ReP USP - Resultado da busca

Tese (Doutorado)
Bayesian network quantization method and structural learning (2024)
Ribeiro, Rafael Rodrigues Mendes; Maciel, Carlos Dias (Orientador)
Unidade: EESC
Subjects: ALGORITMOS, REDES NEURAIS, APRENDIZADO COMPUTACIONAL, INFERÊNCIA BAYESIANA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RIBEIRO, Rafael Rodrigues Mendes. Bayesian network quantization method and structural learning. 2024. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-08032024-101119/. Acesso em: 12 nov. 2024.
APA
Ribeiro, R. R. M. (2024). Bayesian network quantization method and structural learning (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18153/tde-08032024-101119/
NLM
Ribeiro RRM. Bayesian network quantization method and structural learning [Internet]. 2024 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-08032024-101119/
Vancouver
Ribeiro RRM. Bayesian network quantization method and structural learning [Internet]. 2024 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-08032024-101119/
Trabalho de evento
Quantifying uncertainty in bayesian networks structural learning (2024)
Barth, Vitor Bruno de Oliveira; Caetano, Henrique de Oliveira; Maciel, Carlos Dias ; Aiello, Marco
Source: Proceedings. Conference titles: IEEE International Conference on Evolving and Adaptive Intelligent Systems. Unidade: EESC
Subjects: INFERÊNCIA BAYESIANA, APRENDIZADO COMPUTACIONAL, ENGENHARIA ELÉTRICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BARTH, Vitor Bruno de Oliveira et al. Quantifying uncertainty in bayesian networks structural learning. 2024, Anais.. Picataway, NJ, USA: Escola de Engenharia de São Carlos, Universidade de São Paulo, 2024. Disponível em: https://dx.doi.org/10.1109/EAIS58494.2024.10570017. Acesso em: 12 nov. 2024.
APA
Barth, V. B. de O., Caetano, H. de O., Maciel, C. D., & Aiello, M. (2024). Quantifying uncertainty in bayesian networks structural learning. In Proceedings. Picataway, NJ, USA: Escola de Engenharia de São Carlos, Universidade de São Paulo. doi:10.1109/EAIS58494.2024.10570017
NLM
Barth VB de O, Caetano H de O, Maciel CD, Aiello M. Quantifying uncertainty in bayesian networks structural learning [Internet]. Proceedings. 2024 ;[citado 2024 nov. 12 ] Available from: https://dx.doi.org/10.1109/EAIS58494.2024.10570017
Vancouver
Barth VB de O, Caetano H de O, Maciel CD, Aiello M. Quantifying uncertainty in bayesian networks structural learning [Internet]. Proceedings. 2024 ;[citado 2024 nov. 12 ] Available from: https://dx.doi.org/10.1109/EAIS58494.2024.10570017
Dissertação (Mestrado)
FBST em problemas de likelihood-free (2023)
Musetti, Marcela; Esteves, Luís Gustavo (Orientador)
Unidade: IME
Subjects: APRENDIZADO COMPUTACIONAL, INFERÊNCIA BAYESIANA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MUSETTI, Marcela. FBST em problemas de likelihood-free. 2023. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-03042023-095110/. Acesso em: 12 nov. 2024.
APA
Musetti, M. (2023). FBST em problemas de likelihood-free (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45133/tde-03042023-095110/
NLM
Musetti M. FBST em problemas de likelihood-free [Internet]. 2023 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-03042023-095110/
Vancouver
Musetti M. FBST em problemas de likelihood-free [Internet]. 2023 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-03042023-095110/
Dissertação (Mestrado)
Um método Bayesiano orientado a dados para o aprendizado estrutural de Redes Bayesianas (2023)
Barth, Vitor Bruno de Oliveira; Maciel, Carlos Dias (Orientador)
Unidade: EESC
Subjects: INTELIGÊNCIA ARTIFICIAL, INFERÊNCIA BAYESIANA, APRENDIZADO COMPUTACIONAL, CADEIAS DE MARKOV, MÉTODO DE MONTE CARLO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BARTH, Vitor Bruno de Oliveira. Um método Bayesiano orientado a dados para o aprendizado estrutural de Redes Bayesianas. 2023. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-10042023-154512/. Acesso em: 12 nov. 2024.
APA
Barth, V. B. de O. (2023). Um método Bayesiano orientado a dados para o aprendizado estrutural de Redes Bayesianas (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18153/tde-10042023-154512/
NLM
Barth VB de O. Um método Bayesiano orientado a dados para o aprendizado estrutural de Redes Bayesianas [Internet]. 2023 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-10042023-154512/
Vancouver
Barth VB de O. Um método Bayesiano orientado a dados para o aprendizado estrutural de Redes Bayesianas [Internet]. 2023 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-10042023-154512/
Dissertação (Mestrado)
Modelos Lomax assimétricos: uma nova abordagem para a classificação de dados binários desbalanceados (2023)
Reis, Leticia Ferreira Murça; Louzada, Francisco (Orientador)
Unidade: INTER:ICMC-UFSCAR
Subjects: APRENDIZADO COMPUTACIONAL, INFERÊNCIA ESTATÍSTICA, INFERÊNCIA BAYESIANA, SOFTWARE ESTATÍSTICO PARA MICROCOMPUTADORES, DISTRIBUIÇÕES (PROBABILIDADE)
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
REIS, Leticia Ferreira Murça. Modelos Lomax assimétricos: uma nova abordagem para a classificação de dados binários desbalanceados. 2023. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-28082023-201136/. Acesso em: 12 nov. 2024.
APA
Reis, L. F. M. (2023). Modelos Lomax assimétricos: uma nova abordagem para a classificação de dados binários desbalanceados (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-28082023-201136/
NLM
Reis LFM. Modelos Lomax assimétricos: uma nova abordagem para a classificação de dados binários desbalanceados [Internet]. 2023 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-28082023-201136/
Vancouver
Reis LFM. Modelos Lomax assimétricos: uma nova abordagem para a classificação de dados binários desbalanceados [Internet]. 2023 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-28082023-201136/
Tese (Doutorado)
Evolving discrete dynamic bayesian networks: an approach for time series (2023)
Santos, Talysson Manoel de Oliveira; Silva, Ivan Nunes da (Orientador)
Unidade: EESC
Subjects: INFERÊNCIA BAYESIANA, GÁS CARBÔNICO, ANÁLISE DE SÉRIES TEMPORAIS, APRENDIZADO COMPUTACIONAL, PROBABILIDADE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SANTOS, Talysson Manoel de Oliveira. Evolving discrete dynamic bayesian networks: an approach for time series. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-20092023-105645/. Acesso em: 12 nov. 2024.
APA
Santos, T. M. de O. (2023). Evolving discrete dynamic bayesian networks: an approach for time series (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18153/tde-20092023-105645/
NLM
Santos TM de O. Evolving discrete dynamic bayesian networks: an approach for time series [Internet]. 2023 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-20092023-105645/
Vancouver
Santos TM de O. Evolving discrete dynamic bayesian networks: an approach for time series [Internet]. 2023 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-20092023-105645/
Artigo de periodico
Learning curves for the multi-class teacher–student perceptron (2023)
Cornacchia, Elisabetta; Mignacco, Francesca; Veiga, Rodrigo ; Gerbelot, Cédric; Loureiro, Bruno; Zdeborová, Lenka
Source: Machine Learning: Science and Technology. Unidade: IF
Subjects: MECÂNICA ESTATÍSTICA, APRENDIZADO COMPUTACIONAL, INFERÊNCIA BAYESIANA, TEORIA DO RISCO, ALGORITMOS, INOVAÇÕES TECNOLÓGICAS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CORNACCHIA, Elisabetta et al. Learning curves for the multi-class teacher–student perceptron. Machine Learning: Science and Technology, v. 4, n. 1, p. 36 ; open access, 2023Tradução . . Disponível em: https://doi.org/10.1088/2632-2153/acb428. Acesso em: 12 nov. 2024.
APA
Cornacchia, E., Mignacco, F., Veiga, R., Gerbelot, C., Loureiro, B., & Zdeborová, L. (2023). Learning curves for the multi-class teacher–student perceptron. Machine Learning: Science and Technology, 4( 1), 36 ; open access. doi:10.1088/2632-2153/acb428
NLM
Cornacchia E, Mignacco F, Veiga R, Gerbelot C, Loureiro B, Zdeborová L. Learning curves for the multi-class teacher–student perceptron [Internet]. Machine Learning: Science and Technology. 2023 ; 4( 1): 36 ; open access.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1088/2632-2153/acb428
Vancouver
Cornacchia E, Mignacco F, Veiga R, Gerbelot C, Loureiro B, Zdeborová L. Learning curves for the multi-class teacher–student perceptron [Internet]. Machine Learning: Science and Technology. 2023 ; 4( 1): 36 ; open access.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1088/2632-2153/acb428
Artigo de periodico
Learning forecast-efficient yield curve factor decompositions with neural networks (2022)
Kauffmann, Piero Conti; Takada, Hellinton Hatsuo ; Terada, Ana Paula Takahashi; Stern, Julio Michael
Source: Econometrics. Unidade: IME
Subjects: REDES NEURAIS, APRENDIZADO COMPUTACIONAL, INFERÊNCIA BAYESIANA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
KAUFFMANN, Piero Conti et al. Learning forecast-efficient yield curve factor decompositions with neural networks. Econometrics, v. 10, n. 2, p. 1-5, 2022Tradução . . Disponível em: https://doi.org/10.3390/econometrics10020015. Acesso em: 12 nov. 2024.
APA
Kauffmann, P. C., Takada, H. H., Terada, A. P. T., & Stern, J. M. (2022). Learning forecast-efficient yield curve factor decompositions with neural networks. Econometrics, 10( 2), 1-5. doi:10.3390/econometrics10020015
NLM
Kauffmann PC, Takada HH, Terada APT, Stern JM. Learning forecast-efficient yield curve factor decompositions with neural networks [Internet]. Econometrics. 2022 ; 10( 2): 1-5.[citado 2024 nov. 12 ] Available from: https://doi.org/10.3390/econometrics10020015
Vancouver
Kauffmann PC, Takada HH, Terada APT, Stern JM. Learning forecast-efficient yield curve factor decompositions with neural networks [Internet]. Econometrics. 2022 ; 10( 2): 1-5.[citado 2024 nov. 12 ] Available from: https://doi.org/10.3390/econometrics10020015
Tese (Doutorado)
Análise de física estatística em modelos de aprendizado de máquina (2022)
Veiga, Rodrigo Soares ; Vicente, Renato
Unidade: IF
Subjects: MECÂNICA ESTATÍSTICA, REDES NEURAIS, APRENDIZADO COMPUTACIONAL, MÉTODOS ESTATÍSTICOS PARA APRENDIZAGEM, INFERÊNCIA BAYESIANA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
VEIGA, Rodrigo Soares e VICENTE, Renato. Análise de física estatística em modelos de aprendizado de máquina. 2022. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-17082022-084404/. Acesso em: 12 nov. 2024.
APA
Veiga, R. S., & Vicente, R. (2022). Análise de física estatística em modelos de aprendizado de máquina (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/43/43134/tde-17082022-084404/
NLM
Veiga RS, Vicente R. Análise de física estatística em modelos de aprendizado de máquina [Internet]. 2022 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-17082022-084404/
Vancouver
Veiga RS, Vicente R. Análise de física estatística em modelos de aprendizado de máquina [Internet]. 2022 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-17082022-084404/
Mestrado Profissionalizante
Medidas de avaliação de classificadores binários para classes desbalanceadas (2022)
Ferreira, Gabriel Gomes; Bazán Guzmán, Jorge Luis (Orientador)
Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ANÁLISE DE REGRESSÃO E DE CORRELAÇÃO, INFERÊNCIA BAYESIANA, REGRESSÃO LOGÍSTICA, DADOS CATEGORIZADOS, MEDIDAS ESTATÍSTICAS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FERREIRA, Gabriel Gomes. Medidas de avaliação de classificadores binários para classes desbalanceadas. 2022. Mestrado Profissionalizante – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-13122022-173125/. Acesso em: 12 nov. 2024.
APA
Ferreira, G. G. (2022). Medidas de avaliação de classificadores binários para classes desbalanceadas (Mestrado Profissionalizante). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55137/tde-13122022-173125/
NLM
Ferreira GG. Medidas de avaliação de classificadores binários para classes desbalanceadas [Internet]. 2022 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-13122022-173125/
Vancouver
Ferreira GG. Medidas de avaliação de classificadores binários para classes desbalanceadas [Internet]. 2022 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-13122022-173125/
Dissertação (Mestrado)
Inferência para o modelo Bernoulli na presença de adversários (2021)
Takara, Victor Junji ; Esteves, Luís Gustavo (Orientador)
Unidade: IME
Subjects: APRENDIZADO COMPUTACIONAL, INFERÊNCIA BAYESIANA, TEORIA DA DECISÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
TAKARA, Victor Junji. Inferência para o modelo Bernoulli na presença de adversários. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-12052021-114559/. Acesso em: 12 nov. 2024.
APA
Takara, V. J. (2021). Inferência para o modelo Bernoulli na presença de adversários (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45133/tde-12052021-114559/
NLM
Takara VJ. Inferência para o modelo Bernoulli na presença de adversários [Internet]. 2021 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-12052021-114559/
Vancouver
Takara VJ. Inferência para o modelo Bernoulli na presença de adversários [Internet]. 2021 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-12052021-114559/
Trabalho de evento
Bayesian networks applied to sales forecasting in a large brazilian fast-food chain (2021)
Fernandes, Robson ; Lopes, Alneu de Andrade
Source: Anais. Conference titles: Workshop de Matemática, Estatística e Computação Aplicadas à Indústria - WMECAI. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, INFERÊNCIA BAYESIANA, MINERAÇÃO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FERNANDES, Robson e LOPES, Alneu de Andrade. Bayesian networks applied to sales forecasting in a large brazilian fast-food chain. 2021, Anais.. São Carlos: ICMC-USP, 2021. Disponível em: http://cemeai.icmc.usp.br/1WMECAI/trabalhos/. Acesso em: 12 nov. 2024.
APA
Fernandes, R., & Lopes, A. de A. (2021). Bayesian networks applied to sales forecasting in a large brazilian fast-food chain. In Anais. São Carlos: ICMC-USP. Recuperado de http://cemeai.icmc.usp.br/1WMECAI/trabalhos/
NLM
Fernandes R, Lopes A de A. Bayesian networks applied to sales forecasting in a large brazilian fast-food chain [Internet]. Anais. 2021 ;[citado 2024 nov. 12 ] Available from: http://cemeai.icmc.usp.br/1WMECAI/trabalhos/
Vancouver
Fernandes R, Lopes A de A. Bayesian networks applied to sales forecasting in a large brazilian fast-food chain [Internet]. Anais. 2021 ;[citado 2024 nov. 12 ] Available from: http://cemeai.icmc.usp.br/1WMECAI/trabalhos/
Tese (Doutorado)
Modeling copulas with Bayesian networks (2021)
Darwin Junior, Willian; Maciel, Carlos Dias (Orientador)
Unidade: EESC
Subjects: INFERÊNCIA BAYESIANA, APRENDIZADO COMPUTACIONAL, ESTATÍSTICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
DARWIN JUNIOR, Willian. Modeling copulas with Bayesian networks. 2021. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-23032021-200921/. Acesso em: 12 nov. 2024.
APA
Darwin Junior, W. (2021). Modeling copulas with Bayesian networks (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18153/tde-23032021-200921/
NLM
Darwin Junior W. Modeling copulas with Bayesian networks [Internet]. 2021 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-23032021-200921/
Vancouver
Darwin Junior W. Modeling copulas with Bayesian networks [Internet]. 2021 ;[citado 2024 nov. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-23032021-200921/
Artigo de periodico
Classification binary models for biomedical data: simple probabilistic networks and logistic regression (2018)
Ara, Anderson; Louzada, Francisco ; Milan, Luis Aparecido
Source: Revista Brasileira de Biometria. Unidade: ICMC
Subjects: INFERÊNCIA BAYESIANA, PROBABILIDADE, REGRESSÃO LOGÍSTICA, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ARA, Anderson e LOUZADA, Francisco e MILAN, Luis Aparecido. Classification binary models for biomedical data: simple probabilistic networks and logistic regression. Revista Brasileira de Biometria, v. 36, n. 1, p. 48-55, 2018Tradução . . Disponível em: https://doi.org/10.28951/rbb.v36i1.114. Acesso em: 12 nov. 2024.
APA
Ara, A., Louzada, F., & Milan, L. A. (2018). Classification binary models for biomedical data: simple probabilistic networks and logistic regression. Revista Brasileira de Biometria, 36( 1), 48-55. doi:10.28951/rbb.v36i1.114
NLM
Ara A, Louzada F, Milan LA. Classification binary models for biomedical data: simple probabilistic networks and logistic regression [Internet]. Revista Brasileira de Biometria. 2018 ; 36( 1): 48-55.[citado 2024 nov. 12 ] Available from: https://doi.org/10.28951/rbb.v36i1.114
Vancouver
Ara A, Louzada F, Milan LA. Classification binary models for biomedical data: simple probabilistic networks and logistic regression [Internet]. Revista Brasileira de Biometria. 2018 ; 36( 1): 48-55.[citado 2024 nov. 12 ] Available from: https://doi.org/10.28951/rbb.v36i1.114
Artigo de periodico
Forecasting stock market index daily direction: a Bayesian network approach (2018)
Malagrino, Luciana S.; Roman, Norton Trevisan; Monteiro, Ana M.
Source: Expert Systems with Applications: an international journal. Unidade: EACH
Subjects: INFERÊNCIA BAYESIANA, APRENDIZADO COMPUTACIONAL, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MALAGRINO, Luciana S. e ROMAN, Norton Trevisan e MONTEIRO, Ana M. Forecasting stock market index daily direction: a Bayesian network approach. Expert Systems with Applications: an international journal, v. 105, p. 11-22, 2018Tradução . . Disponível em: https://doi.org/10.1016/j.eswa.2018.03.039. Acesso em: 12 nov. 2024.
APA
Malagrino, L. S., Roman, N. T., & Monteiro, A. M. (2018). Forecasting stock market index daily direction: a Bayesian network approach. Expert Systems with Applications: an international journal, 105, 11-22. doi:10.1016/j.eswa.2018.03.039
NLM
Malagrino LS, Roman NT, Monteiro AM. Forecasting stock market index daily direction: a Bayesian network approach [Internet]. Expert Systems with Applications: an international journal. 2018 ; 105 11-22.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.eswa.2018.03.039
Vancouver
Malagrino LS, Roman NT, Monteiro AM. Forecasting stock market index daily direction: a Bayesian network approach [Internet]. Expert Systems with Applications: an international journal. 2018 ; 105 11-22.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.eswa.2018.03.039
Artigo de periodico
A survey of the applications of Bayesian networks in agriculture (2017)
Drury, Brett; Valverde-Rebaza, Jorge; Moura, Maria Fernanda; Lopes, Alneu de Andrade
Source: Engineering Applications of Artificial Intelligence. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, COMPUTAÇÃO APLICADA, INFERÊNCIA BAYESIANA, AGRICULTURA DE PRECISÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
DRURY, Brett et al. A survey of the applications of Bayesian networks in agriculture. Engineering Applications of Artificial Intelligence, v. 65, p. 29-42, 2017Tradução . . Disponível em: https://doi.org/10.1016/j.engappai.2017.07.003. Acesso em: 12 nov. 2024.
APA
Drury, B., Valverde-Rebaza, J., Moura, M. F., & Lopes, A. de A. (2017). A survey of the applications of Bayesian networks in agriculture. Engineering Applications of Artificial Intelligence, 65, 29-42. doi:10.1016/j.engappai.2017.07.003
NLM
Drury B, Valverde-Rebaza J, Moura MF, Lopes A de A. A survey of the applications of Bayesian networks in agriculture [Internet]. Engineering Applications of Artificial Intelligence. 2017 ; 65 29-42.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.engappai.2017.07.003
Vancouver
Drury B, Valverde-Rebaza J, Moura MF, Lopes A de A. A survey of the applications of Bayesian networks in agriculture [Internet]. Engineering Applications of Artificial Intelligence. 2017 ; 65 29-42.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.engappai.2017.07.003

USP Schools

ReP

Filtros

USP Schools

Departament

Authors

USP affiliated authors

Date published

Subjects

Source title

Funding Agencies

Indexado em

Non normalized affiliation

Countries of institutions of collaboration