Menu

Filtros : "Neiva, Mariane Barros" Removidos: "FMRP-RMS" "CARVALHO, ISABELLE" Limpar

Filtros

Limitar por data

  • 1

1 - 6 (6 registros)

  • Tese (Doutorado)

    Exploring Complex Networks: Matrix-based and Multiscale Approaches for Pattern Recognition (2023)

    Neiva, Mariane Barros ; Bruno, Odemir Martinez (Orientador)

    Unidade: ICMC

    Assuntos: REDES COMPLEXAS, VISÃO COMPUTACIONAL, DOENÇAS RARAS, PROCESSAMENTO DE IMAGENS

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

    • ABNT

      NEIVA, Mariane Barros. Exploring Complex Networks: Matrix-based and Multiscale Approaches for Pattern Recognition. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-03012024-111728/. Acesso em: 29 set. 2024.

    • APA

      Neiva, M. B. (2023). Exploring Complex Networks: Matrix-based and Multiscale Approaches for Pattern Recognition (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-03012024-111728/

    • NLM

      Neiva MB. Exploring Complex Networks: Matrix-based and Multiscale Approaches for Pattern Recognition [Internet]. 2023 ;[citado 2024 set. 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-03012024-111728/

    • Vancouver

      Neiva MB. Exploring Complex Networks: Matrix-based and Multiscale Approaches for Pattern Recognition [Internet]. 2023 ;[citado 2024 set. 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-03012024-111728/

  • Artigo de periodico

    Exploring ordered patterns in the adjacency matrix for improving machine learning on complex networks (2023)

    Neiva, Mariane Barros ; Bruno, Odemir Martinez

    Fonte: Physica A. Unidades: IFSC, ICMC

    Assuntos: REDES NEURAIS, RECONHECIMENTO DE PADRÕES, APRENDIZAGEM PROFUNDA, REDES COMPLEXAS

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

    • ABNT

      NEIVA, Mariane Barros e BRUNO, Odemir Martinez. Exploring ordered patterns in the adjacency matrix for improving machine learning on complex networks. Physica A, v. 626, p. 129086-1-129086-11, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.physa.2023.129086. Acesso em: 29 set. 2024.

    • APA

      Neiva, M. B., & Bruno, O. M. (2023). Exploring ordered patterns in the adjacency matrix for improving machine learning on complex networks. Physica A, 626, 129086-1-129086-11. doi:10.1016/j.physa.2023.129086

    • NLM

      Neiva MB, Bruno OM. Exploring ordered patterns in the adjacency matrix for improving machine learning on complex networks [Internet]. Physica A. 2023 ; 626 129086-1-129086-11.[citado 2024 set. 29 ] Available from: https://doi.org/10.1016/j.physa.2023.129086

    • Vancouver

      Neiva MB, Bruno OM. Exploring ordered patterns in the adjacency matrix for improving machine learning on complex networks [Internet]. Physica A. 2023 ; 626 129086-1-129086-11.[citado 2024 set. 29 ] Available from: https://doi.org/10.1016/j.physa.2023.129086

  • Artigo de periodico

    Social interaction layers in complex networks for the dynamical epidemic modeling of COVID-19 in Brazil (2021)

    Scabini, Leonardo Felipe dos Santos ; Ribas, Lucas Correia ; Neiva, Mariane Barros ; Bispo Junior, Altamir Gomes; Farfan, Alex Josue Florez; Bruno, Odemir Martinez

    Fonte: Physica A. Unidades: IFSC, ICMC

    Assuntos: SURTOS DE DOENÇAS, CORONAVIRUS, AUTÔMATOS CELULARES, MODELOS EPIDEMIOLOGICOS, RECONHECIMENTO DE PADRÕES, CLASSIFICAÇÃO

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

    • ABNT

      SCABINI, Leonardo Felipe dos Santos et al. Social interaction layers in complex networks for the dynamical epidemic modeling of COVID-19 in Brazil. Physica A, v. 564, p. 125498-1-125498-14, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.physa.2020.125498. Acesso em: 29 set. 2024.

    • APA

      Scabini, L. F. dos S., Ribas, L. C., Neiva, M. B., Bispo Junior, A. G., Farfan, A. J. F., & Bruno, O. M. (2021). Social interaction layers in complex networks for the dynamical epidemic modeling of COVID-19 in Brazil. Physica A, 564, 125498-1-125498-14. doi:10.1016/j.physa.2020.125498

    • NLM

      Scabini LF dos S, Ribas LC, Neiva MB, Bispo Junior AG, Farfan AJF, Bruno OM. Social interaction layers in complex networks for the dynamical epidemic modeling of COVID-19 in Brazil [Internet]. Physica A. 2021 ; 564 125498-1-125498-14.[citado 2024 set. 29 ] Available from: https://doi.org/10.1016/j.physa.2020.125498

    • Vancouver

      Scabini LF dos S, Ribas LC, Neiva MB, Bispo Junior AG, Farfan AJF, Bruno OM. Social interaction layers in complex networks for the dynamical epidemic modeling of COVID-19 in Brazil [Internet]. Physica A. 2021 ; 564 125498-1-125498-14.[citado 2024 set. 29 ] Available from: https://doi.org/10.1016/j.physa.2020.125498

  • Artigo de periodico

    Distance transform network for shape analysis (2019)

    Ribas, Lucas Correia ; Neiva, Mariane Barros; Bruno, Odemir Martinez

    Fonte: Information Sciences. Unidades: IFSC, ICMC

    Assuntos: RECONHECIMENTO DE PADRÕES, FRACTAIS, PROCESSAMENTO DE IMAGENS, EQUAÇÃO DE SCHRODINGER, TEXTURA

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

    • ABNT

      RIBAS, Lucas Correia e NEIVA, Mariane Barros e BRUNO, Odemir Martinez. Distance transform network for shape analysis. Information Sciences, v. 470, n. Ja 2019, p. 28-42, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2018.08.038. Acesso em: 29 set. 2024.

    • APA

      Ribas, L. C., Neiva, M. B., & Bruno, O. M. (2019). Distance transform network for shape analysis. Information Sciences, 470( Ja 2019), 28-42. doi:10.1016/j.ins.2018.08.038

    • NLM

      Ribas LC, Neiva MB, Bruno OM. Distance transform network for shape analysis [Internet]. Information Sciences. 2019 ; 470( Ja 2019): 28-42.[citado 2024 set. 29 ] Available from: https://doi.org/10.1016/j.ins.2018.08.038

    • Vancouver

      Ribas LC, Neiva MB, Bruno OM. Distance transform network for shape analysis [Internet]. Information Sciences. 2019 ; 470( Ja 2019): 28-42.[citado 2024 set. 29 ] Available from: https://doi.org/10.1016/j.ins.2018.08.038

  • Trabalho de evento

    Binary distance transform to improve feature extraction (2016)

    Neiva, Mariane Barros; Manzanera, Antoine; Bruno, Odemir Martinez

    Fonte: Proceedings. Nome do evento: Workshop de Visão Computacional - WVC. Unidade: IFSC

    Assuntos: RECONHECIMENTO DE PADRÕES, TEXTURA, SISTEMA BINÁRIO

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

    • ABNT

      NEIVA, Mariane Barros e MANZANERA, Antoine e BRUNO, Odemir Martinez. Binary distance transform to improve feature extraction. 2016, Anais.. Campo Grande: Universidade Católica Dom Bosco - UCDB, 2016. Disponível em: http://wvc2016.weebly.com/uploads/1/3/5/3/13538287/final_program_wvc2016_proceedings.pdf. Acesso em: 29 set. 2024.

    • APA

      Neiva, M. B., Manzanera, A., & Bruno, O. M. (2016). Binary distance transform to improve feature extraction. In Proceedings. Campo Grande: Universidade Católica Dom Bosco - UCDB. Recuperado de http://wvc2016.weebly.com/uploads/1/3/5/3/13538287/final_program_wvc2016_proceedings.pdf

    • NLM

      Neiva MB, Manzanera A, Bruno OM. Binary distance transform to improve feature extraction [Internet]. Proceedings. 2016 ;[citado 2024 set. 29 ] Available from: http://wvc2016.weebly.com/uploads/1/3/5/3/13538287/final_program_wvc2016_proceedings.pdf

    • Vancouver

      Neiva MB, Manzanera A, Bruno OM. Binary distance transform to improve feature extraction [Internet]. Proceedings. 2016 ;[citado 2024 set. 29 ] Available from: http://wvc2016.weebly.com/uploads/1/3/5/3/13538287/final_program_wvc2016_proceedings.pdf

  • Dissertação (Mestrado)

    Métodos de pré-processamento de texturas para otimizar o reconhecimento de padrões (2016)

    Neiva, Mariane Barros; Bruno, Odemir Martinez (Orientador)

    Unidade: ICMC

    Assuntos: RECONHECIMENTO DE PADRÕES, INTELIGÊNCIA ARTIFICIAL, PROCESSAMENTO DE IMAGENS

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

    • ABNT

      NEIVA, Mariane Barros. Métodos de pré-processamento de texturas para otimizar o reconhecimento de padrões. 2016. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2016. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-25102016-084409/. Acesso em: 29 set. 2024.

    • APA

      Neiva, M. B. (2016). Métodos de pré-processamento de texturas para otimizar o reconhecimento de padrões (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-25102016-084409/

    • NLM

      Neiva MB. Métodos de pré-processamento de texturas para otimizar o reconhecimento de padrões [Internet]. 2016 ;[citado 2024 set. 29 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-25102016-084409/

    • Vancouver

      Neiva MB. Métodos de pré-processamento de texturas para otimizar o reconhecimento de padrões [Internet]. 2016 ;[citado 2024 set. 29 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-25102016-084409/
  • 1

1 - 6 (6 registros)

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