Improving time series modeling by decomposing and analyzing stochastic and deterministic influences (2013)
- Authors:
- Autor USP: MELLO, RODRIGO FERNANDES DE - ICMC
- Unidade: ICMC
- DOI: 10.1016/j.sigpro.2013.04.017
- Subjects: SISTEMAS DISTRIBUÍDOS; PROGRAMAÇÃO CONCORRENTE
- Language: Inglês
- Imprenta:
- Source:
- Título: Signal Processing
- ISSN: 0165-1684
- Volume/Número/Paginação/Ano: v. 93, n. 11, p. 3001-3013, nov. 2013
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
RIOS, Ricardo Araújo e MELLO, Rodrigo Fernandes de. Improving time series modeling by decomposing and analyzing stochastic and deterministic influences. Signal Processing, v. no 2013, n. 11, p. 3001-3013, 2013Tradução . . Disponível em: https://doi.org/10.1016/j.sigpro.2013.04.017. Acesso em: 18 fev. 2026. -
APA
Rios, R. A., & Mello, R. F. de. (2013). Improving time series modeling by decomposing and analyzing stochastic and deterministic influences. Signal Processing, no 2013( 11), 3001-3013. doi:10.1016/j.sigpro.2013.04.017 -
NLM
Rios RA, Mello RF de. Improving time series modeling by decomposing and analyzing stochastic and deterministic influences [Internet]. Signal Processing. 2013 ; no 2013( 11): 3001-3013.[citado 2026 fev. 18 ] Available from: https://doi.org/10.1016/j.sigpro.2013.04.017 -
Vancouver
Rios RA, Mello RF de. Improving time series modeling by decomposing and analyzing stochastic and deterministic influences [Internet]. Signal Processing. 2013 ; no 2013( 11): 3001-3013.[citado 2026 fev. 18 ] Available from: https://doi.org/10.1016/j.sigpro.2013.04.017 - A novel approach to quantify novelty levels applied on ubiquitous music distribution
- Prediction of dynamical, nonlinear, and unstable process behavior
- Exploring load balancing concepts, techniques, algorithms and performance evaluation
- Concept drift detection on social network data using cross-recurrence quantification analysis
- Analyzing the public opinion on the brazilian political and corruption issues
- Data stream dynamic clustering supported by Markov chain isomorphisms
- TsViz Project: a tweet-based mining tool
- Data clustering using topological features
- Estimating data stream tendencies to adapt clustering parameters
- Jsp, servlets e j2ee
Informações sobre o DOI: 10.1016/j.sigpro.2013.04.017 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
