Improving the kernel regularized least squares method for small-sample regression (2015)
- Authors:
- Autor USP: MONARD, MARIA CAROLINA - ICMC
- Unidade: ICMC
- DOI: 10.1016/j.neucom.2014.12.097
- Assunto: INTELIGÊNCIA ARTIFICIAL
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: Neurocomputing
- ISSN: 0925-2312
- Volume/Número/Paginação/Ano: v. 163, p. 106-114, set. 2015
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
BRAGA, Igor e MONARD, Maria Carolina. Improving the kernel regularized least squares method for small-sample regression. Neurocomputing, v. 163, p. 106-114, 2015Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2014.12.097. Acesso em: 24 abr. 2024. -
APA
Braga, I., & Monard, M. C. (2015). Improving the kernel regularized least squares method for small-sample regression. Neurocomputing, 163, 106-114. doi:10.1016/j.neucom.2014.12.097 -
NLM
Braga I, Monard MC. Improving the kernel regularized least squares method for small-sample regression [Internet]. Neurocomputing. 2015 ; 163 106-114.[citado 2024 abr. 24 ] Available from: https://doi.org/10.1016/j.neucom.2014.12.097 -
Vancouver
Braga I, Monard MC. Improving the kernel regularized least squares method for small-sample regression [Internet]. Neurocomputing. 2015 ; 163 106-114.[citado 2024 abr. 24 ] Available from: https://doi.org/10.1016/j.neucom.2014.12.097 - Implementação lógica de um motor de inferência com raciocínio backward chaining para a construção sistemas especialistas
- Implementação dos sistemas de representação de conhecimento sc
- Programas prolog para processamento de listas
- Learning boolean functions using prime: implicants as features
- Representacao de conhecimento
- Meta interpretadores PROLOG¹
- Ensino de computacao no brasil: contextualizacao, problemas e perspectivas
- Aprendizado de maquina: descricao e implementacao de um algoritmo geral para a construcao de arvores de decisao
- Perspective of brazilian women in computer science academia
- Organização e utilização das técnicas associadas a data mining
Informações sobre o DOI: 10.1016/j.neucom.2014.12.097 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas