ReP USP - Resultado da busca

Filtros : "IEEE access" Limpar

Filtros

USP affiliated authors
- corrêa, pedro luiz pizzigatti (1)
- folgueira, maria aparecida azevedo koike (1)
- kim, hae yong (1)
- marques, andré luis ferreira (1)
- martins, marcelo ramos (1)

Date published
- 2025 (~1)
- 2022 (~1)
Subjects
- análise de dados (1)
- aprendizado computacional (1)
- aprendizagem profunda (1)
- energia solar (1)
- inteligência artificial (1)

Artigo de periodico
Artificial intelligence in data science: evaluating forecasting models for solar energy in the Amazon Basin (2025)
Marques, Andre Luis Ferreira ; Sbragio, Ricardo ; Corrêa, Pedro Luiz Pizzigatti ; Martins, Marcelo Ramos
Source: IEEE access. Unidade: EP
Subjects: ENERGIA SOLAR, APRENDIZADO COMPUTACIONAL, APRENDIZAGEM PROFUNDA, KRIGAGEM, ANÁLISE DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARQUES, Andre Luis Ferreira et al. Artificial intelligence in data science: evaluating forecasting models for solar energy in the Amazon Basin. IEEE access, v. 13, p. 125066-125079, 2025Tradução . . Disponível em: https://doi.org/10.1109/ACCESS.2025.3589275. Acesso em: 24 fev. 2026.
APA
Marques, A. L. F., Sbragio, R., Corrêa, P. L. P., & Martins, M. R. (2025). Artificial intelligence in data science: evaluating forecasting models for solar energy in the Amazon Basin. IEEE access, 13, 125066-125079. doi:10.1109/ACCESS.2025.3589275
NLM
Marques ALF, Sbragio R, Corrêa PLP, Martins MR. Artificial intelligence in data science: evaluating forecasting models for solar energy in the Amazon Basin [Internet]. IEEE access. 2025 ; 13 125066-125079.[citado 2026 fev. 24 ] Available from: https://doi.org/10.1109/ACCESS.2025.3589275
Vancouver
Marques ALF, Sbragio R, Corrêa PLP, Martins MR. Artificial intelligence in data science: evaluating forecasting models for solar energy in the Amazon Basin [Internet]. IEEE access. 2025 ; 13 125066-125079.[citado 2026 fev. 24 ] Available from: https://doi.org/10.1109/ACCESS.2025.3589275
Artigo de periodico
Breast Cancer Diagnosis in Two-View Mammography Using End-to-End Trained EfficientNet-Based Convolutional Network (2022)
Petrini, Daniel Gustavo Pellacani; Shimizu, Carlos; Roela, Rosimeire Aparecida ; Valente, Gabriel Vansuita; Folgueira, Maria Aparecida Azevedo Koike ; Hae, Yong Kim
Source: IEEE access. Unidades: FM, EP
Subjects: NEOPLASIAS MAMÁRIAS, MAMOGRAFIA, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
PETRINI, Daniel Gustavo Pellacani et al. Breast Cancer Diagnosis in Two-View Mammography Using End-to-End Trained EfficientNet-Based Convolutional Network. IEEE access, v. 10, p. 77723-77731, 2022Tradução . . Disponível em: https://doi.org/10.1109/ACCESS.2022.3193250. Acesso em: 24 fev. 2026.
APA
Petrini, D. G. P., Shimizu, C., Roela, R. A., Valente, G. V., Folgueira, M. A. A. K., & Hae, Y. K. (2022). Breast Cancer Diagnosis in Two-View Mammography Using End-to-End Trained EfficientNet-Based Convolutional Network. IEEE access, 10, 77723-77731. doi:10.1109/ACCESS.2022.3193250
NLM
Petrini DGP, Shimizu C, Roela RA, Valente GV, Folgueira MAAK, Hae YK. Breast Cancer Diagnosis in Two-View Mammography Using End-to-End Trained EfficientNet-Based Convolutional Network [Internet]. IEEE access. 2022 ; 10 77723-77731.[citado 2026 fev. 24 ] Available from: https://doi.org/10.1109/ACCESS.2022.3193250
Vancouver
Petrini DGP, Shimizu C, Roela RA, Valente GV, Folgueira MAAK, Hae YK. Breast Cancer Diagnosis in Two-View Mammography Using End-to-End Trained EfficientNet-Based Convolutional Network [Internet]. IEEE access. 2022 ; 10 77723-77731.[citado 2026 fev. 24 ] Available from: https://doi.org/10.1109/ACCESS.2022.3193250

Digital Library of Intellectual Production of Universidade de São Paulo 2012 - 2026