Filtros : "ORTIGOSSA, EVANDRO SCUDELETI" Limpar

Filtros



Limitar por data


  • Fonte: IEEE Access. Unidade: ICMC

    Assuntos: ANÁLISE DE DADOS, INTERFACE HOMEM-COMPUTADOR, ATRIBUTOS VISUAIS (COMPUTAÇÃO GRÁFICA)

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

      ORTIGOSSA, Evandro Scudeleti et al. Time series information visualization: a review of approaches and tools. IEEE Access, v. 13, p. 161653-161732, 2025Tradução . . Disponível em: https://doi.org/10.1109/ACCESS.2025.3609404. Acesso em: 24 nov. 2025.
    • APA

      Ortigossa, E. S., Dias, F. F., Nascimento, D. C., & Nonato, L. G. (2025). Time series information visualization: a review of approaches and tools. IEEE Access, 13, 161653-161732. doi:10.1109/ACCESS.2025.3609404
    • NLM

      Ortigossa ES, Dias FF, Nascimento DC, Nonato LG. Time series information visualization: a review of approaches and tools [Internet]. IEEE Access. 2025 ; 13 161653-161732.[citado 2025 nov. 24 ] Available from: https://doi.org/10.1109/ACCESS.2025.3609404
    • Vancouver

      Ortigossa ES, Dias FF, Nascimento DC, Nonato LG. Time series information visualization: a review of approaches and tools [Internet]. IEEE Access. 2025 ; 13 161653-161732.[citado 2025 nov. 24 ] Available from: https://doi.org/10.1109/ACCESS.2025.3609404
  • Fonte: IEEE Intelligent Systems. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, TOMADA DE DECISÃO, BENCHMARKS

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

      ORTIGOSSA, Evandro Scudeleti et al. T-Explainer: a model-agnostic explainability framework based on gradients. IEEE Intelligent Systems, 2025Tradução . . Disponível em: https://doi.org/10.1109/MIS.2025.3564330. Acesso em: 24 nov. 2025.
    • APA

      Ortigossa, E. S., Dias, F. F., Barr, B., Silva, C. T., & Nonato, L. G. (2025). T-Explainer: a model-agnostic explainability framework based on gradients. IEEE Intelligent Systems. doi:10.1109/MIS.2025.3564330
    • NLM

      Ortigossa ES, Dias FF, Barr B, Silva CT, Nonato LG. T-Explainer: a model-agnostic explainability framework based on gradients [Internet]. IEEE Intelligent Systems. 2025 ;[citado 2025 nov. 24 ] Available from: https://doi.org/10.1109/MIS.2025.3564330
    • Vancouver

      Ortigossa ES, Dias FF, Barr B, Silva CT, Nonato LG. T-Explainer: a model-agnostic explainability framework based on gradients [Internet]. IEEE Intelligent Systems. 2025 ;[citado 2025 nov. 24 ] Available from: https://doi.org/10.1109/MIS.2025.3564330
  • Fonte: IEEE Access. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, REPRESENTAÇÃO

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

      ORTIGOSSA, Evandro Scudeleti e GONÇALVES, Thales e NONATO, Luis Gustavo. Explainable artificial intelligence (XAI): from theory to methods and applications. IEEE Access, v. 12, p. 80799-80846, 2024Tradução . . Disponível em: https://doi.org/10.1109/ACCESS.2024.3409843. Acesso em: 24 nov. 2025.
    • APA

      Ortigossa, E. S., Gonçalves, T., & Nonato, L. G. (2024). Explainable artificial intelligence (XAI): from theory to methods and applications. IEEE Access, 12, 80799-80846. doi:10.1109/ACCESS.2024.3409843
    • NLM

      Ortigossa ES, Gonçalves T, Nonato LG. Explainable artificial intelligence (XAI): from theory to methods and applications [Internet]. IEEE Access. 2024 ; 12 80799-80846.[citado 2025 nov. 24 ] Available from: https://doi.org/10.1109/ACCESS.2024.3409843
    • Vancouver

      Ortigossa ES, Gonçalves T, Nonato LG. Explainable artificial intelligence (XAI): from theory to methods and applications [Internet]. IEEE Access. 2024 ; 12 80799-80846.[citado 2025 nov. 24 ] Available from: https://doi.org/10.1109/ACCESS.2024.3409843
  • Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, SÉRIES DE TAYLOR

    Acesso à fonteAcesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      ORTIGOSSA, Evandro Scudeleti. T-Explainer: uma abordagem para a explicabilidade em Aprendizado de Máquina baseada em gradientes. 2024. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-11072024-171752/. Acesso em: 24 nov. 2025.
    • APA

      Ortigossa, E. S. (2024). T-Explainer: uma abordagem para a explicabilidade em Aprendizado de Máquina baseada em gradientes (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-11072024-171752/
    • NLM

      Ortigossa ES. T-Explainer: uma abordagem para a explicabilidade em Aprendizado de Máquina baseada em gradientes [Internet]. 2024 ;[citado 2025 nov. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-11072024-171752/
    • Vancouver

      Ortigossa ES. T-Explainer: uma abordagem para a explicabilidade em Aprendizado de Máquina baseada em gradientes [Internet]. 2024 ;[citado 2025 nov. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-11072024-171752/
  • Fonte: Applied Sciences. Unidade: ICMC

    Assuntos: DESCOBERTA DE CONHECIMENTO, VISUALIZAÇÃO

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

      ORTIGOSSA, Evandro Scudeleti e DIAS, Fabio Felix e NASCIMENTO, Diego Carvalho do. Getting over high-dimensionality: how multidimensional projection methods can assist data science. Applied Sciences, v. 12, n. 13, p. 1-36, 2022Tradução . . Disponível em: https://doi.org/10.3390/app12136799. Acesso em: 24 nov. 2025.
    • APA

      Ortigossa, E. S., Dias, F. F., & Nascimento, D. C. do. (2022). Getting over high-dimensionality: how multidimensional projection methods can assist data science. Applied Sciences, 12( 13), 1-36. doi:10.3390/app12136799
    • NLM

      Ortigossa ES, Dias FF, Nascimento DC do. Getting over high-dimensionality: how multidimensional projection methods can assist data science [Internet]. Applied Sciences. 2022 ; 12( 13): 1-36.[citado 2025 nov. 24 ] Available from: https://doi.org/10.3390/app12136799
    • Vancouver

      Ortigossa ES, Dias FF, Nascimento DC do. Getting over high-dimensionality: how multidimensional projection methods can assist data science [Internet]. Applied Sciences. 2022 ; 12( 13): 1-36.[citado 2025 nov. 24 ] Available from: https://doi.org/10.3390/app12136799
  • Fonte: Atmospheric Pollution Research. Unidades: ICMC, EESC

    Assuntos: POLUIÇÃO ATMOSFÉRICA, ANÁLISE DE SÉRIES TEMPORAIS, RECUPERAÇÃO DA INFORMAÇÃO

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

      ALEXANDRINA, Eduardo Carlos et al. Analysis and visualization of multidimensional time series: particulate matter (PM10) from São Carlos-SP (Brazil). Atmospheric Pollution Research, v. 10, n. 4, p. 1299-1311, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.apr.2019.03.001. Acesso em: 24 nov. 2025.
    • APA

      Alexandrina, E. C., Ortigossa, E. S., Lui, E. S., Gonçalves, J. A. S., Corrêa, N. A., Nonato, L. G., & Aguiar, M. L. (2019). Analysis and visualization of multidimensional time series: particulate matter (PM10) from São Carlos-SP (Brazil). Atmospheric Pollution Research, 10( 4), 1299-1311. doi:10.1016/j.apr.2019.03.001
    • NLM

      Alexandrina EC, Ortigossa ES, Lui ES, Gonçalves JAS, Corrêa NA, Nonato LG, Aguiar ML. Analysis and visualization of multidimensional time series: particulate matter (PM10) from São Carlos-SP (Brazil) [Internet]. Atmospheric Pollution Research. 2019 ; 10( 4): 1299-1311.[citado 2025 nov. 24 ] Available from: https://doi.org/10.1016/j.apr.2019.03.001
    • Vancouver

      Alexandrina EC, Ortigossa ES, Lui ES, Gonçalves JAS, Corrêa NA, Nonato LG, Aguiar ML. Analysis and visualization of multidimensional time series: particulate matter (PM10) from São Carlos-SP (Brazil) [Internet]. Atmospheric Pollution Research. 2019 ; 10( 4): 1299-1311.[citado 2025 nov. 24 ] Available from: https://doi.org/10.1016/j.apr.2019.03.001
  • Unidade: ICMC

    Assuntos: VISUALIZAÇÃO, ANÁLISE DE SÉRIES TEMPORAIS, POLUIÇÃO ATMOSFÉRICA, MATERIAL PARTICULADO, DOENÇAS RESPIRATÓRIAS

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

      ORTIGOSSA, Evandro Scudeleti. Visualização de séries temporais multidimensionais: uma análise sobre a qualidade do ar em São CarlosSP. 2018. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2018. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29032019-165737/. Acesso em: 24 nov. 2025.
    • APA

      Ortigossa, E. S. (2018). Visualização de séries temporais multidimensionais: uma análise sobre a qualidade do ar em São CarlosSP (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29032019-165737/
    • NLM

      Ortigossa ES. Visualização de séries temporais multidimensionais: uma análise sobre a qualidade do ar em São CarlosSP [Internet]. 2018 ;[citado 2025 nov. 24 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29032019-165737/
    • Vancouver

      Ortigossa ES. Visualização de séries temporais multidimensionais: uma análise sobre a qualidade do ar em São CarlosSP [Internet]. 2018 ;[citado 2025 nov. 24 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29032019-165737/

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