ReP USP - Resultado da busca

Dissertação (Mestrado)
Um modelo para explicação de decisões locais de classificadores baseado em algoritmos genéticos com preservação da diversidade de populações (2022)
Santos, Daniel Augusto dos; Tinós, Renato (Orientador)
Unidade: FFCLRP
Subjects: ALGORITMOS, INTELIGÊNCIA ARTIFICIAL, POPULAÇÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SANTOS, Daniel Augusto dos. Um modelo para explicação de decisões locais de classificadores baseado em algoritmos genéticos com preservação da diversidade de populações. 2022. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2022. Disponível em: https://teses.usp.br/teses/disponiveis/59/59143/tde-17112023-112559/. Acesso em: 04 maio 2026.
APA
Santos, D. A. dos. (2022). Um modelo para explicação de decisões locais de classificadores baseado em algoritmos genéticos com preservação da diversidade de populações (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://teses.usp.br/teses/disponiveis/59/59143/tde-17112023-112559/
NLM
Santos DA dos. Um modelo para explicação de decisões locais de classificadores baseado em algoritmos genéticos com preservação da diversidade de populações [Internet]. 2022 ;[citado 2026 maio 04 ] Available from: https://teses.usp.br/teses/disponiveis/59/59143/tde-17112023-112559/
Vancouver
Santos DA dos. Um modelo para explicação de decisões locais de classificadores baseado em algoritmos genéticos com preservação da diversidade de populações [Internet]. 2022 ;[citado 2026 maio 04 ] Available from: https://teses.usp.br/teses/disponiveis/59/59143/tde-17112023-112559/
Trabalho de evento-anais periodico
Use of fitness sharing in the local rule-based explanations method (2021)
Santos, Daniel Augusto dos; Baranauskas, José Augusto ; Tinós, Renato
Source: Proceedings. Conference titles: IEEE Latin American Conference on Computational Intelligence (LA-CCI). Unidade: FFCLRP
Assunto: CONDICIONAMENTO FÍSICO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SANTOS, Daniel Augusto dos e BARANAUSKAS, José Augusto e TINÓS, Renato. Use of fitness sharing in the local rule-based explanations method. Proceedings. Temuco: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, Universidade de São Paulo. Disponível em: https://doi.org/10.1109/LA-CCI48322.2021.9769789. Acesso em: 04 maio 2026. , 2021
APA
Santos, D. A. dos, Baranauskas, J. A., & Tinós, R. (2021). Use of fitness sharing in the local rule-based explanations method. Proceedings. Temuco: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, Universidade de São Paulo. doi:10.1109/LA-CCI48322.2021.9769789
NLM
Santos DA dos, Baranauskas JA, Tinós R. Use of fitness sharing in the local rule-based explanations method [Internet]. Proceedings. 2021 ; 1-6.[citado 2026 maio 04 ] Available from: https://doi.org/10.1109/LA-CCI48322.2021.9769789
Vancouver
Santos DA dos, Baranauskas JA, Tinós R. Use of fitness sharing in the local rule-based explanations method [Internet]. Proceedings. 2021 ; 1-6.[citado 2026 maio 04 ] Available from: https://doi.org/10.1109/LA-CCI48322.2021.9769789
Tese (Doutorado)
Enhancing Dimensionality Reduction Techniques for Deep Neural Network Visualization (2020)
Cantareira, Gabriel Dias; Paulovich, Fernando Vieira (Orientador)
Unidade: ICMC
Subjects: REDES NEURAIS, VISUALIZAÇÃO, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CANTAREIRA, Gabriel Dias. Enhancing Dimensionality Reduction Techniques for Deep Neural Network Visualization. 2020. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-25022021-130621/. Acesso em: 04 maio 2026.
APA
Cantareira, G. D. (2020). Enhancing Dimensionality Reduction Techniques for Deep Neural Network Visualization (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-25022021-130621/
NLM
Cantareira GD. Enhancing Dimensionality Reduction Techniques for Deep Neural Network Visualization [Internet]. 2020 ;[citado 2026 maio 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-25022021-130621/
Vancouver
Cantareira GD. Enhancing Dimensionality Reduction Techniques for Deep Neural Network Visualization [Internet]. 2020 ;[citado 2026 maio 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-25022021-130621/

USP Schools

ReP

Filtros

Subjects