The information of attribute uncertainties: what convolutional neural networks can learn about errors in input data (2023)
- Authors:
- USP affiliated authors: ABRAMO, LUIS RAUL WEBER - IF ; HIRATA, NINA SUMIKO TOMITA - IME ; RODRIGUES, NATÁLIA VILLA NOVA - IF
- Unidades: IF; IME
- DOI: 10.1088/2632-2153/ad0285
- Subjects: APRENDIZADO COMPUTACIONAL; ANÁLISE DE DADOS; ESTATÍSTICA
- Keywords: machine learning methods; statistical techniques; scientific data analysis
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Machine Learning: Science and Technology
- ISSN: 2632-2153
- Volume/Número/Paginação/Ano: v. 4, artigo n. 045019, p. 1-26, 2023
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
RODRIGUES, Natália Villa Nova e ABRAMO, Luis Raul Weber e HIRATA, Nina Sumiko Tomita. The information of attribute uncertainties: what convolutional neural networks can learn about errors in input data. Machine Learning: Science and Technology, v. 4, n. artigo 045019, p. 1-26, 2023Tradução . . Disponível em: https://doi.org/10.1088/2632-2153/ad0285. Acesso em: 09 maio 2026. -
APA
Rodrigues, N. V. N., Abramo, L. R. W., & Hirata, N. S. T. (2023). The information of attribute uncertainties: what convolutional neural networks can learn about errors in input data. Machine Learning: Science and Technology, 4( artigo 045019), 1-26. doi:10.1088/2632-2153/ad0285 -
NLM
Rodrigues NVN, Abramo LRW, Hirata NST. The information of attribute uncertainties: what convolutional neural networks can learn about errors in input data [Internet]. Machine Learning: Science and Technology. 2023 ; 4( artigo 045019): 1-26.[citado 2026 maio 09 ] Available from: https://doi.org/10.1088/2632-2153/ad0285 -
Vancouver
Rodrigues NVN, Abramo LRW, Hirata NST. The information of attribute uncertainties: what convolutional neural networks can learn about errors in input data [Internet]. Machine Learning: Science and Technology. 2023 ; 4( artigo 045019): 1-26.[citado 2026 maio 09 ] Available from: https://doi.org/10.1088/2632-2153/ad0285 - The miniJPAS survey quasar selection – II: machine learning classification with photometric measurements and uncertainties
- The miniJPAS survey quasar selection – I: mock catalogues for classification
- The miniJPAS survey quasar selection: IV. Classification and redshift estimation with SQUEzE
- High-fidelity reproduction of central galaxy joint distributions with neural networks
- The miniJPAS survey quasar selection
- Classificação de quasares, estrelas e galáxias com técnicas de aprendizagem automática
- Characterizing large-scale structure tracers with machine learning
- A model for simulating user interaction in hierarchical segmentation
- The use of high resolution images in morphological operator learning
- Morphological operator design from training data
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3165822 - The information... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
