Learning algorithms for a class neurofuzzy network and applications (2000)
- Authors:
- Autor USP: ANDRADE FILHO, MARINHO GOMES DE - ICMC
- Unidade: ICMC
- Assunto: PESQUISA OPERACIONAL
- Language: Inglês
- Imprenta:
- Publisher place: São Carlos
- Date published: 2000
- Source:
- Título do periódico: Cadernos de Computação
- Volume/Número/Paginação/Ano: v. 01, n. 01, p. 233-251, 2000
-
ABNT
BALLINI, Rosangela et al. Learning algorithms for a class neurofuzzy network and applications. Cadernos de Computação, v. 01, n. 01, p. 233-251, 2000Tradução . . Acesso em: 19 abr. 2024. -
APA
Ballini, R., Soares, S., Gomide, F., Figueiredo, M., & Andrade, M. G. de. (2000). Learning algorithms for a class neurofuzzy network and applications. Cadernos de Computação, 01( 01), 233-251. -
NLM
Ballini R, Soares S, Gomide F, Figueiredo M, Andrade MG de. Learning algorithms for a class neurofuzzy network and applications. Cadernos de Computação. 2000 ; 01( 01): 233-251.[citado 2024 abr. 19 ] -
Vancouver
Ballini R, Soares S, Gomide F, Figueiredo M, Andrade MG de. Learning algorithms for a class neurofuzzy network and applications. Cadernos de Computação. 2000 ; 01( 01): 233-251.[citado 2024 abr. 19 ] - Abordagem bayesiana de modelos arch(P) usando algoritmos metropolis-hastings
- On mean value solutions for the Helmholtz equation on square grids
- Modelo de Poisson zero-modificado com efeito aleatório para dados longitudinais
- A influência da estocasticidade das vazões no planejamento da operação de sistemas hidrelétricos
- Estimação de parâmetros de modelos ARCH (p): abordagem Bayes-MCMC versus máxima verossimilhança
- Relação entre modelos auto-regressivos e a configuração da rede neural para previsões de séries temporais estacionárias
- Uma abordagem bayesiana para modelos PAR(pm)
- Uso do amostrador de Gibbs e metropolis-hastings em análise bayesiana de modelos AR(p)
- Seasonal streamflow forecasting via a neural fuzzy system
- Previsão de vazões naturais médias mensais usando uma rede neural nebulosa adaptativa
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
