Predicting soft robot's locomotion fitness (2021)
- Authors:
- USP affiliated authors: FUJITA, ANDRÉ - IME ; BIAZZI, RENATA BIAGGI - Interunidades em Bioinformática
- Unidades: IME; Interunidades em Bioinformática
- DOI: 10.1145/3449726.3459417
- Subjects: ROBÓTICA; LOCOMOÇÃO
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Proceedings
- Conference titles: Genetic and Evolutionary Computation Conference Companion - GECCO
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
BIAZZI, Renata Biaggi e FUJITA, André e TAKAHASHI, Daniel Yasumasa. Predicting soft robot's locomotion fitness. 2021, Anais.. New York: ACM, 2021. Disponível em: https://doi.org/10.1145/3449726.3459417. Acesso em: 31 dez. 2025. -
APA
Biazzi, R. B., Fujita, A., & Takahashi, D. Y. (2021). Predicting soft robot's locomotion fitness. In Proceedings. New York: ACM. doi:10.1145/3449726.3459417 -
NLM
Biazzi RB, Fujita A, Takahashi DY. Predicting soft robot's locomotion fitness [Internet]. Proceedings. 2021 ;[citado 2025 dez. 31 ] Available from: https://doi.org/10.1145/3449726.3459417 -
Vancouver
Biazzi RB, Fujita A, Takahashi DY. Predicting soft robot's locomotion fitness [Internet]. Proceedings. 2021 ;[citado 2025 dez. 31 ] Available from: https://doi.org/10.1145/3449726.3459417 - Convergent evolution in silico reveals shape and dynamic principles of directed locomotion on the ground
- Análise de dados de expressão gênica: normalização de microarrays e modelagem de redes regulatórias
- Identifying regulational alterations in gene regulatory networks by state space representation of vector autoregressive models and variational annealing
- Potential confounders in the analysis of Brazilian adolescent’s health: a combination of machine learning and graph theory
- Systems biology model repository for macrophage pathway simulation
- Pantheon-DNA: versatile encoding-decoding system with integrated adaptive NGS preprocessing algorithms for DNA data storage
- Computational statistics in biological big data: methods and applications
- A tutorial to identify nonlinear associations in gene expression time series data
- Efficient eigenvalue counts for tree-like networks
- Inferences on the Watts-Strogatz model: a study on brain functional connectivity
Informações sobre o DOI: 10.1145/3449726.3459417 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3042559.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
