ReP USP - Resultado da busca

Artigo de periodico
Machine learning unveils composition-property relationships in chalcogenide glasses (2022)
Mastelini, Saulo Martiello ; Cassar, Daniel Roberto ; Alcobaça, Edesio ; Botari, Tiago ; Carvalho, André Carlos Ponce de Leon Ferreira de ; Zanotto, Edgar Dutra
Source: Acta Materialia. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, PROPRIEDADES DOS MATERIAIS, VIDRO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MASTELINI, Saulo Martiello et al. Machine learning unveils composition-property relationships in chalcogenide glasses. Acta Materialia, v. No 2022, p. 1-13, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.actamat.2022.118302. Acesso em: 02 out. 2024.
APA
Mastelini, S. M., Cassar, D. R., Alcobaça, E., Botari, T., Carvalho, A. C. P. de L. F. de, & Zanotto, E. D. (2022). Machine learning unveils composition-property relationships in chalcogenide glasses. Acta Materialia, No 2022, 1-13. doi:10.1016/j.actamat.2022.118302
NLM
Mastelini SM, Cassar DR, Alcobaça E, Botari T, Carvalho ACP de LF de, Zanotto ED. Machine learning unveils composition-property relationships in chalcogenide glasses [Internet]. Acta Materialia. 2022 ; No 2022 1-13.[citado 2024 out. 02 ] Available from: https://doi.org/10.1016/j.actamat.2022.118302
Vancouver
Mastelini SM, Cassar DR, Alcobaça E, Botari T, Carvalho ACP de LF de, Zanotto ED. Machine learning unveils composition-property relationships in chalcogenide glasses [Internet]. Acta Materialia. 2022 ; No 2022 1-13.[citado 2024 out. 02 ] Available from: https://doi.org/10.1016/j.actamat.2022.118302
Trabalho de evento-anais periodico
Lessons learned from the NeurIPS 2021 MetaDL challenge: backbone fine-tuning without episodic meta-learning dominates for few-shot learning image classification (2022)
Baz, Adrian El; Ullah, Ihsan; Alcobaça, Edesio ; Carvalho, André Carlos Ponce de Leon Ferreira de ; Chen, Hong; Ferreira, Fábio; Gouk, Henry; Guan, Chaoyu; Guyon, Isabelle; Hospedales, Timothy; Hu, Shell; Huisman, Mike ; Hutter, Frank ; Liu, Zhengying; Mohr, Felix ; Öztürk, Ekrem ; Rijn, Jan N. van ; Sun, Haozhe; Wang, Xin; Zhu, Wenwu
Source: Proceedings of Machine Learning Research : PMLR. Conference titles: Conference on Neural Information Processing Systems - NeurIPS. Unidade: ICMC
Assunto: APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BAZ, Adrian El et al. Lessons learned from the NeurIPS 2021 MetaDL challenge: backbone fine-tuning without episodic meta-learning dominates for few-shot learning image classification. Proceedings of Machine Learning Research : PMLR. Brookline: Microtome Publishing. Disponível em: https://proceedings.mlr.press/v176/el-baz22a.html. Acesso em: 02 out. 2024. , 2022
APA
Baz, A. E., Ullah, I., Alcobaça, E., Carvalho, A. C. P. de L. F. de, Chen, H., Ferreira, F., et al. (2022). Lessons learned from the NeurIPS 2021 MetaDL challenge: backbone fine-tuning without episodic meta-learning dominates for few-shot learning image classification. Proceedings of Machine Learning Research : PMLR. Brookline: Microtome Publishing. Recuperado de https://proceedings.mlr.press/v176/el-baz22a.html
NLM
Baz AE, Ullah I, Alcobaça E, Carvalho ACP de LF de, Chen H, Ferreira F, Gouk H, Guan C, Guyon I, Hospedales T, Hu S, Huisman M, Hutter F, Liu Z, Mohr F, Öztürk E, Rijn JN van, Sun H, Wang X, Zhu W. Lessons learned from the NeurIPS 2021 MetaDL challenge: backbone fine-tuning without episodic meta-learning dominates for few-shot learning image classification [Internet]. Proceedings of Machine Learning Research : PMLR. 2022 ; 176 80-96.[citado 2024 out. 02 ] Available from: https://proceedings.mlr.press/v176/el-baz22a.html
Vancouver
Baz AE, Ullah I, Alcobaça E, Carvalho ACP de LF de, Chen H, Ferreira F, Gouk H, Guan C, Guyon I, Hospedales T, Hu S, Huisman M, Hutter F, Liu Z, Mohr F, Öztürk E, Rijn JN van, Sun H, Wang X, Zhu W. Lessons learned from the NeurIPS 2021 MetaDL challenge: backbone fine-tuning without episodic meta-learning dominates for few-shot learning image classification [Internet]. Proceedings of Machine Learning Research : PMLR. 2022 ; 176 80-96.[citado 2024 out. 02 ] Available from: https://proceedings.mlr.press/v176/el-baz22a.html
Artigo de periodico
Predicting and interpreting oxide glass properties by machine learning using large datasets (2021)
Cassar, Daniel Roberto ; Mastelini, Saulo Martiello ; Botari, Tiago ; Alcobaça, Edesio ; Carvalho, André Carlos Ponce de Leon Ferreira de ; Zanotto, Edgar Dutra
Source: Ceramics International. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ALGORITMOS ÚTEIS E ESPECÍFICOS, PROPRIEDADES DOS MATERIAIS, VIDRO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CASSAR, Daniel Roberto et al. Predicting and interpreting oxide glass properties by machine learning using large datasets. Ceramics International, v. 47, n. 17, p. Se 2021, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ceramint.2021.05.105. Acesso em: 02 out. 2024.
APA
Cassar, D. R., Mastelini, S. M., Botari, T., Alcobaça, E., Carvalho, A. C. P. de L. F. de, & Zanotto, E. D. (2021). Predicting and interpreting oxide glass properties by machine learning using large datasets. Ceramics International, 47( 17), Se 2021. doi:10.1016/j.ceramint.2021.05.105
NLM
Cassar DR, Mastelini SM, Botari T, Alcobaça E, Carvalho ACP de LF de, Zanotto ED. Predicting and interpreting oxide glass properties by machine learning using large datasets [Internet]. Ceramics International. 2021 ; 47( 17): Se 2021.[citado 2024 out. 02 ] Available from: https://doi.org/10.1016/j.ceramint.2021.05.105
Vancouver
Cassar DR, Mastelini SM, Botari T, Alcobaça E, Carvalho ACP de LF de, Zanotto ED. Predicting and interpreting oxide glass properties by machine learning using large datasets [Internet]. Ceramics International. 2021 ; 47( 17): Se 2021.[citado 2024 out. 02 ] Available from: https://doi.org/10.1016/j.ceramint.2021.05.105
Artigo de periodico
Explainable machine learning algorithms for predicting glass transition temperatures (2020)
Alcobaça, Edesio ; Mastelini, Saulo Martiello ; Botari, Tiago ; Pimentel, Bruno Almeida ; Cassar, Daniel Roberto ; Carvalho, André Carlos Ponce de Leon Ferreira de ; Zanotto, Edgar Dutra
Source: Acta Materialia. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ALGORITMOS ÚTEIS E ESPECÍFICOS, VIDRO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ALCOBAÇA, Edesio et al. Explainable machine learning algorithms for predicting glass transition temperatures. Acta Materialia, v. 188, p. 92-100, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.actamat.2020.01.047. Acesso em: 02 out. 2024.
APA
Alcobaça, E., Mastelini, S. M., Botari, T., Pimentel, B. A., Cassar, D. R., Carvalho, A. C. P. de L. F. de, & Zanotto, E. D. (2020). Explainable machine learning algorithms for predicting glass transition temperatures. Acta Materialia, 188, 92-100. doi:10.1016/j.actamat.2020.01.047
NLM
Alcobaça E, Mastelini SM, Botari T, Pimentel BA, Cassar DR, Carvalho ACP de LF de, Zanotto ED. Explainable machine learning algorithms for predicting glass transition temperatures [Internet]. Acta Materialia. 2020 ; 188 92-100.[citado 2024 out. 02 ] Available from: https://doi.org/10.1016/j.actamat.2020.01.047
Vancouver
Alcobaça E, Mastelini SM, Botari T, Pimentel BA, Cassar DR, Carvalho ACP de LF de, Zanotto ED. Explainable machine learning algorithms for predicting glass transition temperatures [Internet]. Acta Materialia. 2020 ; 188 92-100.[citado 2024 out. 02 ] Available from: https://doi.org/10.1016/j.actamat.2020.01.047
Artigo de periodico
MFE: towards reproducible meta-feature extraction (2020)
Alcobaça, Edesio ; Siqueira, Felipe Alves; Rivolli, Adriano ; Garcia, Luís Paulo Faina ; Oliva, Jefferson Tales ; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Journal of Machine Learning Research. Unidade: ICMC
Assunto: APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ALCOBAÇA, Edesio et al. MFE: towards reproducible meta-feature extraction. Journal of Machine Learning Research, v. 21, p. 1-5, 2020Tradução . . Disponível em: http://www.jmlr.org/papers/volume21/19-348/19-348.pdf. Acesso em: 02 out. 2024.
APA
Alcobaça, E., Siqueira, F. A., Rivolli, A., Garcia, L. P. F., Oliva, J. T., & Carvalho, A. C. P. de L. F. de. (2020). MFE: towards reproducible meta-feature extraction. Journal of Machine Learning Research, 21, 1-5. Recuperado de http://www.jmlr.org/papers/volume21/19-348/19-348.pdf
NLM
Alcobaça E, Siqueira FA, Rivolli A, Garcia LPF, Oliva JT, Carvalho ACP de LF de. MFE: towards reproducible meta-feature extraction [Internet]. Journal of Machine Learning Research. 2020 ; 21 1-5.[citado 2024 out. 02 ] Available from: http://www.jmlr.org/papers/volume21/19-348/19-348.pdf
Vancouver
Alcobaça E, Siqueira FA, Rivolli A, Garcia LPF, Oliva JT, Carvalho ACP de LF de. MFE: towards reproducible meta-feature extraction [Internet]. Journal of Machine Learning Research. 2020 ; 21 1-5.[citado 2024 out. 02 ] Available from: http://www.jmlr.org/papers/volume21/19-348/19-348.pdf
Artigo de periodico
Boosting meta-learning with simulated data complexity measures (2020)
Garcia, Luís Paulo Faina ; Rivolli, Adriano ; Alcobaça, Edesio ; Lorena, Ana Carolina ; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Intelligent Data Analysis. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ALGORITMOS PARA PROCESSAMENTO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GARCIA, Luís Paulo Faina et al. Boosting meta-learning with simulated data complexity measures. Intelligent Data Analysis, v. 24, n. 5, p. 1011-1028, 2020Tradução . . Disponível em: https://doi.org/10.3233/IDA-194803. Acesso em: 02 out. 2024.
APA
Garcia, L. P. F., Rivolli, A., Alcobaça, E., Lorena, A. C., & Carvalho, A. C. P. de L. F. de. (2020). Boosting meta-learning with simulated data complexity measures. Intelligent Data Analysis, 24( 5), 1011-1028. doi:10.3233/IDA-194803
NLM
Garcia LPF, Rivolli A, Alcobaça E, Lorena AC, Carvalho ACP de LF de. Boosting meta-learning with simulated data complexity measures [Internet]. Intelligent Data Analysis. 2020 ; 24( 5): 1011-1028.[citado 2024 out. 02 ] Available from: https://doi.org/10.3233/IDA-194803
Vancouver
Garcia LPF, Rivolli A, Alcobaça E, Lorena AC, Carvalho ACP de LF de. Boosting meta-learning with simulated data complexity measures [Internet]. Intelligent Data Analysis. 2020 ; 24( 5): 1011-1028.[citado 2024 out. 02 ] Available from: https://doi.org/10.3233/IDA-194803
Artigo de periodico
A meta-learning recommender system for hyperparameter tuning: predicting when tuning improves SVM classifiers (2019)
Mantovani, Rafael G; Rossi, André Luis Debiaso; Alcobaça, Edesio; Vanschoren, Joaquin; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Information Sciences. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, MÉTODOS ESTATÍSTICOS PARA APRENDIZAGEM
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MANTOVANI, Rafael G et al. A meta-learning recommender system for hyperparameter tuning: predicting when tuning improves SVM classifiers. Information Sciences, v. 501, p. 193-221, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2019.06.005. Acesso em: 02 out. 2024.
APA
Mantovani, R. G., Rossi, A. L. D., Alcobaça, E., Vanschoren, J., & Carvalho, A. C. P. de L. F. de. (2019). A meta-learning recommender system for hyperparameter tuning: predicting when tuning improves SVM classifiers. Information Sciences, 501, 193-221. doi:10.1016/j.ins.2019.06.005
NLM
Mantovani RG, Rossi ALD, Alcobaça E, Vanschoren J, Carvalho ACP de LF de. A meta-learning recommender system for hyperparameter tuning: predicting when tuning improves SVM classifiers [Internet]. Information Sciences. 2019 ; 501 193-221.[citado 2024 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2019.06.005
Vancouver
Mantovani RG, Rossi ALD, Alcobaça E, Vanschoren J, Carvalho ACP de LF de. A meta-learning recommender system for hyperparameter tuning: predicting when tuning improves SVM classifiers [Internet]. Information Sciences. 2019 ; 501 193-221.[citado 2024 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2019.06.005
Trabalho de evento-resumo
End-to-end data science (Pajé) (2019)
Alcobaça, Edesio ; Santos, Davi Pereira dos ; Santos, Moises Rocha dos ; Pereira, Gean Trindade ; Mantovani, Rafael Gomes ; Garcia, Luís Paulo Faina ; Mastelini, Saulo Martiello ; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Resumos. Conference titles: Seminário de Inteligência Artificial Aplicada à Indústria do Petróleo. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, MINERAÇÃO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ALCOBAÇA, Edesio et al. End-to-end data science (Pajé). 2019, Anais.. Rio de Janeiro: ABGP, 2019. Disponível em: https://abgp.com.br/seminario/. Acesso em: 02 out. 2024.
APA
Alcobaça, E., Santos, D. P. dos, Santos, M. R. dos, Pereira, G. T., Mantovani, R. G., Garcia, L. P. F., et al. (2019). End-to-end data science (Pajé). In Resumos. Rio de Janeiro: ABGP. Recuperado de https://abgp.com.br/seminario/
NLM
Alcobaça E, Santos DP dos, Santos MR dos, Pereira GT, Mantovani RG, Garcia LPF, Mastelini SM, Carvalho ACP de LF de. End-to-end data science (Pajé) [Internet]. Resumos. 2019 ;[citado 2024 out. 02 ] Available from: https://abgp.com.br/seminario/
Vancouver
Alcobaça E, Santos DP dos, Santos MR dos, Pereira GT, Mantovani RG, Garcia LPF, Mastelini SM, Carvalho ACP de LF de. End-to-end data science (Pajé) [Internet]. Resumos. 2019 ;[citado 2024 out. 02 ] Available from: https://abgp.com.br/seminario/
Trabalho de evento
Dimensionality reduction for the algorithm recommendation problem (2018)
Alcobaça, Edesio; Mantovani, Rafael G; Rossi, André Luis Debiaso; Carvalho, André Carlos Ponce de Leon Ferreira de
Source: Proceedings. Conference titles: Brazilian Conference on Intelligent Systems - BRACIS. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ALGORITMOS ÚTEIS E ESPECÍFICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ALCOBAÇA, Edesio et al. Dimensionality reduction for the algorithm recommendation problem. 2018, Anais.. Piscataway: IEEE, 2018. Disponível em: https://doi.org/10.1109/BRACIS.2018.00062. Acesso em: 02 out. 2024.
APA
Alcobaça, E., Mantovani, R. G., Rossi, A. L. D., & Carvalho, A. C. P. de L. F. de. (2018). Dimensionality reduction for the algorithm recommendation problem. In Proceedings. Piscataway: IEEE. doi:10.1109/BRACIS.2018.00062
NLM
Alcobaça E, Mantovani RG, Rossi ALD, Carvalho ACP de LF de. Dimensionality reduction for the algorithm recommendation problem [Internet]. Proceedings. 2018 ;[citado 2024 out. 02 ] Available from: https://doi.org/10.1109/BRACIS.2018.00062
Vancouver
Alcobaça E, Mantovani RG, Rossi ALD, Carvalho ACP de LF de. Dimensionality reduction for the algorithm recommendation problem [Internet]. Proceedings. 2018 ;[citado 2024 out. 02 ] Available from: https://doi.org/10.1109/BRACIS.2018.00062

USP Schools

ReP

Filtros

Authors

USP affiliated authors

Subjects

Source title

Funding Agencies

Indexado em

Normalized affiliation