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: 17 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. 17 ] 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. 17 ] 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: 17 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. 17 ] 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. 17 ] 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: 17 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. 17 ] 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. 17 ] Available from: https://arxiv.org/ftp/arxiv/papers/2205/2205.05680.pdf
Trabalho de evento-anais periodico
Operation of Neuronal Membrane Simulator Circuit for Tests with Memristor Based on Graphene and Graphene Oxide (2021)
Sparvoli, Marina; Marma, Jonas S.; Nunes, Gabriel F.; Jorge, Fábio de Oliveira
Source: Advances in Computational Intelligence (IWANN 2021), PT II. Conference titles: International Conference on Quantitative Evaluation Systems (QEST). Unidade: IF
Subjects: CIÊNCIA DA COMPUTAÇÃO, INTELIGÊNCIA ARTIFICIAL, REDES NEURAIS, NEUROTRANSMISSORES, CAPACITORES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SPARVOLI, Marina et al. Operation of Neuronal Membrane Simulator Circuit for Tests with Memristor Based on Graphene and Graphene Oxide. Advances in Computational Intelligence (IWANN 2021), PT II. Londres: Instituto de Física, Universidade de São Paulo. Disponível em: https://doi.org/10.1007/978-3-030-85099-9_8. Acesso em: 17 nov. 2024. , 2021
APA
Sparvoli, M., Marma, J. S., Nunes, G. F., & Jorge, F. de O. (2021). Operation of Neuronal Membrane Simulator Circuit for Tests with Memristor Based on Graphene and Graphene Oxide. Advances in Computational Intelligence (IWANN 2021), PT II. Londres: Instituto de Física, Universidade de São Paulo. doi:10.1007/978-3-030-85099-9_8
NLM
Sparvoli M, Marma JS, Nunes GF, Jorge F de O. Operation of Neuronal Membrane Simulator Circuit for Tests with Memristor Based on Graphene and Graphene Oxide [Internet]. Advances in Computational Intelligence (IWANN 2021), PT II. 2021 ; 12862 93-102.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1007/978-3-030-85099-9_8
Vancouver
Sparvoli M, Marma JS, Nunes GF, Jorge F de O. Operation of Neuronal Membrane Simulator Circuit for Tests with Memristor Based on Graphene and Graphene Oxide [Internet]. Advances in Computational Intelligence (IWANN 2021), PT II. 2021 ; 12862 93-102.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1007/978-3-030-85099-9_8
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: 17 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. 17 ] 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. 17 ] 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: 17 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. 17 ] 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. 17 ] 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: 17 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. 17 ] 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. 17 ] 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: 17 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. 17 ] 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. 17 ] 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: 17 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. 17 ]
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. 17 ]
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: 17 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. 17 ] 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. 17 ] Available from: https://repositorio.usp.br/directbitstream/6f94ae7c-17ea-48e4-acdc-b7ad4ec34df8/846010.pdf

USP Schools

ReP

Filtros

Document Types

Departament

Authors

USP affiliated authors

Date published

Subjects

Source title

Funding Agencies