Data classification via centrality measures of complex networks (2023)
- Authors:
- Autor USP: CARNEIRO, MURILLO GUIMARÃES - FFCLRP
- Unidade: FFCLRP
- Subjects: MATEMÁTICA DA COMPUTAÇÃO; REDES COMPLEXAS; ALGORITMOS
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Proceedings
- Conference titles: International Joint Conference on Neural Networks (IJCNN)
-
ABNT
FERNANDES, Janayna M. et al. Data classification via centrality measures of complex networks. 2023, Anais.. New York: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, Universidade de São Paulo, 2023. Disponível em: https://ieeexplore.ieee.org/document/10192048. Acesso em: 02 jan. 2026. -
APA
Fernandes, J. M., Suzuki, G. M., Zhao, L., & Carneiro, M. G. (2023). Data classification via centrality measures of complex networks. In Proceedings. New York: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, Universidade de São Paulo. Recuperado de https://ieeexplore.ieee.org/document/10192048 -
NLM
Fernandes JM, Suzuki GM, Zhao L, Carneiro MG. Data classification via centrality measures of complex networks [Internet]. Proceedings. 2023 ;[citado 2026 jan. 02 ] Available from: https://ieeexplore.ieee.org/document/10192048 -
Vancouver
Fernandes JM, Suzuki GM, Zhao L, Carneiro MG. Data classification via centrality measures of complex networks [Internet]. Proceedings. 2023 ;[citado 2026 jan. 02 ] Available from: https://ieeexplore.ieee.org/document/10192048 - Redes complexas para classificação de dados via conformidade de padrão, caracterização de importância e otimização estrutural
- Modeling EEG data into graphs for the prognostic of patients in coma using graph neural networks
- Classificação de Dados de Alto Nível em Redes Complexas
- High-level classification for EEG analysis
- Classification of coma etiology using convolutional neural networks and long-short term memory networks
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
003194368.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
