ReP USP - Resultado da busca

Artigo de periodico
Ultrafast microfluidic solvent extraction and machine learning-assisted impedimetric sensor for multidetermination of scaling ions in crude oils (2024)
Silva, Alexandre Ataíde da ; Oliveira, Ricardo A.G. de; Giordano, Gabriela F.; Silva, Giulia S. da; Murer, Rui C.; Vieira, Luis C.S.; Lorevice, Marcos V.; Gouveia, Rubia F.; Carvalho, Rogerio M.; Shimizu, Flavio M.; Gobbi, Angelo L.; Lima, Renato Sousa
Fonte: Sensors and Actuators B: Chemical. Unidade: IQSC
Assuntos: ÍONS, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Alexandre Ataíde da et al. Ultrafast microfluidic solvent extraction and machine learning-assisted impedimetric sensor for multidetermination of scaling ions in crude oils. Sensors and Actuators B: Chemical, v. 403, p. 135151, 2024Tradução . . Disponível em: https://doi.org/10.1016/j.snb.2023.135151. Acesso em: 25 jun. 2024.
APA
Silva, A. A. da, Oliveira, R. A. G. de, Giordano, G. F., Silva, G. S. da, Murer, R. C., Vieira, L. C. S., et al. (2024). Ultrafast microfluidic solvent extraction and machine learning-assisted impedimetric sensor for multidetermination of scaling ions in crude oils. Sensors and Actuators B: Chemical, 403, 135151. doi:10.1016/j.snb.2023.135151
NLM
Silva AA da, Oliveira RAG de, Giordano GF, Silva GS da, Murer RC, Vieira LCS, Lorevice MV, Gouveia RF, Carvalho RM, Shimizu FM, Gobbi AL, Lima RS. Ultrafast microfluidic solvent extraction and machine learning-assisted impedimetric sensor for multidetermination of scaling ions in crude oils [Internet]. Sensors and Actuators B: Chemical. 2024 ;403 135151.[citado 2024 jun. 25 ] Available from: https://doi.org/10.1016/j.snb.2023.135151
Vancouver
Silva AA da, Oliveira RAG de, Giordano GF, Silva GS da, Murer RC, Vieira LCS, Lorevice MV, Gouveia RF, Carvalho RM, Shimizu FM, Gobbi AL, Lima RS. Ultrafast microfluidic solvent extraction and machine learning-assisted impedimetric sensor for multidetermination of scaling ions in crude oils [Internet]. Sensors and Actuators B: Chemical. 2024 ;403 135151.[citado 2024 jun. 25 ] Available from: https://doi.org/10.1016/j.snb.2023.135151
Artigo de periodico
Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images (2023)
Rubo, Rafael Andrello; Michelon, Mateus Fontana; Carneiro, Cleyton de Carvalho
Fonte: Earth Science Informatics. Unidade: EP
Assuntos: PETROGRAFIA, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RUBO, Rafael Andrello e MICHELON, Mateus Fontana e CARNEIRO, Cleyton de Carvalho. Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images. Earth Science Informatics, p. 10 2023, 2023Tradução . . Disponível em: https://doi.org/10.1007/s12145-022-00901-9. Acesso em: 25 jun. 2024.
APA
Rubo, R. A., Michelon, M. F., & Carneiro, C. de C. (2023). Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images. Earth Science Informatics, 10 2023. doi:10.1007/s12145-022-00901-9
NLM
Rubo RA, Michelon MF, Carneiro C de C. Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images [Internet]. Earth Science Informatics. 2023 ;10 2023.[citado 2024 jun. 25 ] Available from: https://doi.org/10.1007/s12145-022-00901-9
Vancouver
Rubo RA, Michelon MF, Carneiro C de C. Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images [Internet]. Earth Science Informatics. 2023 ;10 2023.[citado 2024 jun. 25 ] Available from: https://doi.org/10.1007/s12145-022-00901-9
Trabalho de evento
Data-Driven workflow for categorization of brines applied to a pre-salt field (2023)
Fernandes, M. A.; Gildin, Eduardo; Pinto, Marcio Augusto Sampaio
Fonte: Proceedings. Nome do evento: Offshore Technology Conference Brasil. Unidade: EP
Assuntos: GEOLOGIA ESTRUTURAL, INTELIGÊNCIA ARTIFICIAL, POÇOS, PRÉ-SAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FERNANDES, M. A. e GILDIN, Eduardo e PINTO, Marcio Augusto Sampaio. Data-Driven workflow for categorization of brines applied to a pre-salt field. 2023, Anais.. Rio de Janeiro: Escola Politécnica, Universidade de São Paulo, 2023. Disponível em: https://doi.org/10.4043/32950-MS. Acesso em: 25 jun. 2024.
APA
Fernandes, M. A., Gildin, E., & Pinto, M. A. S. (2023). Data-Driven workflow for categorization of brines applied to a pre-salt field. In Proceedings. Rio de Janeiro: Escola Politécnica, Universidade de São Paulo. doi:10.4043/32950-MS
NLM
Fernandes MA, Gildin E, Pinto MAS. Data-Driven workflow for categorization of brines applied to a pre-salt field [Internet]. Proceedings. 2023 ;[citado 2024 jun. 25 ] Available from: https://doi.org/10.4043/32950-MS
Vancouver
Fernandes MA, Gildin E, Pinto MAS. Data-Driven workflow for categorization of brines applied to a pre-salt field [Internet]. Proceedings. 2023 ;[citado 2024 jun. 25 ] Available from: https://doi.org/10.4043/32950-MS
Trabalho de evento
Geração de perfis sintéticos em reservatórios carbonáticos a partir de algoritmos de aprendizagem de máquinas (2020)
Oliveira, Lucas Abreu Blanes de; Carneiro, Cleyton de Carvalho
Fonte: Rio Oil & Gas Expo and Conference. Nome do evento: Rio Oil & Gas Expo and Conference. Unidade: EP
Assuntos: ESPECTROSCOPIA ATÔMICA, PRÉ-SAL, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
OLIVEIRA, Lucas Abreu Blanes de e CARNEIRO, Cleyton de Carvalho. Geração de perfis sintéticos em reservatórios carbonáticos a partir de algoritmos de aprendizagem de máquinas. 2020, Anais.. Rio de Janeiro: Escola Politécnica, Universidade de São Paulo, 2020. Disponível em: https://doi.org/10.48072/2525-7579.ROG.2020.009. Acesso em: 25 jun. 2024.
APA
Oliveira, L. A. B. de, & Carneiro, C. de C. (2020). Geração de perfis sintéticos em reservatórios carbonáticos a partir de algoritmos de aprendizagem de máquinas. In Rio Oil & Gas Expo and Conference. Rio de Janeiro: Escola Politécnica, Universidade de São Paulo. doi:10.48072/2525-7579.ROG.2020.009
NLM
Oliveira LAB de, Carneiro C de C. Geração de perfis sintéticos em reservatórios carbonáticos a partir de algoritmos de aprendizagem de máquinas [Internet]. Rio Oil & Gas Expo and Conference. 2020 ;[citado 2024 jun. 25 ] Available from: https://doi.org/10.48072/2525-7579.ROG.2020.009
Vancouver
Oliveira LAB de, Carneiro C de C. Geração de perfis sintéticos em reservatórios carbonáticos a partir de algoritmos de aprendizagem de máquinas [Internet]. Rio Oil & Gas Expo and Conference. 2020 ;[citado 2024 jun. 25 ] Available from: https://doi.org/10.48072/2525-7579.ROG.2020.009
Artigo de periodico
Digital petrography: Mineralogy and porosity identification using machine learning algorithms in petrographic thin section images (2019)
Rubo, Rafael Andrello; Carneiro, Cleyton de Carvalho ; Michelon, Mateus Fontana; Gioria, Rafael dos Santos
Fonte: Journal of Petroleum Science and Engineering. Unidade: EP
Assuntos: INTELIGÊNCIA ARTIFICIAL, PETROGRAFIA, ROCHAS SEDIMENTARES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RUBO, Rafael Andrello et al. Digital petrography: Mineralogy and porosity identification using machine learning algorithms in petrographic thin section images. Journal of Petroleum Science and Engineering, v. 183, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.petrol.2019.106382. Acesso em: 25 jun. 2024.
APA
Rubo, R. A., Carneiro, C. de C., Michelon, M. F., & Gioria, R. dos S. (2019). Digital petrography: Mineralogy and porosity identification using machine learning algorithms in petrographic thin section images. Journal of Petroleum Science and Engineering, 183. doi:10.1016/j.petrol.2019.106382
NLM
Rubo RA, Carneiro C de C, Michelon MF, Gioria R dos S. Digital petrography: Mineralogy and porosity identification using machine learning algorithms in petrographic thin section images [Internet]. Journal of Petroleum Science and Engineering. 2019 ;183[citado 2024 jun. 25 ] Available from: https://doi.org/10.1016/j.petrol.2019.106382
Vancouver
Rubo RA, Carneiro C de C, Michelon MF, Gioria R dos S. Digital petrography: Mineralogy and porosity identification using machine learning algorithms in petrographic thin section images [Internet]. Journal of Petroleum Science and Engineering. 2019 ;183[citado 2024 jun. 25 ] Available from: https://doi.org/10.1016/j.petrol.2019.106382

Unidades USP

ReP

Filtros

Autores

Autores USP

Assuntos