ReP USP - Resultado da busca

Artigo de periodico
SWINN: efficient nearest neighbor search in sliding windows using graphs (2024)
Mastelini, Saulo Martiello ; Veloso, Bruno; Halford, Max; Carvalho, André Carlos Ponce de Leon Ferreira de ; Gama, João
Source: Information Fusion. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ANÁLISE DE SÉRIES TEMPORAIS, ALGORITMOS PARA PROCESSAMENTO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MASTELINI, Saulo Martiello et al. SWINN: efficient nearest neighbor search in sliding windows using graphs. Information Fusion, v. 101, n. Ja 2024, p. 1-17, 2024Tradução . . Disponível em: https://doi.org/10.1016/j.inffus.2023.101979. Acesso em: 14 nov. 2024.
APA
Mastelini, S. M., Veloso, B., Halford, M., Carvalho, A. C. P. de L. F. de, & Gama, J. (2024). SWINN: efficient nearest neighbor search in sliding windows using graphs. Information Fusion, 101( Ja 2024), 1-17. doi:10.1016/j.inffus.2023.101979
NLM
Mastelini SM, Veloso B, Halford M, Carvalho ACP de LF de, Gama J. SWINN: efficient nearest neighbor search in sliding windows using graphs [Internet]. Information Fusion. 2024 ; 101( Ja 2024): 1-17.[citado 2024 nov. 14 ] Available from: https://doi.org/10.1016/j.inffus.2023.101979
Vancouver
Mastelini SM, Veloso B, Halford M, Carvalho ACP de LF de, Gama J. SWINN: efficient nearest neighbor search in sliding windows using graphs [Internet]. Information Fusion. 2024 ; 101( Ja 2024): 1-17.[citado 2024 nov. 14 ] Available from: https://doi.org/10.1016/j.inffus.2023.101979
Trabalho de evento
Feature selection using complex networks to support price trend forecast in energy markets (2023)
Castilho, Douglas; Santos, Moises Rocha dos ; Tinós, Renato ; Carvalho, André Carlos Ponce de Leon Ferreira de ; Paula, Marcos Basile Saviano de; Ladeira, Lucas; Guarnier, Ewerton ; Silva Filho, Donato ; Suiama, Danilo Y; Macedo Junior, Edmur A; Alipio, Lucas P
Source: Proceedings. Conference titles: International Joint Conference on Neural Networks - IJCNN. Unidades: FFCLRP, ICMC
Subjects: REDES COMPLEXAS, APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), ENERGIA ELÉTRICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CASTILHO, Douglas et al. Feature selection using complex networks to support price trend forecast in energy markets. 2023, Anais.. Piscataway: IEEE, 2023. Disponível em: https://doi.org/10.1109/IJCNN54540.2023.10191426. Acesso em: 14 nov. 2024.
APA
Castilho, D., Santos, M. R. dos, Tinós, R., Carvalho, A. C. P. de L. F. de, Paula, M. B. S. de, Ladeira, L., et al. (2023). Feature selection using complex networks to support price trend forecast in energy markets. In Proceedings. Piscataway: IEEE. doi:10.1109/IJCNN54540.2023.10191426
NLM
Castilho D, Santos MR dos, Tinós R, Carvalho ACP de LF de, Paula MBS de, Ladeira L, Guarnier E, Silva Filho D, Suiama DY, Macedo Junior EA, Alipio LP. Feature selection using complex networks to support price trend forecast in energy markets [Internet]. Proceedings. 2023 ;[citado 2024 nov. 14 ] Available from: https://doi.org/10.1109/IJCNN54540.2023.10191426
Vancouver
Castilho D, Santos MR dos, Tinós R, Carvalho ACP de LF de, Paula MBS de, Ladeira L, Guarnier E, Silva Filho D, Suiama DY, Macedo Junior EA, Alipio LP. Feature selection using complex networks to support price trend forecast in energy markets [Internet]. Proceedings. 2023 ;[citado 2024 nov. 14 ] Available from: https://doi.org/10.1109/IJCNN54540.2023.10191426
Trabalho de evento
Market movement prediction algorithm selection by metalearning (2022)
Bandeira, Alvaro Valentim Pereira de Menezes; Ferracioli, Gabriel Monteiro; Santos, Moises Rocha dos ; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Anais. Conference titles: Symposium on Knowledge Discovery, Mining and Learning - KDMiLe. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ALGORITMOS ÚTEIS E ESPECÍFICOS, PREÇOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BANDEIRA, Alvaro Valentim Pereira de Menezes et al. Market movement prediction algorithm selection by metalearning. 2022, Anais.. Porto Alegre: SBC, 2022. Disponível em: https://doi.org/10.5753/kdmile.2022.227947. Acesso em: 14 nov. 2024.
APA
Bandeira, A. V. P. de M., Ferracioli, G. M., Santos, M. R. dos, & Carvalho, A. C. P. de L. F. de. (2022). Market movement prediction algorithm selection by metalearning. In Anais. Porto Alegre: SBC. doi:10.5753/kdmile.2022.227947
NLM
Bandeira AVP de M, Ferracioli GM, Santos MR dos, Carvalho ACP de LF de. Market movement prediction algorithm selection by metalearning [Internet]. Anais. 2022 ;[citado 2024 nov. 14 ] Available from: https://doi.org/10.5753/kdmile.2022.227947
Vancouver
Bandeira AVP de M, Ferracioli GM, Santos MR dos, Carvalho ACP de LF de. Market movement prediction algorithm selection by metalearning [Internet]. Anais. 2022 ;[citado 2024 nov. 14 ] Available from: https://doi.org/10.5753/kdmile.2022.227947
Artigo de periodico
Machine learning unveils composition-property relationships in chalcogenide glasses (2022)
Mastelini, Saulo Martiello ; Cassar, Daniel Roberto ; Alcobaça, Edesio ; Botari, Tiago ; Carvalho, André Carlos Ponce de Leon Ferreira de ; Zanotto, Edgar Dutra
Source: Acta Materialia. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, PROPRIEDADES DOS MATERIAIS, VIDRO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MASTELINI, Saulo Martiello et al. Machine learning unveils composition-property relationships in chalcogenide glasses. Acta Materialia, v. No 2022, p. 1-13, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.actamat.2022.118302. Acesso em: 14 nov. 2024.
APA
Mastelini, S. M., Cassar, D. R., Alcobaça, E., Botari, T., Carvalho, A. C. P. de L. F. de, & Zanotto, E. D. (2022). Machine learning unveils composition-property relationships in chalcogenide glasses. Acta Materialia, No 2022, 1-13. doi:10.1016/j.actamat.2022.118302
NLM
Mastelini SM, Cassar DR, Alcobaça E, Botari T, Carvalho ACP de LF de, Zanotto ED. Machine learning unveils composition-property relationships in chalcogenide glasses [Internet]. Acta Materialia. 2022 ; No 2022 1-13.[citado 2024 nov. 14 ] Available from: https://doi.org/10.1016/j.actamat.2022.118302
Vancouver
Mastelini SM, Cassar DR, Alcobaça E, Botari T, Carvalho ACP de LF de, Zanotto ED. Machine learning unveils composition-property relationships in chalcogenide glasses [Internet]. Acta Materialia. 2022 ; No 2022 1-13.[citado 2024 nov. 14 ] Available from: https://doi.org/10.1016/j.actamat.2022.118302
Trabalho de evento
Machine learning approach for trend prediction to improve returns on brazilian energy market (2022)
Santos, Moises Rocha dos ; Braz, Douglas Donizeti de Castilho; Carvalho, André Carlos Ponce de Leon Ferreira de ; Tinós, Renato ; Paula, Marcos Basile Saviano de; Doretto, Gabriel; Guarnier, Ewerton ; Silva Filho, Donato ; Suiama, Danilo Y; Ferreira, Lorena E; Carmo Junior, José E
Source: Proceedings. Conference titles: IEEE Latin American Conference on Computational Intelligence - LA-CCI. Unidades: ICMC, FFCLRP
Subjects: APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), ENERGIA ELÉTRICA, POLÍTICA DE PREÇO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SANTOS, Moises Rocha dos et al. Machine learning approach for trend prediction to improve returns on brazilian energy market. 2022, Anais.. Los Alamitos: IEEE, 2022. Disponível em: https://doi.org/10.1109/LA-CCI54402.2022.9981846. Acesso em: 14 nov. 2024.
APA
Santos, M. R. dos, Braz, D. D. de C., Carvalho, A. C. P. de L. F. de, Tinós, R., Paula, M. B. S. de, Doretto, G., et al. (2022). Machine learning approach for trend prediction to improve returns on brazilian energy market. In Proceedings. Los Alamitos: IEEE. doi:10.1109/LA-CCI54402.2022.9981846
NLM
Santos MR dos, Braz DD de C, Carvalho ACP de LF de, Tinós R, Paula MBS de, Doretto G, Guarnier E, Silva Filho D, Suiama DY, Ferreira LE, Carmo Junior JE. Machine learning approach for trend prediction to improve returns on brazilian energy market [Internet]. Proceedings. 2022 ;[citado 2024 nov. 14 ] Available from: https://doi.org/10.1109/LA-CCI54402.2022.9981846
Vancouver
Santos MR dos, Braz DD de C, Carvalho ACP de LF de, Tinós R, Paula MBS de, Doretto G, Guarnier E, Silva Filho D, Suiama DY, Ferreira LE, Carmo Junior JE. Machine learning approach for trend prediction to improve returns on brazilian energy market [Internet]. Proceedings. 2022 ;[citado 2024 nov. 14 ] Available from: https://doi.org/10.1109/LA-CCI54402.2022.9981846
Trabalho de evento-anais periodico
Evaluating clustering meta-features for classifier recommendation (2021)
Garcia, Luís Paulo Faina ; Campelo, Felipe ; Ramos, Guilherme N ; Rivolli, Adriano ; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Lecture Notes in Artificial Intelligence. Conference titles: Brazilian Conference on Intelligent Systems - BRACIS. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, DESCOBERTA DE CONHECIMENTO, RECONHECIMENTO DE PADRÕES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GARCIA, Luís Paulo Faina et al. Evaluating clustering meta-features for classifier recommendation. Lecture Notes in Artificial Intelligence. Cham: Springer. Disponível em: https://doi.org/10.1007/978-3-030-91702-9_30. Acesso em: 14 nov. 2024. , 2021
APA
Garcia, L. P. F., Campelo, F., Ramos, G. N., Rivolli, A., & Carvalho, A. C. P. de L. F. de. (2021). Evaluating clustering meta-features for classifier recommendation. Lecture Notes in Artificial Intelligence. Cham: Springer. doi:10.1007/978-3-030-91702-9_30
NLM
Garcia LPF, Campelo F, Ramos GN, Rivolli A, Carvalho ACP de LF de. Evaluating clustering meta-features for classifier recommendation [Internet]. Lecture Notes in Artificial Intelligence. 2021 ; 13073 453-467.[citado 2024 nov. 14 ] Available from: https://doi.org/10.1007/978-3-030-91702-9_30
Vancouver
Garcia LPF, Campelo F, Ramos GN, Rivolli A, Carvalho ACP de LF de. Evaluating clustering meta-features for classifier recommendation [Internet]. Lecture Notes in Artificial Intelligence. 2021 ; 13073 453-467.[citado 2024 nov. 14 ] Available from: https://doi.org/10.1007/978-3-030-91702-9_30
Trabalho de evento
Seasonal-trend decomposition based on Loess + machine learning: hybrid forecasting for monthly univariate time series (2021)
Silvestre, Gabriel Dalforno; Santos, Moises Rocha dos ; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Proceedings. Conference titles: International Joint Conference on Neural Networks - IJCNN. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS)
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVESTRE, Gabriel Dalforno e SANTOS, Moises Rocha dos e CARVALHO, André Carlos Ponce de Leon Ferreira de. Seasonal-trend decomposition based on Loess + machine learning: hybrid forecasting for monthly univariate time series. 2021, Anais.. Piscataway: IEEE, 2021. Disponível em: https://doi.org/10.1109/IJCNN52387.2021.9533644. Acesso em: 14 nov. 2024.
APA
Silvestre, G. D., Santos, M. R. dos, & Carvalho, A. C. P. de L. F. de. (2021). Seasonal-trend decomposition based on Loess + machine learning: hybrid forecasting for monthly univariate time series. In Proceedings. Piscataway: IEEE. doi:10.1109/IJCNN52387.2021.9533644
NLM
Silvestre GD, Santos MR dos, Carvalho ACP de LF de. Seasonal-trend decomposition based on Loess + machine learning: hybrid forecasting for monthly univariate time series [Internet]. Proceedings. 2021 ;[citado 2024 nov. 14 ] Available from: https://doi.org/10.1109/IJCNN52387.2021.9533644
Vancouver
Silvestre GD, Santos MR dos, Carvalho ACP de LF de. Seasonal-trend decomposition based on Loess + machine learning: hybrid forecasting for monthly univariate time series [Internet]. Proceedings. 2021 ;[citado 2024 nov. 14 ] Available from: https://doi.org/10.1109/IJCNN52387.2021.9533644
Trabalho de evento-anais periodico
A study of the correlation of metafeatures used for metalearning (2021)
Rivolli, Adriano ; Garcia, Luís Paulo Faina ; Lorena, Ana Carolina ; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Lecture Notes in Computer Science. Conference titles: International Work-Conference on Artificial Neural Networks - IWANN. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ALGORITMOS ÚTEIS E ESPECÍFICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RIVOLLI, Adriano et al. A study of the correlation of metafeatures used for metalearning. Lecture Notes in Computer Science. Cham: Springer. Disponível em: https://doi.org/10.1007/978-3-030-85030-2_39. Acesso em: 14 nov. 2024. , 2021
APA
Rivolli, A., Garcia, L. P. F., Lorena, A. C., & Carvalho, A. C. P. de L. F. de. (2021). A study of the correlation of metafeatures used for metalearning. Lecture Notes in Computer Science. Cham: Springer. doi:10.1007/978-3-030-85030-2_39
NLM
Rivolli A, Garcia LPF, Lorena AC, Carvalho ACP de LF de. A study of the correlation of metafeatures used for metalearning [Internet]. Lecture Notes in Computer Science. 2021 ; 12861 471-483.[citado 2024 nov. 14 ] Available from: https://doi.org/10.1007/978-3-030-85030-2_39
Vancouver
Rivolli A, Garcia LPF, Lorena AC, Carvalho ACP de LF de. A study of the correlation of metafeatures used for metalearning [Internet]. Lecture Notes in Computer Science. 2021 ; 12861 471-483.[citado 2024 nov. 14 ] Available from: https://doi.org/10.1007/978-3-030-85030-2_39

USP Schools

ReP

Filtros

Authors

USP affiliated authors

Subjects

Source title

Conference titles

Indexado em

Non normalized affiliation