Menu

Filtros : "INTELIGÊNCIA ARTIFICIAL" "EP-PMI" Removido: "Estados Unidos" Limpar

Filtros

Limitar por data

  • 1

1 - 10 (10 registros)

  • Artigo de periodico

    Prediction of nuclear magnetic resonance porosity well-logs in a carbonate reservoir using supervised machine learning models (2024)

    Tamoto, Hugo; Gioria, Rafael dos Santos ; Carneiro, Cleyton de Carvalho

    Fonte: Journal of Petroleum Science and Engineering. Unidade: EP

    Assuntos: PETROGRAFIA, INTELIGÊNCIA ARTIFICIAL

    PrivadoAcesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      TAMOTO, Hugo e GIORIA, Rafael dos Santos e CARNEIRO, Cleyton de Carvalho. Prediction of nuclear magnetic resonance porosity well-logs in a carbonate reservoir using supervised machine learning models. Journal of Petroleum Science and Engineering, v. 220, p. 10 , 2024Tradução . . Disponível em: https://doi.org/10.1016/j.petrol.2022.111169. Acesso em: 04 out. 2024.

    • APA

      Tamoto, H., Gioria, R. dos S., & Carneiro, C. de C. (2024). Prediction of nuclear magnetic resonance porosity well-logs in a carbonate reservoir using supervised machine learning models. Journal of Petroleum Science and Engineering, 220, 10 . doi:10.1016/j.petrol.2022.111169

    • NLM

      Tamoto H, Gioria R dos S, Carneiro C de C. Prediction of nuclear magnetic resonance porosity well-logs in a carbonate reservoir using supervised machine learning models [Internet]. Journal of Petroleum Science and Engineering. 2024 ; 220 10 .[citado 2024 out. 04 ] Available from: https://doi.org/10.1016/j.petrol.2022.111169

    • Vancouver

      Tamoto H, Gioria R dos S, Carneiro C de C. Prediction of nuclear magnetic resonance porosity well-logs in a carbonate reservoir using supervised machine learning models [Internet]. Journal of Petroleum Science and Engineering. 2024 ; 220 10 .[citado 2024 out. 04 ] Available from: https://doi.org/10.1016/j.petrol.2022.111169

  • Trabalho de evento

    Data-Driven workflow for categorization of brines applied to a pre-salt field (2023)

    Fernandes, M. A.; Gildin, Eduardo; Pinto, Marcio Augusto Sampaio

    Fonte: Proceedings. Nome do evento: Offshore Technology Conference Brasil. Unidade: EP

    Assuntos: GEOLOGIA ESTRUTURAL, INTELIGÊNCIA ARTIFICIAL, POÇOS, PRÉ-SAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      FERNANDES, M. A. e GILDIN, Eduardo e PINTO, Marcio Augusto Sampaio. Data-Driven workflow for categorization of brines applied to a pre-salt field. 2023, Anais.. Rio de Janeiro: Escola Politécnica, Universidade de São Paulo, 2023. Disponível em: https://doi.org/10.4043/32950-MS. Acesso em: 04 out. 2024.

    • APA

      Fernandes, M. A., Gildin, E., & Pinto, M. A. S. (2023). Data-Driven workflow for categorization of brines applied to a pre-salt field. In Proceedings. Rio de Janeiro: Escola Politécnica, Universidade de São Paulo. doi:10.4043/32950-MS

    • NLM

      Fernandes MA, Gildin E, Pinto MAS. Data-Driven workflow for categorization of brines applied to a pre-salt field [Internet]. Proceedings. 2023 ;[citado 2024 out. 04 ] Available from: https://doi.org/10.4043/32950-MS

    • Vancouver

      Fernandes MA, Gildin E, Pinto MAS. Data-Driven workflow for categorization of brines applied to a pre-salt field [Internet]. Proceedings. 2023 ;[citado 2024 out. 04 ] Available from: https://doi.org/10.4043/32950-MS

  • Artigo de periodico

    Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images (2023)

    Rubo, Rafael Andrello; Michelon, Mateus Fontana; Carneiro, Cleyton de Carvalho

    Fonte: Earth Science Informatics. Unidade: EP

    Assuntos: PETROGRAFIA, INTELIGÊNCIA ARTIFICIAL

    PrivadoAcesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      RUBO, Rafael Andrello e MICHELON, Mateus Fontana e CARNEIRO, Cleyton de Carvalho. Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images. Earth Science Informatics, p. 10 2023, 2023Tradução . . Disponível em: https://doi.org/10.1007/s12145-022-00901-9. Acesso em: 04 out. 2024.

    • APA

      Rubo, R. A., Michelon, M. F., & Carneiro, C. de C. (2023). Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images. Earth Science Informatics, 10 2023. doi:10.1007/s12145-022-00901-9

    • NLM

      Rubo RA, Michelon MF, Carneiro C de C. Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images [Internet]. Earth Science Informatics. 2023 ;10 2023.[citado 2024 out. 04 ] Available from: https://doi.org/10.1007/s12145-022-00901-9

    • Vancouver

      Rubo RA, Michelon MF, Carneiro C de C. Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images [Internet]. Earth Science Informatics. 2023 ;10 2023.[citado 2024 out. 04 ] Available from: https://doi.org/10.1007/s12145-022-00901-9

  • Artigo de periodico

    Using self-organizing maps to find spatial relationships between wildlife-vehicle crashes and land use classes (2022)

    Tsuda, Larissa Sayuri; Carneiro, Cleyton de Carvalho ; Quintanilha, José Alberto

    Fonte: Anais da Academia Brasileira de Ciências. Unidade: EP

    Assuntos: SISTEMA DE INFORMAÇÃO GEOGRÁFICA, APRENDIZADO COMPUTACIONAL, INTELIGÊNCIA ARTIFICIAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      TSUDA, Larissa Sayuri e CARNEIRO, Cleyton de Carvalho e QUINTANILHA, José Alberto. Using self-organizing maps to find spatial relationships between wildlife-vehicle crashes and land use classes. Anais da Academia Brasileira de Ciências, v. 94, 2022Tradução . . Disponível em: https://doi.org/10.1590/0001-3765202220210727. Acesso em: 04 out. 2024.

    • APA

      Tsuda, L. S., Carneiro, C. de C., & Quintanilha, J. A. (2022). Using self-organizing maps to find spatial relationships between wildlife-vehicle crashes and land use classes. Anais da Academia Brasileira de Ciências, 94. doi:10.1590/0001-3765202220210727

    • NLM

      Tsuda LS, Carneiro C de C, Quintanilha JA. Using self-organizing maps to find spatial relationships between wildlife-vehicle crashes and land use classes [Internet]. Anais da Academia Brasileira de Ciências. 2022 ; 94[citado 2024 out. 04 ] Available from: https://doi.org/10.1590/0001-3765202220210727

    • Vancouver

      Tsuda LS, Carneiro C de C, Quintanilha JA. Using self-organizing maps to find spatial relationships between wildlife-vehicle crashes and land use classes [Internet]. Anais da Academia Brasileira de Ciências. 2022 ; 94[citado 2024 out. 04 ] Available from: https://doi.org/10.1590/0001-3765202220210727

  • Artigo de periodico

    Synthetic geochemical well logs generation using ensemble machine learning techniques for the Brazilian pre-salt reservoirs (2021)

    Oliveira, Lucas Abreu Blanes de; Carneiro, Cleyton de Carvalho

    Fonte: Journal of Petroleum Science and Engineering. Unidade: EP

    Assuntos: ESPECTROSCOPIA ATÔMICA, ESPECTROSCOPIA DE RAIO GAMA, INTELIGÊNCIA ARTIFICIAL, PRÉ-SAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      OLIVEIRA, Lucas Abreu Blanes de e CARNEIRO, Cleyton de Carvalho. Synthetic geochemical well logs generation using ensemble machine learning techniques for the Brazilian pre-salt reservoirs. Journal of Petroleum Science and Engineering, v. 196, n. Ja 2021. Artigo 108080, p. 1-25, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.petrol.2020.108080. Acesso em: 04 out. 2024.

    • APA

      Oliveira, L. A. B. de, & Carneiro, C. de C. (2021). Synthetic geochemical well logs generation using ensemble machine learning techniques for the Brazilian pre-salt reservoirs. Journal of Petroleum Science and Engineering, 196( Ja 2021. Artigo 108080), 1-25. doi:10.1016/j.petrol.2020.108080

    • NLM

      Oliveira LAB de, Carneiro C de C. Synthetic geochemical well logs generation using ensemble machine learning techniques for the Brazilian pre-salt reservoirs [Internet]. Journal of Petroleum Science and Engineering. 2021 ; 196( Ja 2021. Artigo 108080): 1-25.[citado 2024 out. 04 ] Available from: https://doi.org/10.1016/j.petrol.2020.108080

    • Vancouver

      Oliveira LAB de, Carneiro C de C. Synthetic geochemical well logs generation using ensemble machine learning techniques for the Brazilian pre-salt reservoirs [Internet]. Journal of Petroleum Science and Engineering. 2021 ; 196( Ja 2021. Artigo 108080): 1-25.[citado 2024 out. 04 ] Available from: https://doi.org/10.1016/j.petrol.2020.108080

  • Trabalho de evento-resumo

    Petrografia digital: litofácies carbonáticas classificadas a partir de data augmentation e machine learning em imagens de lâminas delgadas (2021)

    Rubo, Rafael Andrello; Carneiro, Cleyton de Carvalho

    Fonte: Anais v. 2. Nome do evento: Congresso Brasileiro de Geologia. Geologia e Sociedade: Construindo pontes para um planeta sustentável. Unidade: EP

    Assuntos: ROCHAS SEDIMENTARES, INTELIGÊNCIA ARTIFICIAL, PETROGRAFIA

    Acesso à fonteComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      RUBO, Rafael Andrello e CARNEIRO, Cleyton de Carvalho. Petrografia digital: litofácies carbonáticas classificadas a partir de data augmentation e machine learning em imagens de lâminas delgadas. 2021, Anais.. Brasilia: Escola Politécnica, Universidade de São Paulo, 2021. Disponível em: https://50cbg.com/anais/. Acesso em: 04 out. 2024.

    • APA

      Rubo, R. A., & Carneiro, C. de C. (2021). Petrografia digital: litofácies carbonáticas classificadas a partir de data augmentation e machine learning em imagens de lâminas delgadas. In Anais v. 2. Brasilia: Escola Politécnica, Universidade de São Paulo. Recuperado de https://50cbg.com/anais/

    • NLM

      Rubo RA, Carneiro C de C. Petrografia digital: litofácies carbonáticas classificadas a partir de data augmentation e machine learning em imagens de lâminas delgadas [Internet]. Anais v. 2. 2021 ;[citado 2024 out. 04 ] Available from: https://50cbg.com/anais/

    • Vancouver

      Rubo RA, Carneiro C de C. Petrografia digital: litofácies carbonáticas classificadas a partir de data augmentation e machine learning em imagens de lâminas delgadas [Internet]. Anais v. 2. 2021 ;[citado 2024 out. 04 ] Available from: https://50cbg.com/anais/

  • Trabalho de evento

    Geração de perfis sintéticos em reservatórios carbonáticos a partir de algoritmos de aprendizagem de máquinas (2020)

    Oliveira, Lucas Abreu Blanes de; Carneiro, Cleyton de Carvalho

    Fonte: Rio Oil & Gas Expo and Conference. Nome do evento: Rio Oil & Gas Expo and Conference. Unidade: EP

    Assuntos: ESPECTROSCOPIA ATÔMICA, PRÉ-SAL, INTELIGÊNCIA ARTIFICIAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      OLIVEIRA, Lucas Abreu Blanes de e CARNEIRO, Cleyton de Carvalho. Geração de perfis sintéticos em reservatórios carbonáticos a partir de algoritmos de aprendizagem de máquinas. 2020, Anais.. Rio de Janeiro: Escola Politécnica, Universidade de São Paulo, 2020. Disponível em: https://doi.org/10.48072/2525-7579.ROG.2020.009. Acesso em: 04 out. 2024.

    • APA

      Oliveira, L. A. B. de, & Carneiro, C. de C. (2020). Geração de perfis sintéticos em reservatórios carbonáticos a partir de algoritmos de aprendizagem de máquinas. In Rio Oil & Gas Expo and Conference. Rio de Janeiro: Escola Politécnica, Universidade de São Paulo. doi:10.48072/2525-7579.ROG.2020.009

    • NLM

      Oliveira LAB de, Carneiro C de C. Geração de perfis sintéticos em reservatórios carbonáticos a partir de algoritmos de aprendizagem de máquinas [Internet]. Rio Oil & Gas Expo and Conference. 2020 ;[citado 2024 out. 04 ] Available from: https://doi.org/10.48072/2525-7579.ROG.2020.009

    • Vancouver

      Oliveira LAB de, Carneiro C de C. Geração de perfis sintéticos em reservatórios carbonáticos a partir de algoritmos de aprendizagem de máquinas [Internet]. Rio Oil & Gas Expo and Conference. 2020 ;[citado 2024 out. 04 ] Available from: https://doi.org/10.48072/2525-7579.ROG.2020.009

  • Artigo de periodico

    Digital petrography: Mineralogy and porosity identification using machine learning algorithms in petrographic thin section images (2019)

    Rubo, Rafael Andrello; Carneiro, Cleyton de Carvalho ; Michelon, Mateus Fontana; Gioria, Rafael dos Santos

    Fonte: Journal of Petroleum Science and Engineering. Unidade: EP

    Assuntos: INTELIGÊNCIA ARTIFICIAL, PETROGRAFIA, ROCHAS SEDIMENTARES

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      RUBO, Rafael Andrello et al. Digital petrography: Mineralogy and porosity identification using machine learning algorithms in petrographic thin section images. Journal of Petroleum Science and Engineering, v. 183, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.petrol.2019.106382. Acesso em: 04 out. 2024.

    • APA

      Rubo, R. A., Carneiro, C. de C., Michelon, M. F., & Gioria, R. dos S. (2019). Digital petrography: Mineralogy and porosity identification using machine learning algorithms in petrographic thin section images. Journal of Petroleum Science and Engineering, 183. doi:10.1016/j.petrol.2019.106382

    • NLM

      Rubo RA, Carneiro C de C, Michelon MF, Gioria R dos S. Digital petrography: Mineralogy and porosity identification using machine learning algorithms in petrographic thin section images [Internet]. Journal of Petroleum Science and Engineering. 2019 ;183[citado 2024 out. 04 ] Available from: https://doi.org/10.1016/j.petrol.2019.106382

    • Vancouver

      Rubo RA, Carneiro C de C, Michelon MF, Gioria R dos S. Digital petrography: Mineralogy and porosity identification using machine learning algorithms in petrographic thin section images [Internet]. Journal of Petroleum Science and Engineering. 2019 ;183[citado 2024 out. 04 ] Available from: https://doi.org/10.1016/j.petrol.2019.106382

  • Trabalho de evento

    Inteligência artificial aplicada ao reconhecimento de textura e porosidade em lâminas petrográficas de rochas carbonáticas (2018)

    Rubo, Rafael Andrello; Carneiro, Cleyton de Carvalho ; Michelon, Mateus Fontana; Gioria, Rafael dos Santos

    Fonte: Anais. Nome do evento: Congresso Brasileiro de Geologia. Unidade: EP

    Assuntos: ROCHAS SEDIMENTARES, INTELIGÊNCIA ARTIFICIAL, REDES NEURAIS

    Acesso à fonteComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      RUBO, Rafael Andrello et al. Inteligência artificial aplicada ao reconhecimento de textura e porosidade em lâminas petrográficas de rochas carbonáticas. 2018, Anais.. Rio de Janeiro: Sociedade Brasileira de Geologia, 2018. Disponível em: http://cbg2018anais.siteoficial.ws/anexos/anais49cbg.pdf. Acesso em: 04 out. 2024.

    • APA

      Rubo, R. A., Carneiro, C. de C., Michelon, M. F., & Gioria, R. dos S. (2018). Inteligência artificial aplicada ao reconhecimento de textura e porosidade em lâminas petrográficas de rochas carbonáticas. In Anais. Rio de Janeiro: Sociedade Brasileira de Geologia. Recuperado de http://cbg2018anais.siteoficial.ws/anexos/anais49cbg.pdf

    • NLM

      Rubo RA, Carneiro C de C, Michelon MF, Gioria R dos S. Inteligência artificial aplicada ao reconhecimento de textura e porosidade em lâminas petrográficas de rochas carbonáticas [Internet]. Anais. 2018 ;[citado 2024 out. 04 ] Available from: http://cbg2018anais.siteoficial.ws/anexos/anais49cbg.pdf

    • Vancouver

      Rubo RA, Carneiro C de C, Michelon MF, Gioria R dos S. Inteligência artificial aplicada ao reconhecimento de textura e porosidade em lâminas petrográficas de rochas carbonáticas [Internet]. Anais. 2018 ;[citado 2024 out. 04 ] Available from: http://cbg2018anais.siteoficial.ws/anexos/anais49cbg.pdf

  • Artigo de periodico-dep/entr

    Mina do futuro terá gestão sistêmica...[Depoimento] (2017)

    De Tomi, Giorgio Francesco Cesare

    Fonte: Mais Mineração: Atitude e Inovação Sustentável. Unidade: EP

    Assuntos: MINERAÇÃO, MODELOS MATEMÁTICOS, INTELIGÊNCIA ARTIFICIAL

    Versão PublicadaComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      DE TOMI, Giorgio Francesco Cesare. Mina do futuro terá gestão sistêmica..[Depoimento]. Mais Mineração: Atitude e Inovação Sustentável. Ouro Preto: Escola Politécnica, Universidade de São Paulo. Disponível em: https://repositorio.usp.br/directbitstream/7c29f93e-8f76-4151-ac68-7df38b000df2/Tomi-2017-Mina%20do%20futuro%20tera%20gest%C3%A3o.pdf. Acesso em: 04 out. 2024. , 2017

    • APA

      De Tomi, G. F. C. (2017). Mina do futuro terá gestão sistêmica..[Depoimento]. Mais Mineração: Atitude e Inovação Sustentável. Ouro Preto: Escola Politécnica, Universidade de São Paulo. Recuperado de https://repositorio.usp.br/directbitstream/7c29f93e-8f76-4151-ac68-7df38b000df2/Tomi-2017-Mina%20do%20futuro%20tera%20gest%C3%A3o.pdf

    • NLM

      De Tomi GFC. Mina do futuro terá gestão sistêmica..[Depoimento] [Internet]. Mais Mineração: Atitude e Inovação Sustentável. 2017 ; no 2017(1): 46-52.[citado 2024 out. 04 ] Available from: https://repositorio.usp.br/directbitstream/7c29f93e-8f76-4151-ac68-7df38b000df2/Tomi-2017-Mina%20do%20futuro%20tera%20gest%C3%A3o.pdf

    • Vancouver

      De Tomi GFC. Mina do futuro terá gestão sistêmica..[Depoimento] [Internet]. Mais Mineração: Atitude e Inovação Sustentável. 2017 ; no 2017(1): 46-52.[citado 2024 out. 04 ] Available from: https://repositorio.usp.br/directbitstream/7c29f93e-8f76-4151-ac68-7df38b000df2/Tomi-2017-Mina%20do%20futuro%20tera%20gest%C3%A3o.pdf
  • 1

1 - 10 (10 registros)

Biblioteca Digital de Produção Intelectual da Universidade de São Paulo     2012 - 2024