília: Embrapa, 2014. . . Acesso em: 01 dez. 2025.
APA
Gonzaga, A., Mudadu, M. de A., Higa, R. H., & Hruschka, E. R. (2014). Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária. In Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Brasília: Embrapa.
NLM
Gonzaga A, Mudadu M de A, Higa RH, Hruschka ER. Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária. In: Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Brasília: Embrapa; 2014. [citado 2025 dez. 01 ]
Vancouver
Gonzaga A, Mudadu M de A, Higa RH, Hruschka ER. Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária. In: Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Brasília: Embrapa; 2014. [citado 2025 dez. 01 ]
Trabalho de evento
Privileged information for hierarchical document clustering: a metric learning approach (2014)
Marcacini, Ricardo Marcondes ; Domingues, Marcos A; Hruschka, Eduardo Raul ; Rezende, Solange Oliveira
Fonte: Proceedings. Nome do evento: International Conference on Pattern Recognition - ICPR. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, MINERAÇÃO DE DADOS, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARCACINI, Ricardo Marcondes et al. Privileged information for hierarchical document clustering: a metric learning approach. 2014, Anais.. Los Alamitos: Conference Publishing Services, 2014. Disponível em: https://doi.org/10.1109/ICPR.2014.625. Acesso em: 01 dez. 2025.
APA
Marcacini, R. M., Domingues, M. A., Hruschka, E. R., & Rezende, S. O. (2014). Privileged information for hierarchical document clustering: a metric learning approach. In Proceedings. Los Alamitos: Conference Publishing Services. doi:10.1109/ICPR.2014.625
NLM
Marcacini RM, Domingues MA, Hruschka ER, Rezende SO. Privileged information for hierarchical document clustering: a metric learning approach [Internet]. Proceedings. 2014 ;[citado 2025 dez. 01 ] Available from: https://doi.org/10.1109/ICPR.2014.625
Vancouver
Marcacini RM, Domingues MA, Hruschka ER, Rezende SO. Privileged information for hierarchical document clustering: a metric learning approach [Internet]. Proceedings. 2014 ;[citado 2025 dez. 01 ] Available from: https://doi.org/10.1109/ICPR.2014.625
Trabalho de evento
Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble (2014)
Silva, Nádia Felix Felipe da; Hruschka, Eduardo Raul ; Hruschka Junior, Estevam Rafael
Fonte: Proceedings. Nome do evento: International Workshop on Semantic Evaluation - SemEval. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, WEB SEMÂNTICA, MÍDIAS SOCIAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Nádia Felix Felipe da e HRUSCHKA, Eduardo Raul e HRUSCHKA JUNIOR, Estevam Rafael. Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble. 2014, Anais.. Stroudsburg: ACL, 2014. Disponível em: http://www.aclweb.org/anthology/S/S14/S14-2017.pdf. Acesso em: 01 dez. 2025.
APA
Silva, N. F. F. da, Hruschka, E. R., & Hruschka Junior, E. R. (2014). Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble. In Proceedings. Stroudsburg: ACL. Recuperado de http://www.aclweb.org/anthology/S/S14/S14-2017.pdf
NLM
Silva NFF da, Hruschka ER, Hruschka Junior ER. Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble [Internet]. Proceedings. 2014 ;[citado 2025 dez. 01 ] Available from: http://www.aclweb.org/anthology/S/S14/S14-2017.pdf
Vancouver
Silva NFF da, Hruschka ER, Hruschka Junior ER. Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble [Internet]. Proceedings. 2014 ;[citado 2025 dez. 01 ] Available from: http://www.aclweb.org/anthology/S/S14/S14-2017.pdf
Trabalho de evento
Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão (2014)
Guerra, Pedro Calais; Nakamura, Rodrigo Yuji Mizobe; Hruschka, Eduardo Raul
Fonte: Proceedings. Nome do evento: Symposium on Knowledge Discovery, Mining and Learning - KDMiLe. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, BANCO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GUERRA, Pedro Calais e NAKAMURA, Rodrigo Yuji Mizobe e HRUSCHKA, Eduardo Raul. Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão. 2014, Anais.. São Carlos: ICMC-USP, 2014. Disponível em: http://www2.dc.ufscar.br/~marcela/anaisKDMiLe2014/artigos/SHORT/kdmile2014_Short2.pdf. Acesso em: 01 dez. 2025.
APA
Guerra, P. C., Nakamura, R. Y. M., & Hruschka, E. R. (2014). Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão. In Proceedings. São Carlos: ICMC-USP. Recuperado de http://www2.dc.ufscar.br/~marcela/anaisKDMiLe2014/artigos/SHORT/kdmile2014_Short2.pdf
NLM
Guerra PC, Nakamura RYM, Hruschka ER. Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão [Internet]. Proceedings. 2014 ;[citado 2025 dez. 01 ] Available from: http://www2.dc.ufscar.br/~marcela/anaisKDMiLe2014/artigos/SHORT/kdmile2014_Short2.pdf
Vancouver
Guerra PC, Nakamura RYM, Hruschka ER. Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão [Internet]. Proceedings. 2014 ;[citado 2025 dez. 01 ] Available from: http://www2.dc.ufscar.br/~marcela/anaisKDMiLe2014/artigos/SHORT/kdmile2014_Short2.pdf
Trabalho de evento
Combining classification and clustering for tweet sentiment analysis (2014)
Coletta, Luiz Fernando Sommaggio ; Silva, Nádia Felix Felipe da; Hruschka, Eduardo Raul ; Hruschka Junior, Estevam Rafael
Fonte: Proceedings. Nome do evento: Brazilian Conference on Intelligent Systems - BRACIS. Unidade: ICMC
Assuntos: INTELIGÊNCIA ARTIFICIAL, RECONHECIMENTO DE PADRÕES, WEB SEMÂNTICA, MÍDIAS SOCIAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COLETTA, Luiz Fernando Sommaggio et al. Combining classification and clustering for tweet sentiment analysis. 2014, Anais.. Los Alamitos: Conference Publishing Services, 2014. Disponível em: https://doi.org/10.1109/BRACIS.2014.46. Acesso em: 01 dez. 2025.
APA
Coletta, L. F. S., Silva, N. F. F. da, Hruschka, E. R., & Hruschka Junior, E. R. (2014). Combining classification and clustering for tweet sentiment analysis. In Proceedings. Los Alamitos: Conference Publishing Services. doi:10.1109/BRACIS.2014.46
NLM
Coletta LFS, Silva NFF da, Hruschka ER, Hruschka Junior ER. Combining classification and clustering for tweet sentiment analysis [Internet]. Proceedings. 2014 ;[citado 2025 dez. 01 ] Available from: https://doi.org/10.1109/BRACIS.2014.46
Vancouver
Coletta LFS, Silva NFF da, Hruschka ER, Hruschka Junior ER. Combining classification and clustering for tweet sentiment analysis [Internet]. Proceedings. 2014 ;[citado 2025 dez. 01 ] Available from: https://doi.org/10.1109/BRACIS.2014.46

Unidades USP

ReP

Filtros

Autores

Autores USP

Ano de publicação

Assuntos

Título da fonte

Editora

Nome do evento

País de publicação

Agência de fomento

Indexado em

Afiliação dos autores externos normalizada

Afiliação dos autores externos não normalizada