Choice of free parameters in expansions of discrete -time Volterra models using Kautz bases functions (2007)
- Authors:
- Autor USP: CAMPELLO, RICARDO JOSÉ GABRIELLI BARRETO - ICMC
- Unidade: ICMC
- DOI: 10.1016/j.automatica.2006.12.007
- Assunto: INTELIGÊNCIA ARTIFICIAL
- Language: Inglês
- Imprenta:
- Source:
- Título: Automatica
- ISSN: 0005-1098
- Volume/Número/Paginação/Ano: v. 43, n.6, p. 1084-1091, 2007
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
ROSA, Alex da e CAMPELLO, Ricardo José Gabrielli Barreto e AMARAL, Wagner C. Choice of free parameters in expansions of discrete -time Volterra models using Kautz bases functions. Automatica, v. 43, n. 6, p. 1084-1091, 2007Tradução . . Disponível em: https://doi.org/10.1016/j.automatica.2006.12.007. Acesso em: 19 fev. 2026. -
APA
Rosa, A. da, Campello, R. J. G. B., & Amaral, W. C. (2007). Choice of free parameters in expansions of discrete -time Volterra models using Kautz bases functions. Automatica, 43( 6), 1084-1091. doi:10.1016/j.automatica.2006.12.007 -
NLM
Rosa A da, Campello RJGB, Amaral WC. Choice of free parameters in expansions of discrete -time Volterra models using Kautz bases functions [Internet]. Automatica. 2007 ; 43( 6): 1084-1091.[citado 2026 fev. 19 ] Available from: https://doi.org/10.1016/j.automatica.2006.12.007 -
Vancouver
Rosa A da, Campello RJGB, Amaral WC. Choice of free parameters in expansions of discrete -time Volterra models using Kautz bases functions [Internet]. Automatica. 2007 ; 43( 6): 1084-1091.[citado 2026 fev. 19 ] Available from: https://doi.org/10.1016/j.automatica.2006.12.007 - Similarity measures for comparing biclusterings
- Density-based clustering validation
- Relative validity criteria for community mining algorithms
- Active learning strategies for semi-supervised DBSCAN
- On the evaluation of outlier detection and one-class classification methods
- An introduction to models based on Laguerre, Kautz and other related orthonormal functions - part II: non-linear models
- Evaluating correlation coefficients for clustering gene expression profiles of cancer
- A simpler and more accurate AUTO-HDS framework for clustering and visualization of biological data
- Exact search directions for optimization of linear and nonlinear models based on generalized orthonormal functions
- A cluster based hybrid feature selection approach
Informações sobre o DOI: 10.1016/j.automatica.2006.12.007 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
