Menu

Filtros : "APRENDIZADO COMPUTACIONAL" "Coelho, André L.V" "EACH" Removidos: "IFSC444" "GEOGRAFIA" "Cuba" "Nolasco, Marcelo Antunes" "EACH-CAF-86" "HELD, MARIA SILVIA BARROS DE" "2015" "Associação Brasileira de Obstetrizes e Enfermeiros Obstetras" Limpar

Filtros

Limitar por data

  • 1

1 - 2 (2 registros)

  • Artigo de periodico

    Assessing fractal dimension methods as feature extractors for EMG signal classification (2014)

    Coelho, André L.V; Lima, Clodoaldo Aparecido de Moraes

    Fonte: Engineering Applications of Artificial Intelligence. Unidade: EACH

    Assuntos: ELETROMIOGRAFIA, INTELIGÊNCIA ARTIFICIAL, INTERFACE HOMEM-COMPUTADOR, APRENDIZADO COMPUTACIONAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COELHO, André L.V e LIMA, Clodoaldo Aparecido de Moraes. Assessing fractal dimension methods as feature extractors for EMG signal classification. Engineering Applications of Artificial Intelligence, v. no 2014, p. 81-98, 2014Tradução . . Disponível em: https://doi.org/10.1016/j.engappai.2014.07.009. Acesso em: 03 nov. 2024.

    • APA

      Coelho, A. L. V., & Lima, C. A. de M. (2014). Assessing fractal dimension methods as feature extractors for EMG signal classification. Engineering Applications of Artificial Intelligence, no 2014, 81-98. doi:10.1016/j.engappai.2014.07.009

    • NLM

      Coelho ALV, Lima CA de M. Assessing fractal dimension methods as feature extractors for EMG signal classification [Internet]. Engineering Applications of Artificial Intelligence. 2014 ; no 2014 81-98.[citado 2024 nov. 03 ] Available from: https://doi.org/10.1016/j.engappai.2014.07.009

    • Vancouver

      Coelho ALV, Lima CA de M. Assessing fractal dimension methods as feature extractors for EMG signal classification [Internet]. Engineering Applications of Artificial Intelligence. 2014 ; no 2014 81-98.[citado 2024 nov. 03 ] Available from: https://doi.org/10.1016/j.engappai.2014.07.009

  • Artigo de periodico

    Kernel machines for epilepsy diagnosis via EEG signal classification: a comparative study (2011)

    Lima, Clodoaldo Aparecido de Moraes; Coelho, André L.V

    Fonte: Artificial Intelligence in Medicine. Unidade: EACH

    Assuntos: INTELIGÊNCIA ARTIFICIAL, SINAIS BIOMÉDICOS, APRENDIZADO COMPUTACIONAL, EPILEPSIA (DIAGNÓSTICO)

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      LIMA, Clodoaldo Aparecido de Moraes e COELHO, André L.V. Kernel machines for epilepsy diagnosis via EEG signal classification: a comparative study. Artificial Intelligence in Medicine, v. 53, n. 2, p. 83-95, 2011Tradução . . Disponível em: https://doi.org/10.1016/j.artmed.2011.07.003. Acesso em: 03 nov. 2024.

    • APA

      Lima, C. A. de M., & Coelho, A. L. V. (2011). Kernel machines for epilepsy diagnosis via EEG signal classification: a comparative study. Artificial Intelligence in Medicine, 53( 2), 83-95. doi:10.1016/j.artmed.2011.07.003

    • NLM

      Lima CA de M, Coelho ALV. Kernel machines for epilepsy diagnosis via EEG signal classification: a comparative study [Internet]. Artificial Intelligence in Medicine. 2011 ; 53( 2): 83-95.[citado 2024 nov. 03 ] Available from: https://doi.org/10.1016/j.artmed.2011.07.003

    • Vancouver

      Lima CA de M, Coelho ALV. Kernel machines for epilepsy diagnosis via EEG signal classification: a comparative study [Internet]. Artificial Intelligence in Medicine. 2011 ; 53( 2): 83-95.[citado 2024 nov. 03 ] Available from: https://doi.org/10.1016/j.artmed.2011.07.003
  • 1

1 - 2 (2 registros)

Biblioteca Digital de Produção Intelectual da Universidade de São Paulo     2012 - 2024