Menu

Filtros : "Graph neural networks" Limpar

Filtros

Refine with date range

  • 1

1 - 7 (7 records)

  • Trabalho de evento-anais periodico

    Modeling and predicting crimes in the city of São Paulo using graph neural networks (2025)

    Hassan, Waqar ; Cabral, Marvin Mendes ; Ramos, Thiago Rodrigo ; Castelo, Antonio ; Nonato, Luis Gustavo

    Source: Lecture Notes in Artificial Intelligence - LNAI. Conference titles: Brazilian Conference on Intelligent Systems - BRACIS. Unidade: ICMC

    Subjects: SEGURANÇA PÚBLICA, MODELAGEM DE DADOS, REDES NEURAIS, CRIME

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      HASSAN, Waqar et al. Modeling and predicting crimes in the city of São Paulo using graph neural networks. Lecture Notes in Artificial Intelligence - LNAI. Cham: Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo. Disponível em: https://doi.org/10.1007/978-3-031-79035-5_26. Acesso em: 04 jan. 2026. , 2025

    • APA

      Hassan, W., Cabral, M. M., Ramos, T. R., Castelo, A., & Nonato, L. G. (2025). Modeling and predicting crimes in the city of São Paulo using graph neural networks. Lecture Notes in Artificial Intelligence - LNAI. Cham: Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo. doi:10.1007/978-3-031-79035-5_26

    • NLM

      Hassan W, Cabral MM, Ramos TR, Castelo A, Nonato LG. Modeling and predicting crimes in the city of São Paulo using graph neural networks [Internet]. Lecture Notes in Artificial Intelligence - LNAI. 2025 ; 15414 372-386.[citado 2026 jan. 04 ] Available from: https://doi.org/10.1007/978-3-031-79035-5_26

    • Vancouver

      Hassan W, Cabral MM, Ramos TR, Castelo A, Nonato LG. Modeling and predicting crimes in the city of São Paulo using graph neural networks [Internet]. Lecture Notes in Artificial Intelligence - LNAI. 2025 ; 15414 372-386.[citado 2026 jan. 04 ] Available from: https://doi.org/10.1007/978-3-031-79035-5_26

  • Artigo de periodico

    One-class graph autoencoder: a new end-to-end, low-dimensional, and interpretable approach for node classfication (2025)

    Gôlo, Marcos Paulo Silva ; Medeiros Júnior, José Gilberto Barbosa de ; Silva, Diego Furtado ; Marcacini, Ricardo Marcondes

    Source: Information Sciences. Unidade: ICMC

    Subjects: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, TEORIA DOS GRAFOS

    Disponível em 2027-09-01Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      GÔLO, Marcos Paulo Silva et al. One-class graph autoencoder: a new end-to-end, low-dimensional, and interpretable approach for node classfication. Information Sciences, v. 708, p. 1-17, 2025Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2025.122060. Acesso em: 04 jan. 2026.

    • APA

      Gôlo, M. P. S., Medeiros Júnior, J. G. B. de, Silva, D. F., & Marcacini, R. M. (2025). One-class graph autoencoder: a new end-to-end, low-dimensional, and interpretable approach for node classfication. Information Sciences, 708, 1-17. doi:10.1016/j.ins.2025.122060

    • NLM

      Gôlo MPS, Medeiros Júnior JGB de, Silva DF, Marcacini RM. One-class graph autoencoder: a new end-to-end, low-dimensional, and interpretable approach for node classfication [Internet]. Information Sciences. 2025 ; 708 1-17.[citado 2026 jan. 04 ] Available from: https://doi.org/10.1016/j.ins.2025.122060

    • Vancouver

      Gôlo MPS, Medeiros Júnior JGB de, Silva DF, Marcacini RM. One-class graph autoencoder: a new end-to-end, low-dimensional, and interpretable approach for node classfication [Internet]. Information Sciences. 2025 ; 708 1-17.[citado 2026 jan. 04 ] Available from: https://doi.org/10.1016/j.ins.2025.122060

  • Trabalho de evento-anais periodico

    Modeling EEG data into graphs for the prognostic of patients in coma using graph neural networks (2025)

    Nascimento Junior, Odelmo O.; Assis, Dhara L. C.; Destro Filho, João Batista; Liang, Zhao ; Carneiro, Murillo Guimarães

    Source: Lecture Notes in Artificial Intelligence - Intelligent Systems. Conference titles: Brazilian Conference on Intelligent Systems, BRACIS. Unidade: FFCLRP

    Subjects: REDE NERVOSA, COMA, ELETROENCEFALOGRAFIA, MONITORAMENTO, CÉREBRO

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      NASCIMENTO JUNIOR, Odelmo O. et al. Modeling EEG data into graphs for the prognostic of patients in coma using graph neural networks. Lecture Notes in Artificial Intelligence - Intelligent Systems. Cham: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, Universidade de São Paulo. Disponível em: https://doi.org/10.1007/978-3-031-79038-6_16. Acesso em: 04 jan. 2026. , 2025

    • APA

      Nascimento Junior, O. O., Assis, D. L. C., Destro Filho, J. B., Liang, Z., & Carneiro, M. G. (2025). Modeling EEG data into graphs for the prognostic of patients in coma using graph neural networks. Lecture Notes in Artificial Intelligence - Intelligent Systems. Cham: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, Universidade de São Paulo. doi:10.1007/978-3-031-79038-6_16

    • NLM

      Nascimento Junior OO, Assis DLC, Destro Filho JB, Liang Z, Carneiro MG. Modeling EEG data into graphs for the prognostic of patients in coma using graph neural networks [Internet]. Lecture Notes in Artificial Intelligence - Intelligent Systems. 2025 ; 15415 223-237.[citado 2026 jan. 04 ] Available from: https://doi.org/10.1007/978-3-031-79038-6_16

    • Vancouver

      Nascimento Junior OO, Assis DLC, Destro Filho JB, Liang Z, Carneiro MG. Modeling EEG data into graphs for the prognostic of patients in coma using graph neural networks [Internet]. Lecture Notes in Artificial Intelligence - Intelligent Systems. 2025 ; 15415 223-237.[citado 2026 jan. 04 ] Available from: https://doi.org/10.1007/978-3-031-79038-6_16

  • Tese (Doutorado)

    Graph Neural Networks contributions and advancements (2024)

    Gonçalves, Thales ; Nonato, Luis Gustavo (Orientador)

    Unidade: ICMC

    Subjects: REDES NEURAIS, APRENDIZADO COMPUTACIONAL, GRAFOS ALEATÓRIOS

    Acesso à fonteAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      GONÇALVES, Thales. Graph Neural Networks contributions and advancements. 2024. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-16072024-103201/. Acesso em: 04 jan. 2026.

    • APA

      Gonçalves, T. (2024). Graph Neural Networks contributions and advancements (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-16072024-103201/

    • NLM

      Gonçalves T. Graph Neural Networks contributions and advancements [Internet]. 2024 ;[citado 2026 jan. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-16072024-103201/

    • Vancouver

      Gonçalves T. Graph Neural Networks contributions and advancements [Internet]. 2024 ;[citado 2026 jan. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-16072024-103201/

  • Tese (Doutorado)

    Music representation learning based on heterogeneous graph (2024)

    Silva, Angelo Cesar Mendes da ; Marcacini, Ricardo Marcondes (Orientador) ; Silva, Diego Furtado (coorient)

    Unidade: ICMC

    Subjects: APRENDIZADO COMPUTACIONAL, MÚSICA, MINERAÇÃO DE DADOS, INTELIGÊNCIA ARTIFICIAL

    Acesso à fonteAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SILVA, Angelo Cesar Mendes da. Music representation learning based on heterogeneous graph. 2024. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-24012025-150432/. Acesso em: 04 jan. 2026.

    • APA

      Silva, A. C. M. da. (2024). Music representation learning based on heterogeneous graph (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-24012025-150432/

    • NLM

      Silva ACM da. Music representation learning based on heterogeneous graph [Internet]. 2024 ;[citado 2026 jan. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-24012025-150432/

    • Vancouver

      Silva ACM da. Music representation learning based on heterogeneous graph [Internet]. 2024 ;[citado 2026 jan. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-24012025-150432/

  • Artigo de periodico

    A deep reinforcement learning approach with visual semantic navigation with memory for mobile robots in indoor home context (2022)

    Santos, Iury Batista de Andrade ; Romero, Roseli Aparecida Francelin

    Source: Journal of Intelligent & Robotic Systems. Unidade: ICMC

    Subjects: VISÃO COMPUTACIONAL, REDES NEURAIS, ROBÓTICA

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SANTOS, Iury Batista de Andrade e ROMERO, Roseli Aparecida Francelin. A deep reinforcement learning approach with visual semantic navigation with memory for mobile robots in indoor home context. Journal of Intelligent & Robotic Systems, v. 104, n. 3, p. 1-21, 2022Tradução . . Disponível em: https://doi.org/10.1007/s10846-021-01566-0. Acesso em: 04 jan. 2026.

    • APA

      Santos, I. B. de A., & Romero, R. A. F. (2022). A deep reinforcement learning approach with visual semantic navigation with memory for mobile robots in indoor home context. Journal of Intelligent & Robotic Systems, 104( 3), 1-21. doi:10.1007/s10846-021-01566-0

    • NLM

      Santos IB de A, Romero RAF. A deep reinforcement learning approach with visual semantic navigation with memory for mobile robots in indoor home context [Internet]. Journal of Intelligent & Robotic Systems. 2022 ; 104( 3): 1-21.[citado 2026 jan. 04 ] Available from: https://doi.org/10.1007/s10846-021-01566-0

    • Vancouver

      Santos IB de A, Romero RAF. A deep reinforcement learning approach with visual semantic navigation with memory for mobile robots in indoor home context [Internet]. Journal of Intelligent & Robotic Systems. 2022 ; 104( 3): 1-21.[citado 2026 jan. 04 ] Available from: https://doi.org/10.1007/s10846-021-01566-0

  • Dissertação (Mestrado)

    Redes neurais para grafos e suas aplicações aos sistemas complexos (2022)

    Carvalho, Guilherme Michel Lima de; Rodrigues, Francisco Aparecido (Orientador)

    Unidade: Interinstitucional de Pós-Graduação em Estatística

    Subjects: REDES NEURAIS, APRENDIZADO COMPUTACIONAL, REDES COMPLEXAS, TEORIA DOS GRAFOS, ANÁLISE DE REGRESSÃO E DE CORRELAÇÃO

    Acesso à fonteAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      CARVALHO, Guilherme Michel Lima de. Redes neurais para grafos e suas aplicações aos sistemas complexos. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-07062022-132235/. Acesso em: 04 jan. 2026.

    • APA

      Carvalho, G. M. L. de. (2022). Redes neurais para grafos e suas aplicações aos sistemas complexos (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-07062022-132235/

    • NLM

      Carvalho GML de. Redes neurais para grafos e suas aplicações aos sistemas complexos [Internet]. 2022 ;[citado 2026 jan. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-07062022-132235/

    • Vancouver

      Carvalho GML de. Redes neurais para grafos e suas aplicações aos sistemas complexos [Internet]. 2022 ;[citado 2026 jan. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-07062022-132235/
  • 1

1 - 7 (7 records)

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2026