Filtros : "Machine learning" Limpar

Filtros



Refine with date range


  • Source: Biological Trace Element Research. Unidades: FMRP, FCFRP

    Subjects: METAIS, DENSIDADE ÓSSEA, OSTEOPOROSE, FRATURAS

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

      XIMENEZ, João Paulo B.; ZAMARIOLI, Ariane; KACENA, Melissa A.; BARBOSA, Rommel Melgaço; BARBOSA JUNIOR, Fernando. Association of urinary and blood concentrations of heavy metals with measures of bone mineral density loss: a data mining approach with the results from the national health and nutrition examination survey. Biological Trace Element Research, Heidelberg, v. 199, n. 1, p. 92-101, 2021. Disponível em: < https://doi.org/10.1007/s12011-020-02150-7 > DOI: 10.1007/s12011-020-02150-7.
    • APA

      Ximenez, J. P. B., Zamarioli, A., Kacena, M. A., Barbosa, R. M., & Barbosa Junior, F. (2021). Association of urinary and blood concentrations of heavy metals with measures of bone mineral density loss: a data mining approach with the results from the national health and nutrition examination survey. Biological Trace Element Research, 199( 1), 92-101. doi:10.1007/s12011-020-02150-7
    • NLM

      Ximenez JPB, Zamarioli A, Kacena MA, Barbosa RM, Barbosa Junior F. Association of urinary and blood concentrations of heavy metals with measures of bone mineral density loss: a data mining approach with the results from the national health and nutrition examination survey [Internet]. Biological Trace Element Research. 2021 ; 199( 1): 92-101.Available from: https://doi.org/10.1007/s12011-020-02150-7
    • Vancouver

      Ximenez JPB, Zamarioli A, Kacena MA, Barbosa RM, Barbosa Junior F. Association of urinary and blood concentrations of heavy metals with measures of bone mineral density loss: a data mining approach with the results from the national health and nutrition examination survey [Internet]. Biological Trace Element Research. 2021 ; 199( 1): 92-101.Available from: https://doi.org/10.1007/s12011-020-02150-7
  • Unidade: IME

    Subjects: APRENDIZADO COMPUTACIONAL, INFERÊNCIA BAYESIANA, TEORIA DA DECISÃO

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

      TAKARA, Victor Junji; ESTEVES, Luís Gustavo. Inferência para o modelo Bernoulli na presença de adversários. 2021.Universidade de São Paulo, São Paulo, 2021. Disponível em: < https://www.teses.usp.br/teses/disponiveis/45/45133/tde-12052021-114559/ >.
    • APA

      Takara, V. J., & Esteves, L. G. (2021). Inferência para o modelo Bernoulli na presença de adversários. Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45133/tde-12052021-114559/
    • NLM

      Takara VJ, Esteves LG. Inferência para o modelo Bernoulli na presença de adversários [Internet]. 2021 ;Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-12052021-114559/
    • Vancouver

      Takara VJ, Esteves LG. Inferência para o modelo Bernoulli na presença de adversários [Internet]. 2021 ;Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-12052021-114559/
  • Source: Talanta. Unidades: IFSC, ICMC

    Subjects: CELULOSE, SENSORES BIOMÉDICOS, BIOMARCADORES, NEOPLASIAS PROSTÁTICAS

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

      RODRIGUES, Valquiria Cruz; SOARES, Juliana Coatrini; SOARES, Andrey Coatrini; et al. Electrochemical and optical detection and machine learning applied to images of genosensors for diagnosis of prostate cancer with the biomarker PCA3. Talanta, Amsterdam, v. 222, n. Ja 2021, p. 121444-1-121444-10, 2021. Disponível em: < http://dx.doi.org/10.1016/j.talanta.2020.121444 > DOI: 10.1016/j.talanta.2020.121444.
    • APA

      Rodrigues, V. C., Soares, J. C., Soares, A. C., Braz, D. C., Melendez, M. E., Ribas, L. C., et al. (2021). Electrochemical and optical detection and machine learning applied to images of genosensors for diagnosis of prostate cancer with the biomarker PCA3. Talanta, 222( Ja 2021), 121444-1-121444-10. doi:10.1016/j.talanta.2020.121444
    • NLM

      Rodrigues VC, Soares JC, Soares AC, Braz DC, Melendez ME, Ribas LC, Scabini LF dos S, Bruno OM, Carvalho AL, Reis RM, Sanfelice RC, Oliveira Junior ON de. Electrochemical and optical detection and machine learning applied to images of genosensors for diagnosis of prostate cancer with the biomarker PCA3 [Internet]. Talanta. 2021 ; 222( Ja 2021): 121444-1-121444-10.Available from: http://dx.doi.org/10.1016/j.talanta.2020.121444
    • Vancouver

      Rodrigues VC, Soares JC, Soares AC, Braz DC, Melendez ME, Ribas LC, Scabini LF dos S, Bruno OM, Carvalho AL, Reis RM, Sanfelice RC, Oliveira Junior ON de. Electrochemical and optical detection and machine learning applied to images of genosensors for diagnosis of prostate cancer with the biomarker PCA3 [Internet]. Talanta. 2021 ; 222( Ja 2021): 121444-1-121444-10.Available from: http://dx.doi.org/10.1016/j.talanta.2020.121444
  • Source: Current Genomics. Unidades: IFSC, EP

    Subjects: COMPUTAÇÃO GRÁFICA, COMPUTAÇÃO APLICADA, CIÊNCIA DA COMPUTAÇÃO, INTELIGÊNCIA ARTIFICIAL

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

      MACHICAO, Jeaneth; GRAUDENZI, Alex; ANTONIOTTI, Marco; et al. On the use of topological features of metabolic networks for the classifi-cation of cancer samples. Current Genomics, Sharjah, v. 22, n. 2, p. 88-97, 2021. Disponível em: < http://dx.doi.org/10.2174/1389202922666210301084151 > DOI: 10.2174/1389202922666210301084151.
    • APA

      Machicao, J., Graudenzi, A., Antoniotti, M., Bruno, O. M., Craighero, F., Maspero, D., et al. (2021). On the use of topological features of metabolic networks for the classifi-cation of cancer samples. Current Genomics, 22( 2), 88-97. doi:10.2174/1389202922666210301084151
    • NLM

      Machicao J, Graudenzi A, Antoniotti M, Bruno OM, Craighero F, Maspero D, Angaroni F, Damiani C. On the use of topological features of metabolic networks for the classifi-cation of cancer samples [Internet]. Current Genomics. 2021 ; 22( 2): 88-97.Available from: http://dx.doi.org/10.2174/1389202922666210301084151
    • Vancouver

      Machicao J, Graudenzi A, Antoniotti M, Bruno OM, Craighero F, Maspero D, Angaroni F, Damiani C. On the use of topological features of metabolic networks for the classifi-cation of cancer samples [Internet]. Current Genomics. 2021 ; 22( 2): 88-97.Available from: http://dx.doi.org/10.2174/1389202922666210301084151
  • Source: Microchemical Journal. Unidade: IQSC

    Subjects: RESSONÂNCIA MAGNÉTICA NUCLEAR, CLASSIFICAÇÃO, MATURAÇÃO, TOMATE

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

      BORBA, Karla Rodrigues; OLDONI, Fernanda Campos Alencar; MONARETTO, Tatiana; COLNAGO, Luiz Alberto; FERREIRA, Marcos David. Selection of industrial tomatoes using TD-NMR data and computational classification methods. Microchemical Journal, Philadelphia, Elsevier Inc., v. 164, 2021. Disponível em: < https://doi.org/10.1016/j.microc.2021.106048 > DOI: 10.1016/j.microc.2021.106048.
    • APA

      Borba, K. R., Oldoni, F. C. A., Monaretto, T., Colnago, L. A., & Ferreira, M. D. (2021). Selection of industrial tomatoes using TD-NMR data and computational classification methods. Microchemical Journal, 164. doi:10.1016/j.microc.2021.106048
    • NLM

      Borba KR, Oldoni FCA, Monaretto T, Colnago LA, Ferreira MD. Selection of industrial tomatoes using TD-NMR data and computational classification methods [Internet]. Microchemical Journal. 2021 ; 164Available from: https://doi.org/10.1016/j.microc.2021.106048
    • Vancouver

      Borba KR, Oldoni FCA, Monaretto T, Colnago LA, Ferreira MD. Selection of industrial tomatoes using TD-NMR data and computational classification methods [Internet]. Microchemical Journal. 2021 ; 164Available from: https://doi.org/10.1016/j.microc.2021.106048
  • Source: Biomedical Signal Processing and Control. Unidades: FMRP, FFCLRP

    Subjects: DOENÇA DE CHAGAS, FREQUÊNCIA CARDÍACA, APRENDIZADO COMPUTACIONAL, ECOCARDIOGRAFIA, FATORES DE RISCO

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

      SILVA, Luiz Eduardo Virgilio da; TINÓS, Renato; MARIN NETO, José Antonio; et al. Prediction of echocardiographic parameters in Chagas disease using heart rate variability and machine learning. Biomedical Signal Processing and Control, Amsterdam, v. 67, 2021. Disponível em: < https://doi.org/10.1016/j.bspc.2021.102513 > DOI: 10.1016/j.bspc.2021.102513.
    • APA

      Silva, L. E. V. da, Tinós, R., Marin Neto, J. A., Moreira, H. T., Bernardo, M. M. M., Schmidt, A., et al. (2021). Prediction of echocardiographic parameters in Chagas disease using heart rate variability and machine learning. Biomedical Signal Processing and Control, 67. doi:10.1016/j.bspc.2021.102513
    • NLM

      Silva LEV da, Tinós R, Marin Neto JA, Moreira HT, Bernardo MMM, Schmidt A, Romano MMD, Salgado HC, Fazan Júnior R. Prediction of echocardiographic parameters in Chagas disease using heart rate variability and machine learning [Internet]. Biomedical Signal Processing and Control. 2021 ; 67Available from: https://doi.org/10.1016/j.bspc.2021.102513
    • Vancouver

      Silva LEV da, Tinós R, Marin Neto JA, Moreira HT, Bernardo MMM, Schmidt A, Romano MMD, Salgado HC, Fazan Júnior R. Prediction of echocardiographic parameters in Chagas disease using heart rate variability and machine learning [Internet]. Biomedical Signal Processing and Control. 2021 ; 67Available from: https://doi.org/10.1016/j.bspc.2021.102513
  • Unidade: IME

    Subjects: APRENDIZADO COMPUTACIONAL, INTELIGÊNCIA ARTIFICIAL, LINGUAGEM NATURAL

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

      LEME, Bruno; FINGER, Marcelo. Classificação automática de documentos de características econômicas para defesa jurídica. 2021.Universidade de São Paulo, São Paulo, 2021. Disponível em: < https://www.teses.usp.br/teses/disponiveis/45/45134/tde-05082021-152340/ >.
    • APA

      Leme, B., & Finger, M. (2021). Classificação automática de documentos de características econômicas para defesa jurídica. Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-05082021-152340/
    • NLM

      Leme B, Finger M. Classificação automática de documentos de características econômicas para defesa jurídica [Internet]. 2021 ;Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-05082021-152340/
    • Vancouver

      Leme B, Finger M. Classificação automática de documentos de características econômicas para defesa jurídica [Internet]. 2021 ;Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-05082021-152340/
  • Source: Abstract Book. Conference titles: International Union of Materials Research Societies Internacional Conference in Asia - IUMRS-ICA. Unidades: IFSC, ICMC

    Subjects: NANOTECNOLOGIA, CIÊNCIA, APRENDIZADO COMPUTACIONAL, VISUALIZAÇÃO, SENSORES BIOMÉDICOS, FUTURO

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

      OLIVEIRA JUNIOR, Osvaldo Novais de; OLIVEIRA, Maria Cristina Ferreira de. Information visualization and machine learning for data analysis of sensors and biosensors. Anais.. Beijing: Chinese Materials Research Society - C-MRS, 2021.Disponível em: .
    • APA

      Oliveira Junior, O. N. de, & Oliveira, M. C. F. de. (2021). Information visualization and machine learning for data analysis of sensors and biosensors. In Abstract Book. Beijing: Chinese Materials Research Society - C-MRS. Recuperado de https://iumrs-ica2020.com/img-content/iUMRS_AbstractBook_Revision_A4-O3.pdf
    • NLM

      Oliveira Junior ON de, Oliveira MCF de. Information visualization and machine learning for data analysis of sensors and biosensors [Internet]. Abstract Book. 2021 ;Available from: https://iumrs-ica2020.com/img-content/iUMRS_AbstractBook_Revision_A4-O3.pdf
    • Vancouver

      Oliveira Junior ON de, Oliveira MCF de. Information visualization and machine learning for data analysis of sensors and biosensors [Internet]. Abstract Book. 2021 ;Available from: https://iumrs-ica2020.com/img-content/iUMRS_AbstractBook_Revision_A4-O3.pdf
  • Source: Sensors and Actuators B. Unidade: IFSC

    Subjects: APRENDIZADO COMPUTACIONAL, NANOTECNOLOGIA, CIÊNCIA, FUTURO, LÍNGUA

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

      CHRISTINELLI, Wania A.; FACURE, Murilo H. M.; CERRI, Ricardo; et al. Two-dimensional MoS2-based impedimetric electronic tongue for the discrimination of endocrine disrupting chemicals using machine learning. Sensors and Actuators B, Lausanne, v. 336, p. 129696-1-129696-11, 2021. Disponível em: < https://doi.org/10.1016/j.snb.2021.129696 > DOI: 10.1016/j.snb.2021.129696.
    • APA

      Christinelli, W. A., Facure, M. H. M., Cerri, R., Oliveira Junior, O. N. de, Correa, D. S., Mattoso, L. H. C., & Shimizu, F. M. (2021). Two-dimensional MoS2-based impedimetric electronic tongue for the discrimination of endocrine disrupting chemicals using machine learning. Sensors and Actuators B, 336, 129696-1-129696-11. doi:10.1016/j.snb.2021.129696
    • NLM

      Christinelli WA, Facure MHM, Cerri R, Oliveira Junior ON de, Correa DS, Mattoso LHC, Shimizu FM. Two-dimensional MoS2-based impedimetric electronic tongue for the discrimination of endocrine disrupting chemicals using machine learning [Internet]. Sensors and Actuators B. 2021 ; 336 129696-1-129696-11.Available from: https://doi.org/10.1016/j.snb.2021.129696
    • Vancouver

      Christinelli WA, Facure MHM, Cerri R, Oliveira Junior ON de, Correa DS, Mattoso LHC, Shimizu FM. Two-dimensional MoS2-based impedimetric electronic tongue for the discrimination of endocrine disrupting chemicals using machine learning [Internet]. Sensors and Actuators B. 2021 ; 336 129696-1-129696-11.Available from: https://doi.org/10.1016/j.snb.2021.129696
  • Source: Discover Materials. Unidades: ICMC, IFSC

    Subjects: BIG DATA, INTERNET DAS COISAS, APRENDIZADO COMPUTACIONAL

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

      RODRIGUES JUNIOR, José Fernando; FLOREA, Larisa; OLIVEIRA, Maria Cristina Ferreira de; DIAMOND, Dermot; OLIVEIRA JUNIOR, Osvaldo Novais de. Big data and machine learning for materials science. Discover Materials, Cham, v. 1, n. 1, p. 12-1-12-27, 2021. Disponível em: < http://dx.doi.org/10.1007/s43939-021-00012-0 > DOI: 10.1007/s43939-021-00012-0.
    • APA

      Rodrigues Junior, J. F., Florea, L., Oliveira, M. C. F. de, Diamond, D., & Oliveira Junior, O. N. de. (2021). Big data and machine learning for materials science. Discover Materials, 1( 1), 12-1-12-27. doi:10.1007/s43939-021-00012-0
    • NLM

      Rodrigues Junior JF, Florea L, Oliveira MCF de, Diamond D, Oliveira Junior ON de. Big data and machine learning for materials science [Internet]. Discover Materials. 2021 ; 1( 1): 12-1-12-27.Available from: http://dx.doi.org/10.1007/s43939-021-00012-0
    • Vancouver

      Rodrigues Junior JF, Florea L, Oliveira MCF de, Diamond D, Oliveira Junior ON de. Big data and machine learning for materials science [Internet]. Discover Materials. 2021 ; 1( 1): 12-1-12-27.Available from: http://dx.doi.org/10.1007/s43939-021-00012-0
  • Source: Bulletin of the Chemical Society of Japan. Unidades: IFSC, ICMC

    Subjects: BIOTECNOLOGIA, APRENDIZADO COMPUTACIONAL, SENSOR, FILMES FINOS

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

      POPOLIN NETO, Mário; SOARES, Andrey Coatrini; OLIVEIRA JUNIOR, Osvaldo Novais de; PAULOVICH, Fernando Vieira. Machine learning used to create a multidimensional calibration space for sensing and biosensing data. Bulletin of the Chemical Society of Japan, Tokyo, v. 94, n. 5, p. 1553-1562, 2021. Disponível em: < http://dx.doi.org/10.1246/bcsj.20200359 > DOI: 10.1246/bcsj.20200359.
    • APA

      Popolin Neto, M., Soares, A. C., Oliveira Junior, O. N. de, & Paulovich, F. V. (2021). Machine learning used to create a multidimensional calibration space for sensing and biosensing data. Bulletin of the Chemical Society of Japan, 94( 5), 1553-1562. doi:10.1246/bcsj.20200359
    • NLM

      Popolin Neto M, Soares AC, Oliveira Junior ON de, Paulovich FV. Machine learning used to create a multidimensional calibration space for sensing and biosensing data [Internet]. Bulletin of the Chemical Society of Japan. 2021 ; 94( 5): 1553-1562.Available from: http://dx.doi.org/10.1246/bcsj.20200359
    • Vancouver

      Popolin Neto M, Soares AC, Oliveira Junior ON de, Paulovich FV. Machine learning used to create a multidimensional calibration space for sensing and biosensing data [Internet]. Bulletin of the Chemical Society of Japan. 2021 ; 94( 5): 1553-1562.Available from: http://dx.doi.org/10.1246/bcsj.20200359
  • Unidade: IME

    Subjects: REDES NEURAIS, INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL

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

      NEVES, Carlos Guatimosim; VICENTE, Renato. Analytical variation in the generalization of deep feed-forward neural networks. 2021.Universidade de São Paulo, São Paulo, 2021. Disponível em: < https://www.teses.usp.br/teses/disponiveis/45/45132/tde-19042021-202404/ >.
    • APA

      Neves, C. G., & Vicente, R. (2021). Analytical variation in the generalization of deep feed-forward neural networks. Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45132/tde-19042021-202404/
    • NLM

      Neves CG, Vicente R. Analytical variation in the generalization of deep feed-forward neural networks [Internet]. 2021 ;Available from: https://www.teses.usp.br/teses/disponiveis/45/45132/tde-19042021-202404/
    • Vancouver

      Neves CG, Vicente R. Analytical variation in the generalization of deep feed-forward neural networks [Internet]. 2021 ;Available from: https://www.teses.usp.br/teses/disponiveis/45/45132/tde-19042021-202404/
  • Source: ACS Applied Materials and Interfaces. Unidade: IQSC

    Subjects: ELETRODO, GASES VENENOSOS, ETANOL

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

      GIORDANO, Gabriela F.; FREITAS, Vitoria M. S.; SCHLEDER, Gabriel R.; et al. Bifunctional Metal Meshes Acting as a Semipermeable Membrane and Electrode for Sensitive Electrochemical Determination of Volatile Compounds. ACS Applied Materials and Interfaces, Washington, v. 13, p. 35914–35923, 2021. Disponível em: < https://doi-org.ez67.periodicos.capes.gov.br/10.1021/acsami.1c07874 > DOI: 10.1021/acsami.1c07874.
    • APA

      Giordano, G. F., Freitas, V. M. S., Schleder, G. R., Santhiago, M., Gobbi, A. L., & Lima, R. S. (2021). Bifunctional Metal Meshes Acting as a Semipermeable Membrane and Electrode for Sensitive Electrochemical Determination of Volatile Compounds. ACS Applied Materials and Interfaces, 13, 35914–35923. doi:10.1021/acsami.1c07874
    • NLM

      Giordano GF, Freitas VMS, Schleder GR, Santhiago M, Gobbi AL, Lima RS. Bifunctional Metal Meshes Acting as a Semipermeable Membrane and Electrode for Sensitive Electrochemical Determination of Volatile Compounds [Internet]. ACS Applied Materials and Interfaces. 2021 ;13 35914–35923.Available from: https://doi-org.ez67.periodicos.capes.gov.br/10.1021/acsami.1c07874
    • Vancouver

      Giordano GF, Freitas VMS, Schleder GR, Santhiago M, Gobbi AL, Lima RS. Bifunctional Metal Meshes Acting as a Semipermeable Membrane and Electrode for Sensitive Electrochemical Determination of Volatile Compounds [Internet]. ACS Applied Materials and Interfaces. 2021 ;13 35914–35923.Available from: https://doi-org.ez67.periodicos.capes.gov.br/10.1021/acsami.1c07874
  • Source: Frontiers in Sensors. Unidades: IFSC, ICMC

    Subjects: NANOTECNOLOGIA, APRENDIZADO COMPUTACIONAL, INTELIGÊNCIA ARTIFICIAL, FUTURO, COMPUTAÇÃO MÓVEL, SENSOR

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

      OLIVEIRA JUNIOR, Osvaldo Novais de; OLIVEIRA, Maria Cristina Ferreira de. Sensing and biosensing in the world of autonomous machines and intelligent systems. Frontiers in Sensors, Lausanne, v. 2, p. 752754-1-752754-7, 2021. Disponível em: < https://doi.org/10.3389/fsens.2021.752754 > DOI: 10.3389/fsens.2021.752754.
    • APA

      Oliveira Junior, O. N. de, & Oliveira, M. C. F. de. (2021). Sensing and biosensing in the world of autonomous machines and intelligent systems. Frontiers in Sensors, 2, 752754-1-752754-7. doi:10.3389/fsens.2021.752754
    • NLM

      Oliveira Junior ON de, Oliveira MCF de. Sensing and biosensing in the world of autonomous machines and intelligent systems [Internet]. Frontiers in Sensors. 2021 ; 2 752754-1-752754-7.Available from: https://doi.org/10.3389/fsens.2021.752754
    • Vancouver

      Oliveira Junior ON de, Oliveira MCF de. Sensing and biosensing in the world of autonomous machines and intelligent systems [Internet]. Frontiers in Sensors. 2021 ; 2 752754-1-752754-7.Available from: https://doi.org/10.3389/fsens.2021.752754
  • Unidade: IME

    Assunto: APRENDIZADO COMPUTACIONAL

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

      RODRIGUES, Francisco Caio Maia; HIRATA JÚNIOR, Roberto. Visual analytics for machine learning - computing and leveraging decision boundary maps. 2020.Universidade de São Paulo, São Paulo, 2020. Disponível em: < https://www.teses.usp.br/teses/disponiveis/45/45134/tde-27112020-071803/ >.
    • APA

      Rodrigues, F. C. M., & Hirata Júnior, R. (2020). Visual analytics for machine learning - computing and leveraging decision boundary maps. Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-27112020-071803/
    • NLM

      Rodrigues FCM, Hirata Júnior R. Visual analytics for machine learning - computing and leveraging decision boundary maps [Internet]. 2020 ;Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-27112020-071803/
    • Vancouver

      Rodrigues FCM, Hirata Júnior R. Visual analytics for machine learning - computing and leveraging decision boundary maps [Internet]. 2020 ;Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-27112020-071803/
  • Unidade: FMRP

    Subjects: FATORES DE TRANSCRIÇÃO, APRENDIZADO COMPUTACIONAL, REGULAÇÃO GÊNICA, BIOINFORMÁTICA, BIOLOGIA SINTÉTICA, ESCHERICHIA COLI, GENOMAS, BACTÉRIAS

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

      MONTEIRO, Lummy Maria Oliveira; ROCHA, Rafael Silva. Deciphering the architecture/function relationship in complex bacterial promoters through Synthetic Biology approaches. 2020.Universidade de São Paulo, Ribeirão Preto, 2020. Disponível em: < https://www.teses.usp.br/teses/disponiveis/17/17131/tde-08022021-151242/ >.
    • APA

      Monteiro, L. M. O., & Rocha, R. S. (2020). Deciphering the architecture/function relationship in complex bacterial promoters through Synthetic Biology approaches. Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/17/17131/tde-08022021-151242/
    • NLM

      Monteiro LMO, Rocha RS. Deciphering the architecture/function relationship in complex bacterial promoters through Synthetic Biology approaches [Internet]. 2020 ;Available from: https://www.teses.usp.br/teses/disponiveis/17/17131/tde-08022021-151242/
    • Vancouver

      Monteiro LMO, Rocha RS. Deciphering the architecture/function relationship in complex bacterial promoters through Synthetic Biology approaches [Internet]. 2020 ;Available from: https://www.teses.usp.br/teses/disponiveis/17/17131/tde-08022021-151242/
  • Unidade: BIOINFORMÁTICA

    Subjects: BIOINFORMÁTICA, APRENDIZADO COMPUTACIONAL, DOENÇA DE CHAGAS, PROCESSAMENTO DE IMAGENS

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

      SILVA, Diogo Matos da; NAKAYA, Helder Takashi Imoto; COSTA, Luciano da Fontoura. Análise e reconhecimento da forma tripomastigota de Trypanosoma cruzi para parasitemia automatizada em imagens com baixa densidade de pontos. 2020.Universidade de São Paulo, São Paulo, 2020. Disponível em: < https://www.teses.usp.br/teses/disponiveis/95/95131/tde-14122020-180409/ >.
    • APA

      Silva, D. M. da, Nakaya, H. T. I., & Costa, L. da F. (2020). Análise e reconhecimento da forma tripomastigota de Trypanosoma cruzi para parasitemia automatizada em imagens com baixa densidade de pontos. Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/95/95131/tde-14122020-180409/
    • NLM

      Silva DM da, Nakaya HTI, Costa L da F. Análise e reconhecimento da forma tripomastigota de Trypanosoma cruzi para parasitemia automatizada em imagens com baixa densidade de pontos [Internet]. 2020 ;Available from: https://www.teses.usp.br/teses/disponiveis/95/95131/tde-14122020-180409/
    • Vancouver

      Silva DM da, Nakaya HTI, Costa L da F. Análise e reconhecimento da forma tripomastigota de Trypanosoma cruzi para parasitemia automatizada em imagens com baixa densidade de pontos [Internet]. 2020 ;Available from: https://www.teses.usp.br/teses/disponiveis/95/95131/tde-14122020-180409/
  • Source: Journal of Biomedical Informatics. Unidade: FFCLRP

    Subjects: CUIDADOS INTENSIVOS, UNIDADES DE TERAPIA INTENSIVA, PREDIÇÃO, MORTALIDADE, ANÁLISE DE DADOS, APRENDIZADO COMPUTACIONAL

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

      MONTEIRO, Flávio; MELONI, Fernando; BARANAUSKAS, José Augusto; MACEDO, Alessandra Alaniz. Prediction of mortality in Intensive Care Units: a multivariate feature selection. Journal of Biomedical Informatics, Maryland Heights, v. 107, 2020. Disponível em: < https://doi.org/10.1016/j.jbi.2020.103456 > DOI: 10.1016/j.jbi.2020.103456.
    • APA

      Monteiro, F., Meloni, F., Baranauskas, J. A., & Macedo, A. A. (2020). Prediction of mortality in Intensive Care Units: a multivariate feature selection. Journal of Biomedical Informatics, 107. doi:10.1016/j.jbi.2020.103456
    • NLM

      Monteiro F, Meloni F, Baranauskas JA, Macedo AA. Prediction of mortality in Intensive Care Units: a multivariate feature selection [Internet]. Journal of Biomedical Informatics. 2020 ; 107Available from: https://doi.org/10.1016/j.jbi.2020.103456
    • Vancouver

      Monteiro F, Meloni F, Baranauskas JA, Macedo AA. Prediction of mortality in Intensive Care Units: a multivariate feature selection [Internet]. Journal of Biomedical Informatics. 2020 ; 107Available from: https://doi.org/10.1016/j.jbi.2020.103456
  • Source: Computers in Biology and Medicine. Unidades: FMRP, FFCLRP

    Subjects: RESSONÂNCIA MAGNÉTICA, ADENOMA, GLÂNDULA PITUITÁRIA, RECIDIVA LOCAL DE NEOPLASIA, APRENDIZADO COMPUTACIONAL

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

      MACHADO, Leonardo Ferreira; ELIAS, Paula C. L.; MOREIRA, Ayrton Custódio; SANTOS, Antonio Carlos dos; MURTA JÚNIOR, Luiz Otávio. MRI radiomics for the prediction of recurrence in patients with clinically non-functioning pituitary macroadenomas. Computers in Biology and Medicine, Oxford, v. 124, 2020. Disponível em: < https://doi.org/10.1016/j.compbiomed.2020.103966 > DOI: 10.1016/j.compbiomed.2020.103966.
    • APA

      Machado, L. F., Elias, P. C. L., Moreira, A. C., Santos, A. C. dos, & Murta Júnior, L. O. (2020). MRI radiomics for the prediction of recurrence in patients with clinically non-functioning pituitary macroadenomas. Computers in Biology and Medicine, 124. doi:10.1016/j.compbiomed.2020.103966
    • NLM

      Machado LF, Elias PCL, Moreira AC, Santos AC dos, Murta Júnior LO. MRI radiomics for the prediction of recurrence in patients with clinically non-functioning pituitary macroadenomas [Internet]. Computers in Biology and Medicine. 2020 ; 124Available from: https://doi.org/10.1016/j.compbiomed.2020.103966
    • Vancouver

      Machado LF, Elias PCL, Moreira AC, Santos AC dos, Murta Júnior LO. MRI radiomics for the prediction of recurrence in patients with clinically non-functioning pituitary macroadenomas [Internet]. Computers in Biology and Medicine. 2020 ; 124Available from: https://doi.org/10.1016/j.compbiomed.2020.103966
  • Source: Government Information Quarterly. Unidade: IME

    Subjects: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL

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

      CORRÊA, Andreiwid Sheffer; MELO JR., Alencar; SILVA, Flávio Soares Corrêa da. A deep search method to survey data portals in the whole web: toward a machine learning classification model. Government Information Quarterly, Greenwich, v. 37, n. 4, p. 1-15, 2020. Disponível em: < https://doi.org/10.1016/j.giq.2020.101510 > DOI: 10.1016/j.giq.2020.101510.
    • APA

      Corrêa, A. S., Melo Jr., A., & Silva, F. S. C. da. (2020). A deep search method to survey data portals in the whole web: toward a machine learning classification model. Government Information Quarterly, 37( 4), 1-15. doi:10.1016/j.giq.2020.101510
    • NLM

      Corrêa AS, Melo Jr. A, Silva FSC da. A deep search method to survey data portals in the whole web: toward a machine learning classification model [Internet]. Government Information Quarterly. 2020 ; 37( 4): 1-15.Available from: https://doi.org/10.1016/j.giq.2020.101510
    • Vancouver

      Corrêa AS, Melo Jr. A, Silva FSC da. A deep search method to survey data portals in the whole web: toward a machine learning classification model [Internet]. Government Information Quarterly. 2020 ; 37( 4): 1-15.Available from: https://doi.org/10.1016/j.giq.2020.101510

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2021