Filtros : " IFSC032" "APRENDIZADO COMPUTACIONAL" Limpar

Filtros



Limitar por data


  • Fonte: Livro de Resumos. Nome do evento: Semana Integrada do Instituto de Física de São Carlos - SIFSC. Unidade: IFSC

    Assuntos: APRENDIZADO COMPUTACIONAL, FOTÔNICA, VIDRO CERÂMICO, ÓPTICA NÃO LINEAR

    Versão PublicadaComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      SARAIVA, Murilo Neco e MENDONÇA, Cleber Renato. Predição do índice de refração não-linear em materiais vítreos utilizando aprendizado de máquina. 2024, Anais.. São Carlos: Instituto de Física de São Carlos - IFSC, 2024. Disponível em: https://repositorio.usp.br/directbitstream/2b167f20-5081-4b4c-b39d-8b190331b5e0/PROD036517_3227836.pdf. Acesso em: 08 out. 2025.
    • APA

      Saraiva, M. N., & Mendonça, C. R. (2024). Predição do índice de refração não-linear em materiais vítreos utilizando aprendizado de máquina. In Livro de Resumos. São Carlos: Instituto de Física de São Carlos - IFSC. Recuperado de https://repositorio.usp.br/directbitstream/2b167f20-5081-4b4c-b39d-8b190331b5e0/PROD036517_3227836.pdf
    • NLM

      Saraiva MN, Mendonça CR. Predição do índice de refração não-linear em materiais vítreos utilizando aprendizado de máquina [Internet]. Livro de Resumos. 2024 ;[citado 2025 out. 08 ] Available from: https://repositorio.usp.br/directbitstream/2b167f20-5081-4b4c-b39d-8b190331b5e0/PROD036517_3227836.pdf
    • Vancouver

      Saraiva MN, Mendonça CR. Predição do índice de refração não-linear em materiais vítreos utilizando aprendizado de máquina [Internet]. Livro de Resumos. 2024 ;[citado 2025 out. 08 ] Available from: https://repositorio.usp.br/directbitstream/2b167f20-5081-4b4c-b39d-8b190331b5e0/PROD036517_3227836.pdf
  • Fonte: Abstracts. Nome do evento: Optics Exchange. Unidade: IFSC

    Assuntos: VIDRO, APRENDIZADO COMPUTACIONAL, ÓPTICA NÃO LINEAR

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

      SARAIVA, Murilo Neco e MENDONÇA, Cleber Renato. Predicting the nonlinear refractive index in glassy materials: a machine learning approach. 2024, Anais.. São Paulo: Sociedade Brasileira de Física - SBF, 2024. Disponível em: https://repositorio.usp.br/directbitstream/7c8ff7a2-f109-4533-a749-835085e158e0/PROD036876_3234978.pdf. Acesso em: 08 out. 2025.
    • APA

      Saraiva, M. N., & Mendonça, C. R. (2024). Predicting the nonlinear refractive index in glassy materials: a machine learning approach. In Abstracts. São Paulo: Sociedade Brasileira de Física - SBF. Recuperado de https://repositorio.usp.br/directbitstream/7c8ff7a2-f109-4533-a749-835085e158e0/PROD036876_3234978.pdf
    • NLM

      Saraiva MN, Mendonça CR. Predicting the nonlinear refractive index in glassy materials: a machine learning approach [Internet]. Abstracts. 2024 ;[citado 2025 out. 08 ] Available from: https://repositorio.usp.br/directbitstream/7c8ff7a2-f109-4533-a749-835085e158e0/PROD036876_3234978.pdf
    • Vancouver

      Saraiva MN, Mendonça CR. Predicting the nonlinear refractive index in glassy materials: a machine learning approach [Internet]. Abstracts. 2024 ;[citado 2025 out. 08 ] Available from: https://repositorio.usp.br/directbitstream/7c8ff7a2-f109-4533-a749-835085e158e0/PROD036876_3234978.pdf
  • Unidades: IFSC, IF, ESALQ

    Assuntos: INTELIGÊNCIA ARTIFICIAL, MATERIAIS, APRENDIZADO COMPUTACIONAL

    Versão PublicadaComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      Brazilian Materials Research Society Meeting - B-MRS, 23. . Rio de Janeiro: Sociedade Brasileira de Pesquisa em Materiais - SBPMat. Disponível em: https://repositorio.usp.br/directbitstream/440505ad-c249-4da5-8cfb-09c3ed6ca3ef/3271572.pdf. Acesso em: 08 out. 2025. , 2024
    • APA

      Brazilian Materials Research Society Meeting - B-MRS, 23. (2024). Brazilian Materials Research Society Meeting - B-MRS, 23. Rio de Janeiro: Sociedade Brasileira de Pesquisa em Materiais - SBPMat. Recuperado de https://repositorio.usp.br/directbitstream/440505ad-c249-4da5-8cfb-09c3ed6ca3ef/3271572.pdf
    • NLM

      Brazilian Materials Research Society Meeting - B-MRS, 23 [Internet]. 2024 ;[citado 2025 out. 08 ] Available from: https://repositorio.usp.br/directbitstream/440505ad-c249-4da5-8cfb-09c3ed6ca3ef/3271572.pdf
    • Vancouver

      Brazilian Materials Research Society Meeting - B-MRS, 23 [Internet]. 2024 ;[citado 2025 out. 08 ] Available from: https://repositorio.usp.br/directbitstream/440505ad-c249-4da5-8cfb-09c3ed6ca3ef/3271572.pdf
  • Fonte: Resumos. Nome do evento: Simpósio Internacional de Iniciação Científica e Tecnológica da Universidade de São Paulo - SIICUSP. Unidade: IFSC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, FÍSICA MOLECULAR

    Versão PublicadaComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      ARAUJO, João Marcos Rigon e DE BONI, Leonardo. Previsão de parâmetros fotofísicos em moléculas orgânicas baseada em aprendizado de máquinas. 2024, Anais.. São Paulo: Instituto de Física de São Carlos, Universidade de São Paulo, 2024. Disponível em: https://repositorio.usp.br/directbitstream/faf84e40-662b-4946-97db-4604d3510ab1/PROD036791_3233251.pdf. Acesso em: 08 out. 2025.
    • APA

      Araujo, J. M. R., & De Boni, L. (2024). Previsão de parâmetros fotofísicos em moléculas orgânicas baseada em aprendizado de máquinas. In Resumos. São Paulo: Instituto de Física de São Carlos, Universidade de São Paulo. Recuperado de https://repositorio.usp.br/directbitstream/faf84e40-662b-4946-97db-4604d3510ab1/PROD036791_3233251.pdf
    • NLM

      Araujo JMR, De Boni L. Previsão de parâmetros fotofísicos em moléculas orgânicas baseada em aprendizado de máquinas [Internet]. Resumos. 2024 ;[citado 2025 out. 08 ] Available from: https://repositorio.usp.br/directbitstream/faf84e40-662b-4946-97db-4604d3510ab1/PROD036791_3233251.pdf
    • Vancouver

      Araujo JMR, De Boni L. Previsão de parâmetros fotofísicos em moléculas orgânicas baseada em aprendizado de máquinas [Internet]. Resumos. 2024 ;[citado 2025 out. 08 ] Available from: https://repositorio.usp.br/directbitstream/faf84e40-662b-4946-97db-4604d3510ab1/PROD036791_3233251.pdf

Biblioteca Digital de Produção Intelectual da Universidade de São Paulo     2012 - 2025