Filtros : "Splines" Limpar

Filtros



Refine with date range


  • Source: Signal Processing. Unidade: IME

    Subjects: ANÁLISE DE ONDALETAS, ANÁLISE DE SÉRIES TEMPORAIS

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

      PINTO, Mateus Gonzalez de Freitas e CHIANN, Chang. A maximum-likelihood-based approach to estimate the long memory parameter using fractional spline wavelets. Signal Processing, v. 222, n. artigo 109518, p. 1-11, 2024Tradução . . Disponível em: https://doi.org/10.1016/j.sigpro.2024.109518. Acesso em: 03 jan. 2026.
    • APA

      Pinto, M. G. de F., & Chiann, C. (2024). A maximum-likelihood-based approach to estimate the long memory parameter using fractional spline wavelets. Signal Processing, 222( artigo 109518), 1-11. doi:10.1016/j.sigpro.2024.109518
    • NLM

      Pinto MG de F, Chiann C. A maximum-likelihood-based approach to estimate the long memory parameter using fractional spline wavelets [Internet]. Signal Processing. 2024 ; 222( artigo 109518): 1-11.[citado 2026 jan. 03 ] Available from: https://doi.org/10.1016/j.sigpro.2024.109518
    • Vancouver

      Pinto MG de F, Chiann C. A maximum-likelihood-based approach to estimate the long memory parameter using fractional spline wavelets [Internet]. Signal Processing. 2024 ; 222( artigo 109518): 1-11.[citado 2026 jan. 03 ] Available from: https://doi.org/10.1016/j.sigpro.2024.109518
  • Source: Digital Signal Processing. Unidade: IME

    Subjects: ANÁLISE DE ONDALETAS, ANÁLISE DE SÉRIES TEMPORAIS

    Versão PublicadaAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      PINTO, Mateus Gonzalez de Freitas e CHIANN, Chang. Long-memory parameter estimation based on fractional spline wavelets. Digital Signal Processing, v. 133, n. artigo 103836, p. 1-12, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.dsp.2022.103836. Acesso em: 03 jan. 2026.
    • APA

      Pinto, M. G. de F., & Chiann, C. (2023). Long-memory parameter estimation based on fractional spline wavelets. Digital Signal Processing, 133( artigo 103836), 1-12. doi:10.1016/j.dsp.2022.103836
    • NLM

      Pinto MG de F, Chiann C. Long-memory parameter estimation based on fractional spline wavelets [Internet]. Digital Signal Processing. 2023 ; 133( artigo 103836): 1-12.[citado 2026 jan. 03 ] Available from: https://doi.org/10.1016/j.dsp.2022.103836
    • Vancouver

      Pinto MG de F, Chiann C. Long-memory parameter estimation based on fractional spline wavelets [Internet]. Digital Signal Processing. 2023 ; 133( artigo 103836): 1-12.[citado 2026 jan. 03 ] Available from: https://doi.org/10.1016/j.dsp.2022.103836
  • Source: Livro de Resumos. Conference titles: Simpósio Nacional de Probabilidade e Estatística - SINAPE. Unidade: IME

    Subjects: MODELOS NÃO LINEARES, ANÁLISE DE SÉRIES TEMPORAIS, DISTRIBUIÇÃO T

    Versão PublicadaAcesso à fonteHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      TADDEO, Marcelo Magalhães e MORETTIN, Pedro Alberto. Robust semiparametric nonlinear autoregressive models. 2022, Anais.. São Paulo: ABE, 2022. Disponível em: https://app.eventize.com.br/upload/004449/files/Sinape2022_FINAL.pdf. Acesso em: 03 jan. 2026.
    • APA

      Taddeo, M. M., & Morettin, P. A. (2022). Robust semiparametric nonlinear autoregressive models. In Livro de Resumos. São Paulo: ABE. Recuperado de https://app.eventize.com.br/upload/004449/files/Sinape2022_FINAL.pdf
    • NLM

      Taddeo MM, Morettin PA. Robust semiparametric nonlinear autoregressive models [Internet]. Livro de Resumos. 2022 ;[citado 2026 jan. 03 ] Available from: https://app.eventize.com.br/upload/004449/files/Sinape2022_FINAL.pdf
    • Vancouver

      Taddeo MM, Morettin PA. Robust semiparametric nonlinear autoregressive models [Internet]. Livro de Resumos. 2022 ;[citado 2026 jan. 03 ] Available from: https://app.eventize.com.br/upload/004449/files/Sinape2022_FINAL.pdf

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