Artifcial neural networks for PIO events classifcation comparing diferent data collection procedures (2024)
- Authors:
- USP affiliated authors: BIDINOTTO, JORGE HENRIQUE - EESC ; BRUSCHI, ADRIANO GHIGIARELLI - EESC
- Unidade: EESC
- DOI: 10.1007/s40430-024-05070-y
- Subjects: VOO (ENGENHARIA AERONÁUTICA); VOO (ENGENHARIA AERONÁUTICA); REDES NEURAIS; ENGENHARIA AERONÁUTICA
- Language: Inglês
- Imprenta:
- Publisher place: Heidelberg, Germany
- Date published: 2024
- Source:
- Título: Journal of the Brazilian Society of Mechanical Sciences and Engineering
- ISSN: 1678-5878
- Volume/Número/Paginação/Ano: v. 46, Article number 496, p. 1-10, 2024
- Status:
- Artigo possui versão em acesso aberto em repositório (Green Open Access)
- Versão do Documento:
- Versão submetida (Pré-print)
- Acessar versão aberta:
-
ABNT
BRUSCHI, Adriano Ghigiarelli e DREWIACKI, Daniel e BIDINOTTO, Jorge Henrique. Artifcial neural networks for PIO events classifcation comparing diferent data collection procedures. Journal of the Brazilian Society of Mechanical Sciences and Engineering, v. 46, p. 1-10, 2024Tradução . . Disponível em: https://dx.doi.org/10.1007/s40430-024-05070-y. Acesso em: 01 abr. 2026. -
APA
Bruschi, A. G., Drewiacki, D., & Bidinotto, J. H. (2024). Artifcial neural networks for PIO events classifcation comparing diferent data collection procedures. Journal of the Brazilian Society of Mechanical Sciences and Engineering, 46, 1-10. doi:10.1007/s40430-024-05070-y -
NLM
Bruschi AG, Drewiacki D, Bidinotto JH. Artifcial neural networks for PIO events classifcation comparing diferent data collection procedures [Internet]. Journal of the Brazilian Society of Mechanical Sciences and Engineering. 2024 ; 46 1-10.[citado 2026 abr. 01 ] Available from: https://dx.doi.org/10.1007/s40430-024-05070-y -
Vancouver
Bruschi AG, Drewiacki D, Bidinotto JH. Artifcial neural networks for PIO events classifcation comparing diferent data collection procedures [Internet]. Journal of the Brazilian Society of Mechanical Sciences and Engineering. 2024 ; 46 1-10.[citado 2026 abr. 01 ] Available from: https://dx.doi.org/10.1007/s40430-024-05070-y - Enhancing safety via deep reinforcement learning in trajectory planning for agile flights in unknown environments
- Flight turbulence level classificator using a multilayer perceptron network trained with flight test data
- Data mining-based analysis of alert messages of executive aircraft
- Detecção de "flutter" por imageamento infravermelho
- Proposta conceitual de excitador de "flutter" alternativo para ensaios em vôo
- A dual approach for loss of control in flight accidents
- Workload considerations in simultaneous piloting of multiple RPA on agricultural spraying
- Control of airfow induced vibrations on a cantilever beam by actuating on the exposure of its machined surface notch pattern
- Computational tool for aircraft fuel system analysis
- Aeroelastic effects in PIO occurrences: A dual approach on flight simulator tests
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 | |
|---|---|---|---|
 |
artigo.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
