ReP USP - Resultado da busca

Artigo de periodico
Neural architecture search with interpretable meta-features and fast predictors (2023)
Pereira, Gean Trindade ; Santos, Iury Batista de Andrade ; Garcia, Luís Paulo Faina ; Urruty, Thierry ; Visani, Muriel ; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Information Sciences. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, REDES NEURAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
PEREIRA, Gean Trindade et al. Neural architecture search with interpretable meta-features and fast predictors. Information Sciences, v. No 2023, p. 1-17, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2023.119642. Acesso em: 05 out. 2024.
APA
Pereira, G. T., Santos, I. B. de A., Garcia, L. P. F., Urruty, T., Visani, M., & Carvalho, A. C. P. de L. F. de. (2023). Neural architecture search with interpretable meta-features and fast predictors. Information Sciences, No 2023, 1-17. doi:10.1016/j.ins.2023.119642
NLM
Pereira GT, Santos IB de A, Garcia LPF, Urruty T, Visani M, Carvalho ACP de LF de. Neural architecture search with interpretable meta-features and fast predictors [Internet]. Information Sciences. 2023 ; No 2023 1-17.[citado 2024 out. 05 ] Available from: https://doi.org/10.1016/j.ins.2023.119642
Vancouver
Pereira GT, Santos IB de A, Garcia LPF, Urruty T, Visani M, Carvalho ACP de LF de. Neural architecture search with interpretable meta-features and fast predictors [Internet]. Information Sciences. 2023 ; No 2023 1-17.[citado 2024 out. 05 ] Available from: https://doi.org/10.1016/j.ins.2023.119642
Artigo de periodico
An empirical analysis of binary transformation strategies and base algorithms for multi-label learning (2020)
Rivolli, Adriano ; Read, Jesse; Soares, Carlos; Pfahringer, Bernhard ; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Machine Learning. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, ALGORITMOS ÚTEIS E ESPECÍFICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RIVOLLI, Adriano et al. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning. Machine Learning, v. 109, n. 8, p. 1509-1563, 2020Tradução . . Disponível em: https://doi.org/10.1007/s10994-020-05879-3. Acesso em: 05 out. 2024.
APA
Rivolli, A., Read, J., Soares, C., Pfahringer, B., & Carvalho, A. C. P. de L. F. de. (2020). An empirical analysis of binary transformation strategies and base algorithms for multi-label learning. Machine Learning, 109( 8), 1509-1563. doi:10.1007/s10994-020-05879-3
NLM
Rivolli A, Read J, Soares C, Pfahringer B, Carvalho ACP de LF de. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning [Internet]. Machine Learning. 2020 ; 109( 8): 1509-1563.[citado 2024 out. 05 ] Available from: https://doi.org/10.1007/s10994-020-05879-3
Vancouver
Rivolli A, Read J, Soares C, Pfahringer B, Carvalho ACP de LF de. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning [Internet]. Machine Learning. 2020 ; 109( 8): 1509-1563.[citado 2024 out. 05 ] Available from: https://doi.org/10.1007/s10994-020-05879-3
Artigo de periodico
A meta-learning recommender system for hyperparameter tuning: predicting when tuning improves SVM classifiers (2019)
Mantovani, Rafael G; Rossi, André Luis Debiaso; Alcobaça, Edesio; Vanschoren, Joaquin; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Information Sciences. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, MÉTODOS ESTATÍSTICOS PARA APRENDIZAGEM
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MANTOVANI, Rafael G et al. A meta-learning recommender system for hyperparameter tuning: predicting when tuning improves SVM classifiers. Information Sciences, v. 501, p. 193-221, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2019.06.005. Acesso em: 05 out. 2024.
APA
Mantovani, R. G., Rossi, A. L. D., Alcobaça, E., Vanschoren, J., & Carvalho, A. C. P. de L. F. de. (2019). A meta-learning recommender system for hyperparameter tuning: predicting when tuning improves SVM classifiers. Information Sciences, 501, 193-221. doi:10.1016/j.ins.2019.06.005
NLM
Mantovani RG, Rossi ALD, Alcobaça E, Vanschoren J, Carvalho ACP de LF de. A meta-learning recommender system for hyperparameter tuning: predicting when tuning improves SVM classifiers [Internet]. Information Sciences. 2019 ; 501 193-221.[citado 2024 out. 05 ] Available from: https://doi.org/10.1016/j.ins.2019.06.005
Vancouver
Mantovani RG, Rossi ALD, Alcobaça E, Vanschoren J, Carvalho ACP de LF de. A meta-learning recommender system for hyperparameter tuning: predicting when tuning improves SVM classifiers [Internet]. Information Sciences. 2019 ; 501 193-221.[citado 2024 out. 05 ] Available from: https://doi.org/10.1016/j.ins.2019.06.005
Artigo de periodico
Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features (2016)
Kanda, Jorge; Carvalho, André Carlos Ponce de Leon Ferreira de ; Hruschka, Eduardo Raul ; Soares, Carlos; Brazdil, Pavel
Source: Neurocomputing. Unidade: ICMC
Subjects: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, HEURÍSTICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
KANDA, Jorge et al. Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features. Neurocomputing, v. 205, p. Se 2016, 2016Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2016.04.027. Acesso em: 05 out. 2024.
APA
Kanda, J., Carvalho, A. C. P. de L. F. de, Hruschka, E. R., Soares, C., & Brazdil, P. (2016). Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features. Neurocomputing, 205, Se 2016. doi:10.1016/j.neucom.2016.04.027
NLM
Kanda J, Carvalho ACP de LF de, Hruschka ER, Soares C, Brazdil P. Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features [Internet]. Neurocomputing. 2016 ; 205 Se 2016.[citado 2024 out. 05 ] Available from: https://doi.org/10.1016/j.neucom.2016.04.027
Vancouver
Kanda J, Carvalho ACP de LF de, Hruschka ER, Soares C, Brazdil P. Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features [Internet]. Neurocomputing. 2016 ; 205 Se 2016.[citado 2024 out. 05 ] Available from: https://doi.org/10.1016/j.neucom.2016.04.027
Artigo de periodico
Spectral methods for graph clustering: a survey (2011)
Nascimento, Mariá Cristina Vasconcelos; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: European Journal of Operational Research. Unidade: ICMC
Assunto: INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
NASCIMENTO, Mariá Cristina Vasconcelos e CARVALHO, André Carlos Ponce de Leon Ferreira de. Spectral methods for graph clustering: a survey. European Journal of Operational Research, v. 211, n. Ju 2011, p. 221-231, 2011Tradução . . Disponível em: https://doi.org/10.1016/j.ejor.2010.08.012. Acesso em: 05 out. 2024.
APA
Nascimento, M. C. V., & Carvalho, A. C. P. de L. F. de. (2011). Spectral methods for graph clustering: a survey. European Journal of Operational Research, 211( Ju 2011), 221-231. doi:10.1016/j.ejor.2010.08.012
NLM
Nascimento MCV, Carvalho ACP de LF de. Spectral methods for graph clustering: a survey [Internet]. European Journal of Operational Research. 2011 ; 211( Ju 2011): 221-231.[citado 2024 out. 05 ] Available from: https://doi.org/10.1016/j.ejor.2010.08.012
Vancouver
Nascimento MCV, Carvalho ACP de LF de. Spectral methods for graph clustering: a survey [Internet]. European Journal of Operational Research. 2011 ; 211( Ju 2011): 221-231.[citado 2024 out. 05 ] Available from: https://doi.org/10.1016/j.ejor.2010.08.012

USP Schools

ReP

Filtros

Authors

Subjects

Funding Agencies

Indexado em

Non normalized affiliation

Countries of institutions of collaboration