ReP USP - Resultado da busca

Trabalho de evento
TransGNN: a transductive graph neural network with graph dynamic embedding (2023)
Anghinoni, Leandro ; Yu-Tao, Zhu; Donghong, Ji; Liang, Zhao
Source: Proceedings. Conference titles: International Joint Conference on Neural Networks - IJCNN. Unidades: FFCLRP, ICMC
Subjects: APRENDIZADO COMPUTACIONAL, REDES NEURAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ANGHINONI, Leandro et al. TransGNN: a transductive graph neural network with graph dynamic embedding. 2023, Anais.. Piscataway: IEEE, 2023. Disponível em: https://doi.org/10.1109/IJCNN54540.2023.10191134. Acesso em: 20 set. 2024.
APA
Anghinoni, L., Yu-Tao, Z., Donghong, J., & Liang, Z. (2023). TransGNN: a transductive graph neural network with graph dynamic embedding. In Proceedings. Piscataway: IEEE. doi:10.1109/IJCNN54540.2023.10191134
NLM
Anghinoni L, Yu-Tao Z, Donghong J, Liang Z. TransGNN: a transductive graph neural network with graph dynamic embedding [Internet]. Proceedings. 2023 ;[citado 2024 set. 20 ] Available from: https://doi.org/10.1109/IJCNN54540.2023.10191134
Vancouver
Anghinoni L, Yu-Tao Z, Donghong J, Liang Z. TransGNN: a transductive graph neural network with graph dynamic embedding [Internet]. Proceedings. 2023 ;[citado 2024 set. 20 ] Available from: https://doi.org/10.1109/IJCNN54540.2023.10191134
Artigo de periodico
Analysis of the effectiveness of public health measures on COVID-19 transmission (2023)
Silva, Thiago Christiano ; Anghinoni, Leandro ; Chagas, Cassia Pereira das; Zhao, Liang ; Tabak, Benjamin Miranda
Source: International Journal of Environmental Research and Public Health. Unidade: ICMC
Subjects: INTELIGÊNCIA ARTIFICIAL, COVID-19, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Thiago Christiano et al. Analysis of the effectiveness of public health measures on COVID-19 transmission. International Journal of Environmental Research and Public Health, v. 20, n. 18, p. 1-19, 2023Tradução . . Disponível em: https://doi.org/10.3390/ijerph20186758. Acesso em: 20 set. 2024.
APA
Silva, T. C., Anghinoni, L., Chagas, C. P. das, Zhao, L., & Tabak, B. M. (2023). Analysis of the effectiveness of public health measures on COVID-19 transmission. International Journal of Environmental Research and Public Health, 20( 18), 1-19. doi:10.3390/ijerph20186758
NLM
Silva TC, Anghinoni L, Chagas CP das, Zhao L, Tabak BM. Analysis of the effectiveness of public health measures on COVID-19 transmission [Internet]. International Journal of Environmental Research and Public Health. 2023 ; 20( 18): 1-19.[citado 2024 set. 20 ] Available from: https://doi.org/10.3390/ijerph20186758
Vancouver
Silva TC, Anghinoni L, Chagas CP das, Zhao L, Tabak BM. Analysis of the effectiveness of public health measures on COVID-19 transmission [Internet]. International Journal of Environmental Research and Public Health. 2023 ; 20( 18): 1-19.[citado 2024 set. 20 ] Available from: https://doi.org/10.3390/ijerph20186758
Tese (Doutorado)
Structure characterization of complex networks for machine learning (2023)
Anghinoni, Leandro ; Liang, Zhao (Orientador) ; Silva, Israel T. (coorient)
Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, REDES COMPLEXAS, REDES NEURAIS, ANÁLISE DE SÉRIES TEMPORAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ANGHINONI, Leandro. Structure characterization of complex networks for machine learning. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-13092023-143213/. Acesso em: 20 set. 2024.
APA
Anghinoni, L. (2023). Structure characterization of complex networks for machine learning (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-13092023-143213/
NLM
Anghinoni L. Structure characterization of complex networks for machine learning [Internet]. 2023 ;[citado 2024 set. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-13092023-143213/
Vancouver
Anghinoni L. Structure characterization of complex networks for machine learning [Internet]. 2023 ;[citado 2024 set. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-13092023-143213/
Dissertação (Mestrado)
Classificação e previsão de séries temporais através de redes complexas (2018)
Anghinoni, Leandro; Liang, Zhao (Orientador) ; Silva, Thiago Christiano (coorient)
Unidade: FFCLRP
Subjects: ANÁLISE DE SÉRIES TEMPORAIS, REDES COMPLEXAS, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ANGHINONI, Leandro. Classificação e previsão de séries temporais através de redes complexas. 2018. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2018. Disponível em: https://doi.org/10.11606/D.59.2019.tde-11122018-095106. Acesso em: 20 set. 2024.
APA
Anghinoni, L. (2018). Classificação e previsão de séries temporais através de redes complexas (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://doi.org/10.11606/D.59.2019.tde-11122018-095106
NLM
Anghinoni L. Classificação e previsão de séries temporais através de redes complexas [Internet]. 2018 ;[citado 2024 set. 20 ] Available from: https://doi.org/10.11606/D.59.2019.tde-11122018-095106
Vancouver
Anghinoni L. Classificação e previsão de séries temporais através de redes complexas [Internet]. 2018 ;[citado 2024 set. 20 ] Available from: https://doi.org/10.11606/D.59.2019.tde-11122018-095106

USP Schools

ReP

Filtros

Authors

Subjects

Funding Agencies

Indexado em

Non normalized affiliation