Subjects: ESPECTROMETRIA, FERTILIZANTES, QUÍMICA ANALÍTICA, QUIMIOMETRIA
ABNT
ROCHA JUNIOR, Carlos da. Desenvolvimento de um método por espectrometria de fluorescência de raios X por energia dispersiva (EDXRF) combinado as técnicas de aprendizado de máquinas (machine learning) para caracterização de zinco, manganês e elementos potencialmente tóxicos em matérias primas e fertilizantes. 2024. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/64/64135/tde-12092025-083819/. Acesso em: 25 jan. 2026.APA
Rocha Junior, C. da. (2024). Desenvolvimento de um método por espectrometria de fluorescência de raios X por energia dispersiva (EDXRF) combinado as técnicas de aprendizado de máquinas (machine learning) para caracterização de zinco, manganês e elementos potencialmente tóxicos em matérias primas e fertilizantes (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/64/64135/tde-12092025-083819/NLM
Rocha Junior C da. Desenvolvimento de um método por espectrometria de fluorescência de raios X por energia dispersiva (EDXRF) combinado as técnicas de aprendizado de máquinas (machine learning) para caracterização de zinco, manganês e elementos potencialmente tóxicos em matérias primas e fertilizantes [Internet]. 2024 ;[citado 2026 jan. 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/64/64135/tde-12092025-083819/Vancouver
Rocha Junior C da. Desenvolvimento de um método por espectrometria de fluorescência de raios X por energia dispersiva (EDXRF) combinado as técnicas de aprendizado de máquinas (machine learning) para caracterização de zinco, manganês e elementos potencialmente tóxicos em matérias primas e fertilizantes [Internet]. 2024 ;[citado 2026 jan. 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/64/64135/tde-12092025-083819/
