A literature review on automated machine learning (2026)
- Authors:
- USP affiliated authors: CARVALHO, ANDRÉ CARLOS PONCE DE LEON FERREIRA DE - ICMC ; ALCOBAÇA NETO, EDESIO PINTO DE SOUZA - ICMC
- Unidade: ICMC
- DOI: 10.1007/s10462-025-11397-2
- Subjects: APRENDIZADO COMPUTACIONAL; REVISÃO SISTEMÁTICA
- Keywords: Automated machine learning; AutoML; Metalearning; Hyperparameter optimization; Transfer learning
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Artificial Intelligence Review
- ISSN: 0269-2821
- Volume/Número/Paginação/Ano: v. 59, n. 1, p. 1-39, Jan. 2026
- Status:
- Artigo aberto em periódico híbrido (Hybrid Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
ALCOBAÇA, Edesio e CARVALHO, André Carlos Ponce de Leon Ferreira de. A literature review on automated machine learning. Artificial Intelligence Review, v. 59, n. Ja 2026, p. 1-39, 2026Tradução . . Disponível em: https://doi.org/10.1007/s10462-025-11397-2. Acesso em: 06 maio 2026. -
APA
Alcobaça, E., & Carvalho, A. C. P. de L. F. de. (2026). A literature review on automated machine learning. Artificial Intelligence Review, 59( Ja 2026), 1-39. doi:10.1007/s10462-025-11397-2 -
NLM
Alcobaça E, Carvalho ACP de LF de. A literature review on automated machine learning [Internet]. Artificial Intelligence Review. 2026 ; 59( Ja 2026): 1-39.[citado 2026 maio 06 ] Available from: https://doi.org/10.1007/s10462-025-11397-2 -
Vancouver
Alcobaça E, Carvalho ACP de LF de. A literature review on automated machine learning [Internet]. Artificial Intelligence Review. 2026 ; 59( Ja 2026): 1-39.[citado 2026 maio 06 ] Available from: https://doi.org/10.1007/s10462-025-11397-2 - Lessons learned from the NeurIPS 2021 MetaDL challenge: backbone fine-tuning without episodic meta-learning dominates for few-shot learning image classification
- Boosting meta-learning with simulated data complexity measures
- MFE: towards reproducible meta-feature extraction
- Machine learning unveils composition-property relationships in chalcogenide glasses
- Predicting and interpreting oxide glass properties by machine learning using large datasets
- Explainable machine learning algorithms for predicting glass transition temperatures
- Gabinete pequeno é destaque de pc itautec
- New data strucutre and spanning forest operators for evolutionay algorithms
- Metalearning for context-aware filtering: selection of tensor factorization algorithms
- Evolutionary tuning of SVM parameter values in multiclass problems
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 | |
|---|---|---|---|
 |
3280149.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
