Embracing data irregularities in multivariate time series with recurrent and graph neural networks (2023)
- Authors:
- USP affiliated authors: GOMI, EDSON SATOSHI - EP ; COSTA, ANNA HELENA REALI - EP ; RISSI, THIAGO LIZIER - EP ; CABRERA, EDUARDO FARIA - EP ; BARROS, MARCEL RODRIGUES DE - EP ; TANNURI, EDUARDO AOUN - EP
- Unidade: EP
- DOI: 10.1007/978-3-031-45368-7_1
- Subjects: REDES NEURAIS; APRENDIZADO COMPUTACIONAL; PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS)
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Lecture Notes in Artificial Intelligence
- ISSN: 0302-9743
- Volume/Número/Paginação/Ano: v. 14195, p.3-17, 2023
- Conference titles: Brazilian Conference on Intelligent Systems -BRACIS 2023: Proceedings, Part 1
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
BARROS, Marcel Rodrigues de et al. Embracing data irregularities in multivariate time series with recurrent and graph neural networks. Lecture Notes in Artificial Intelligence. Cham: Springer. Disponível em: https://doi.org/10.1007/978-3-031-45368-7_1. Acesso em: 31 dez. 2025. , 2023 -
APA
Barros, M. R. de, Rissi, T. L., Cabrera, E. F., Tannuri, E. A., Gomi, E. S., Barreira, R. A., & Reali Costa, A. H. (2023). Embracing data irregularities in multivariate time series with recurrent and graph neural networks. Lecture Notes in Artificial Intelligence. Cham: Springer. doi:10.1007/978-3-031-45368-7_1 -
NLM
Barros MR de, Rissi TL, Cabrera EF, Tannuri EA, Gomi ES, Barreira RA, Reali Costa AH. Embracing data irregularities in multivariate time series with recurrent and graph neural networks [Internet]. Lecture Notes in Artificial Intelligence. 2023 ; 14195 3-17.[citado 2025 dez. 31 ] Available from: https://doi.org/10.1007/978-3-031-45368-7_1 -
Vancouver
Barros MR de, Rissi TL, Cabrera EF, Tannuri EA, Gomi ES, Barreira RA, Reali Costa AH. Embracing data irregularities in multivariate time series with recurrent and graph neural networks [Internet]. Lecture Notes in Artificial Intelligence. 2023 ; 14195 3-17.[citado 2025 dez. 31 ] Available from: https://doi.org/10.1007/978-3-031-45368-7_1 - Embracing data irregularities in multivariate time series
- Improving LLMs’ reasoning and planning with finite-state machines
- Neural network meta-models for FPSO motion prediction from environmental data with different platform loads
- Improving current forecast by leveraging measured data and numerical models via LiESNs
- Using neural network approaches to detect mooring line failure
- Fuzzy-based ensemble method for robust concept drift detection in multivariate time series
- Embracing data irregularities in multivariate time series
- Atena: um sistema para suporte ao planejamento na área de gestão de projetos
- Uma proposta de ontologia para plano de projeto
- Webrcs - um sistema de gerenciamento de documentos via Web
Informações sobre o DOI: 10.1007/978-3-031-45368-7_1 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Reali_Costa-2023-Embracin... |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
