ReP USP - Resultado da busca

Tese (Doutorado)
Machine learning methods for extracting cosmological information (2024)
Santi, Natali Soler Matubaro de ; Abramo, Luis Raul Weber (Orientador)
Unidade: IF
Subjects: COSMOLOGIA, ASTROFÍSICA, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SANTI, Natali Soler Matubaro de. Machine learning methods for extracting cosmological information. 2024. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-15072024-101341/. Acesso em: 13 nov. 2024.
APA
Santi, N. S. M. de. (2024). Machine learning methods for extracting cosmological information (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/43/43134/tde-15072024-101341/
NLM
Santi NSM de. Machine learning methods for extracting cosmological information [Internet]. 2024 ;[citado 2024 nov. 13 ] Available from: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-15072024-101341/
Vancouver
Santi NSM de. Machine learning methods for extracting cosmological information [Internet]. 2024 ;[citado 2024 nov. 13 ] Available from: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-15072024-101341/
Trabalho de evento-resumo
An efficiency comparison of Monte Carlo algorithms for the 2D Ising model on GPU-based systems (2023)
Salmen, Sasa; Mendes, Tereza
Source: School program. Conference titles: Brazilian School and Workshop on Statistical Mechanics - Recent Developments. Unidades: IFSC, IF
Subjects: ALGORITMOS, MÉTODO DE MONTE CARLO, FÍSICA COMPUTACIONAL, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SALMEN, Sasa e MENDES, Tereza. An efficiency comparison of Monte Carlo algorithms for the 2D Ising model on GPU-based systems. 2023, Anais.. São Carlos: Instituto de Física de São Carlos - IFSC, 2023. Disponível em: https://www.ifsc.usp.br/bssm/school-program/. Acesso em: 13 nov. 2024.
APA
Salmen, S., & Mendes, T. (2023). An efficiency comparison of Monte Carlo algorithms for the 2D Ising model on GPU-based systems. In School program. São Carlos: Instituto de Física de São Carlos - IFSC. Recuperado de https://www.ifsc.usp.br/bssm/school-program/
NLM
Salmen S, Mendes T. An efficiency comparison of Monte Carlo algorithms for the 2D Ising model on GPU-based systems [Internet]. School program. 2023 ;[citado 2024 nov. 13 ] Available from: https://www.ifsc.usp.br/bssm/school-program/
Vancouver
Salmen S, Mendes T. An efficiency comparison of Monte Carlo algorithms for the 2D Ising model on GPU-based systems [Internet]. School program. 2023 ;[citado 2024 nov. 13 ] Available from: https://www.ifsc.usp.br/bssm/school-program/
Relatorio tecnico
Ion beam analysis and big data: how data science can support next-generation instrumentation (2022)
Silva, Tiago Fiorini da ; Rodrigues, Cleber Lima ; Saramela, Thiago Badaró ; Tabacniks, Manfredo Harri
Unidade: IF
Subjects: BIG DATA, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Tiago Fiorini da et al. Ion beam analysis and big data: how data science can support next-generation instrumentation. . São Paulo: Instituto de Física, Universidade de São Paulo. Disponível em: https://arxiv.org/ftp/arxiv/papers/2205/2205.05680.pdf. Acesso em: 13 nov. 2024. , 2022
APA
Silva, T. F. da, Rodrigues, C. L., Saramela, T. B., & Tabacniks, M. H. (2022). Ion beam analysis and big data: how data science can support next-generation instrumentation. São Paulo: Instituto de Física, Universidade de São Paulo. Recuperado de https://arxiv.org/ftp/arxiv/papers/2205/2205.05680.pdf
NLM
Silva TF da, Rodrigues CL, Saramela TB, Tabacniks MH. Ion beam analysis and big data: how data science can support next-generation instrumentation [Internet]. 2022 ;[citado 2024 nov. 13 ] Available from: https://arxiv.org/ftp/arxiv/papers/2205/2205.05680.pdf
Vancouver
Silva TF da, Rodrigues CL, Saramela TB, Tabacniks MH. Ion beam analysis and big data: how data science can support next-generation instrumentation [Internet]. 2022 ;[citado 2024 nov. 13 ] Available from: https://arxiv.org/ftp/arxiv/papers/2205/2205.05680.pdf
Artigo de periodico
J-PAS: Measuring emission lines with artificial neural networks (2021)
Martínez-Solaeche, Ginés ; Abramo, L. Raul ; Ederoclite, A; Oliveira, C. Mendes de; Sodré Jr., L.
Source: Astronomy and Astrophysics. Unidades: IF, IAG
Subjects: ASTROFÍSICA, GALÁXIAS, REDES NEURAIS, INTELIGÊNCIA ARTIFICIAL, FOTOMETRIA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARTÍNEZ-SOLAECHE, Ginés et al. J-PAS: Measuring emission lines with artificial neural networks. Astronomy and Astrophysics, v. 647, n. A&A, p. 19, 2021Tradução . . Disponível em: https://doi.org/10.1051/0004-6361/202039146. Acesso em: 13 nov. 2024.
APA
Martínez-Solaeche, G., Abramo, L. R., Ederoclite, A., Oliveira, C. M. de, & Sodré Jr., L. (2021). J-PAS: Measuring emission lines with artificial neural networks. Astronomy and Astrophysics, 647( A&A), 19. doi:10.1051/0004-6361/202039146
NLM
Martínez-Solaeche G, Abramo LR, Ederoclite A, Oliveira CM de, Sodré Jr. L. J-PAS: Measuring emission lines with artificial neural networks [Internet]. Astronomy and Astrophysics. 2021 ; 647( A&A): 19.[citado 2024 nov. 13 ] Available from: https://doi.org/10.1051/0004-6361/202039146
Vancouver
Martínez-Solaeche G, Abramo LR, Ederoclite A, Oliveira CM de, Sodré Jr. L. J-PAS: Measuring emission lines with artificial neural networks [Internet]. Astronomy and Astrophysics. 2021 ; 647( A&A): 19.[citado 2024 nov. 13 ] Available from: https://doi.org/10.1051/0004-6361/202039146
Artigo de periodico
Processing of massive Rutherford Back-scattering Spectrometry data by artificial neural networks (2021)
Guimarães, Renato da S.; Silva, Tiago Fiorini da ; Rodrigues, Cleber ; Tabacniks, Manfredo ; Bach, Simon; Burwitz, Vassily V.; Paul Hiret ; Matej Mayer
Source: Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms. Unidade: IF
Subjects: REDES NEURAIS, INTELIGÊNCIA ARTIFICIAL, ESPECTROMETRIA, ESPALHAMENTO, PROCESSAMENTO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GUIMARÃES, Renato da S. et al. Processing of massive Rutherford Back-scattering Spectrometry data by artificial neural networks. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms, v. 493, p. 28-34, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.nimb.2021.02.010. Acesso em: 13 nov. 2024.
APA
Guimarães, R. da S., Silva, T. F. da, Rodrigues, C., Tabacniks, M., Bach, S., Burwitz, V. V., et al. (2021). Processing of massive Rutherford Back-scattering Spectrometry data by artificial neural networks. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms, 493, 28-34. doi:10.1016/j.nimb.2021.02.010
NLM
Guimarães R da S, Silva TF da, Rodrigues C, Tabacniks M, Bach S, Burwitz VV, Paul Hiret, Matej Mayer. Processing of massive Rutherford Back-scattering Spectrometry data by artificial neural networks [Internet]. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms. 2021 ; 493 28-34.[citado 2024 nov. 13 ] Available from: https://doi.org/10.1016/j.nimb.2021.02.010
Vancouver
Guimarães R da S, Silva TF da, Rodrigues C, Tabacniks M, Bach S, Burwitz VV, Paul Hiret, Matej Mayer. Processing of massive Rutherford Back-scattering Spectrometry data by artificial neural networks [Internet]. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms. 2021 ; 493 28-34.[citado 2024 nov. 13 ] Available from: https://doi.org/10.1016/j.nimb.2021.02.010
Artigo de periodico
Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais (2021)
Schleder, Gabriel R; Fazzio, Adalberto
Unidade: IF
Assunto: INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SCHLEDER, Gabriel R e FAZZIO, Adalberto. Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais. v. 43, 2021Tradução . . Disponível em: https://doi.org/10.1590/1806-9126-RBEF-2020-0407. Acesso em: 13 nov. 2024.
APA
Schleder, G. R., & Fazzio, A. (2021). Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais, 43. doi:10.1590/1806-9126-RBEF-2020-0407
NLM
Schleder GR, Fazzio A. Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais [Internet]. 2021 ; 43[citado 2024 nov. 13 ] Available from: https://doi.org/10.1590/1806-9126-RBEF-2020-0407
Vancouver
Schleder GR, Fazzio A. Machine Learning na Física, Química, e Ciência de Materiais: Descoberta e Design de Materiais [Internet]. 2021 ; 43[citado 2024 nov. 13 ] Available from: https://doi.org/10.1590/1806-9126-RBEF-2020-0407
Artigo de periodico
Ion beam analysis and big data: How data science can support next-generation instrumentation (2020)
Silva, Tiago Fiorini da ; Rodrigues, Cleber Lima ; Tabacniks, Manfredo Harri ; Pereira, Hugo David Costa; Saramela, Thiago Badaró ; Guimarães, Renato Oliveira
Source: Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms. Unidade: IF
Subjects: ÍONS, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Tiago Fiorini da et al. Ion beam analysis and big data: How data science can support next-generation instrumentation. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms, v. 478, p. 111-115, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.nimb.2020.05.027. Acesso em: 13 nov. 2024.
APA
Silva, T. F. da, Rodrigues, C. L., Tabacniks, M. H., Pereira, H. D. C., Saramela, T. B., & Guimarães, R. O. (2020). Ion beam analysis and big data: How data science can support next-generation instrumentation. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms, 478, 111-115. doi:10.1016/j.nimb.2020.05.027
NLM
Silva TF da, Rodrigues CL, Tabacniks MH, Pereira HDC, Saramela TB, Guimarães RO. Ion beam analysis and big data: How data science can support next-generation instrumentation [Internet]. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms. 2020 ; 478 111-115.[citado 2024 nov. 13 ] Available from: https://doi.org/10.1016/j.nimb.2020.05.027
Vancouver
Silva TF da, Rodrigues CL, Tabacniks MH, Pereira HDC, Saramela TB, Guimarães RO. Ion beam analysis and big data: How data science can support next-generation instrumentation [Internet]. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms. 2020 ; 478 111-115.[citado 2024 nov. 13 ] Available from: https://doi.org/10.1016/j.nimb.2020.05.027
Trabalho de evento
Fuzzy approach with a multi-expert approximate knowledge representation for medical diagnostic (1994)
Sidaoui, H; Albuquerque, Antonio Roberto Pereira Leite de; Benjamins, R; Isotani, Sadao
Source: Proceedings. Conference titles: Ieee International Conference on Systems, Man, and Cybernetics. Unidades: IF, EP
Assunto: INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SIDAOUI, H et al. Fuzzy approach with a multi-expert approximate knowledge representation for medical diagnostic. 1994, Anais.. New York: Ieee, 1994. . Acesso em: 13 nov. 2024.
APA
Sidaoui, H., Albuquerque, A. R. P. L. de, Benjamins, R., & Isotani, S. (1994). Fuzzy approach with a multi-expert approximate knowledge representation for medical diagnostic. In Proceedings. New York: Ieee.
NLM
Sidaoui H, Albuquerque ARPL de, Benjamins R, Isotani S. Fuzzy approach with a multi-expert approximate knowledge representation for medical diagnostic. Proceedings. 1994 ;[citado 2024 nov. 13 ]
Vancouver
Sidaoui H, Albuquerque ARPL de, Benjamins R, Isotani S. Fuzzy approach with a multi-expert approximate knowledge representation for medical diagnostic. Proceedings. 1994 ;[citado 2024 nov. 13 ]
Trabalho de evento
Um simulador didático de computador: HIPO (1989)
Rodrigues, Alexandre; Hirata Júnior, Roberto ; Setzer, Valdemar Waingort (Orientador)
Source: Atas. Conference titles: Colóquio de Iniciação Científica. Unidades: IME, IF
Assunto: INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RODRIGUES, Alexandre e HIRATA JÚNIOR, Roberto. Um simulador didático de computador: HIPO. 1989, Anais.. Sao Paulo: IME-USP, 1989. Disponível em: https://repositorio.usp.br/directbitstream/6f94ae7c-17ea-48e4-acdc-b7ad4ec34df8/846010.pdf. Acesso em: 13 nov. 2024.
APA
Rodrigues, A., & Hirata Júnior, R. (1989). Um simulador didático de computador: HIPO. In Atas. Sao Paulo: IME-USP. Recuperado de https://repositorio.usp.br/directbitstream/6f94ae7c-17ea-48e4-acdc-b7ad4ec34df8/846010.pdf
NLM
Rodrigues A, Hirata Júnior R. Um simulador didático de computador: HIPO [Internet]. Atas. 1989 ;[citado 2024 nov. 13 ] Available from: https://repositorio.usp.br/directbitstream/6f94ae7c-17ea-48e4-acdc-b7ad4ec34df8/846010.pdf
Vancouver
Rodrigues A, Hirata Júnior R. Um simulador didático de computador: HIPO [Internet]. Atas. 1989 ;[citado 2024 nov. 13 ] Available from: https://repositorio.usp.br/directbitstream/6f94ae7c-17ea-48e4-acdc-b7ad4ec34df8/846010.pdf

USP Schools

ReP

Filtros

Departament

Authors

USP affiliated authors

Date published

Subjects

Source title

Funding Agencies