Filters : "ICMC" "Information Sciences" Limpar

Filters



Refine with date range


  • Source: Information Sciences. Unidade: ICMC

    Subjects: APRENDIZADO COMPUTACIONAL, ALGORITMOS ÚTEIS E ESPECÍFICOS

    PrivateOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      AGUIAR, Gabriel Jones et al. Using meta-learning for multi-target regression. Information Sciences, v. 584, n. Ja 2022, p. 665-684, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2021.11.003. Acesso em: 02 out. 2022.
    • APA

      Aguiar, G. J., Santana, E. J., Carvalho, A. C. P. de L. F. de, & Barbon Júnior, S. (2022). Using meta-learning for multi-target regression. Information Sciences, 584( Ja 2022), 665-684. doi:10.1016/j.ins.2021.11.003
    • NLM

      Aguiar GJ, Santana EJ, Carvalho ACP de LF de, Barbon Júnior S. Using meta-learning for multi-target regression [Internet]. Information Sciences. 2022 ; 584( Ja 2022): 665-684.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2021.11.003
    • Vancouver

      Aguiar GJ, Santana EJ, Carvalho ACP de LF de, Barbon Júnior S. Using meta-learning for multi-target regression [Internet]. Information Sciences. 2022 ; 584( Ja 2022): 665-684.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2021.11.003
  • Source: Information Sciences. Unidade: ICMC

    Subjects: REDES NEURAIS, APRENDIZADO COMPUTACIONAL, COMPUTAÇÃO EVOLUTIVA

    PrivateOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      ARADHYA, Abhay M. S et al. Autonomous CNN (AutoCNN): a data-driven approach to network architecture determination. Information Sciences, v. 607, p. 638-653, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2022.05.100. Acesso em: 02 out. 2022.
    • APA

      Aradhya, A. M. S., Ashfahani, A., Angelina, F., Pratama, M., Mello, R. F. de, & Sundaram, S. (2022). Autonomous CNN (AutoCNN): a data-driven approach to network architecture determination. Information Sciences, 607, 638-653. doi:10.1016/j.ins.2022.05.100
    • NLM

      Aradhya AMS, Ashfahani A, Angelina F, Pratama M, Mello RF de, Sundaram S. Autonomous CNN (AutoCNN): a data-driven approach to network architecture determination [Internet]. Information Sciences. 2022 ; 607 638-653.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2022.05.100
    • Vancouver

      Aradhya AMS, Ashfahani A, Angelina F, Pratama M, Mello RF de, Sundaram S. Autonomous CNN (AutoCNN): a data-driven approach to network architecture determination [Internet]. Information Sciences. 2022 ; 607 638-653.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2022.05.100
  • Source: Information Sciences. Unidade: ICMC

    Subjects: REDES COMPLEXAS, DESCOBERTA DE CONHECIMENTO

    PrivateOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      GUERREIRO, Lucas e SILVA, Filipi Nascimento e AMANCIO, Diego Raphael. A comparative analysis of knowledge acquisition performance in complex networks. Information Sciences, v. 555, p. 46-57, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.12.060. Acesso em: 02 out. 2022.
    • APA

      Guerreiro, L., Silva, F. N., & Amancio, D. R. (2021). A comparative analysis of knowledge acquisition performance in complex networks. Information Sciences, 555, 46-57. doi:10.1016/j.ins.2020.12.060
    • NLM

      Guerreiro L, Silva FN, Amancio DR. A comparative analysis of knowledge acquisition performance in complex networks [Internet]. Information Sciences. 2021 ; 555 46-57.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2020.12.060
    • Vancouver

      Guerreiro L, Silva FN, Amancio DR. A comparative analysis of knowledge acquisition performance in complex networks [Internet]. Information Sciences. 2021 ; 555 46-57.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2020.12.060
  • Source: Information Sciences. Unidades: ICMC, EP

    Subjects: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), PROGNÓSTICO, TECNOLOGIAS DA SAÚDE

    PrivateOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      RODRIGUES JUNIOR, José Fernando et al. LIG-Doctor: efficient patient trajectory prediction using bidirectional minimal gated-recurrent networks. Information Sciences, v. 545, p. 813-827, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.09.024. Acesso em: 02 out. 2022.
    • APA

      Rodrigues Junior, J. F., Gutierrez, M. A., Spadon, G., Machado, B. B., & Amer-Yahia, S. (2021). LIG-Doctor: efficient patient trajectory prediction using bidirectional minimal gated-recurrent networks. Information Sciences, 545, 813-827. doi:10.1016/j.ins.2020.09.024
    • NLM

      Rodrigues Junior JF, Gutierrez MA, Spadon G, Machado BB, Amer-Yahia S. LIG-Doctor: efficient patient trajectory prediction using bidirectional minimal gated-recurrent networks [Internet]. Information Sciences. 2021 ; 545 813-827.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2020.09.024
    • Vancouver

      Rodrigues Junior JF, Gutierrez MA, Spadon G, Machado BB, Amer-Yahia S. LIG-Doctor: efficient patient trajectory prediction using bidirectional minimal gated-recurrent networks [Internet]. Information Sciences. 2021 ; 545 813-827.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2020.09.024
  • Source: Information Sciences. Unidade: ICMC

    Subjects: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE TEXTO, RECUPERAÇÃO DA INFORMAÇÃO

    PrivateOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      CARNEVALI, Julio César et al. A graph-based approach for positive and unlabeled learning. Information Sciences, v. No 2021, p. 655-672, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2021.08.099. Acesso em: 02 out. 2022.
    • APA

      Carnevali, J. C., Rossi, R. G., Milios, E., & Lopes, A. de A. (2021). A graph-based approach for positive and unlabeled learning. Information Sciences, No 2021, 655-672. doi:10.1016/j.ins.2021.08.099
    • NLM

      Carnevali JC, Rossi RG, Milios E, Lopes A de A. A graph-based approach for positive and unlabeled learning [Internet]. Information Sciences. 2021 ; No 2021 655-672.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2021.08.099
    • Vancouver

      Carnevali JC, Rossi RG, Milios E, Lopes A de A. A graph-based approach for positive and unlabeled learning [Internet]. Information Sciences. 2021 ; No 2021 655-672.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2021.08.099
  • Source: Information Sciences. Unidade: ICMC

    Subjects: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, MATEMÁTICA DA COMPUTAÇÃO

    PrivateOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      BARELLA, Victor Hugo et al. Assessing the data complexity of imbalanced datasets. Information Sciences, v. 553, p. 83-109, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.12.006. Acesso em: 02 out. 2022.
    • APA

      Barella, V. H., Garcia, L. P. F., Souto, M. C. P. de, Lorena, A. C., & Carvalho, A. C. P. de L. F. de. (2021). Assessing the data complexity of imbalanced datasets. Information Sciences, 553, 83-109. doi:10.1016/j.ins.2020.12.006
    • NLM

      Barella VH, Garcia LPF, Souto MCP de, Lorena AC, Carvalho ACP de LF de. Assessing the data complexity of imbalanced datasets [Internet]. Information Sciences. 2021 ; 553 83-109.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2020.12.006
    • Vancouver

      Barella VH, Garcia LPF, Souto MCP de, Lorena AC, Carvalho ACP de LF de. Assessing the data complexity of imbalanced datasets [Internet]. Information Sciences. 2021 ; 553 83-109.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2020.12.006
  • Source: Information Sciences. Unidades: IFSC, ICMC

    Subjects: RECONHECIMENTO DE PADRÕES, PROCESSAMENTO DE IMAGENS, MAPAS, VISÃO COMPUTACIONAL

    PrivateOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      CONDORI, Rayner Harold Montes e BRUNO, Odemir Martinez. Analysis of activation maps through global pooling measurements for texture classification. Information Sciences, v. 555, p. 260-279 , 2021Tradução . . Disponível em: http://dx.doi.org/10.1016/j.ins.2020.09.058. Acesso em: 02 out. 2022.
    • APA

      Condori, R. H. M., & Bruno, O. M. (2021). Analysis of activation maps through global pooling measurements for texture classification. Information Sciences, 555, 260-279 . doi:10.1016/j.ins.2020.09.058
    • NLM

      Condori RHM, Bruno OM. Analysis of activation maps through global pooling measurements for texture classification [Internet]. Information Sciences. 2021 ; 555 260-279 .[citado 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2020.09.058
    • Vancouver

      Condori RHM, Bruno OM. Analysis of activation maps through global pooling measurements for texture classification [Internet]. Information Sciences. 2021 ; 555 260-279 .[citado 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2020.09.058
  • Source: Information Sciences. Unidade: ICMC

    Subjects: ANÁLISE DE SÉRIES TEMPORAIS, APRENDIZADO COMPUTACIONAL, ALGORITMOS ÚTEIS E ESPECÍFICOS

    PrivateOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      ROSSI, André Luis Debiaso et al. Micro-MetaStream: algorithm selection for time-changing data. Information Sciences, v. 565, p. 262-277, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2021.02.075. Acesso em: 02 out. 2022.
    • APA

      Rossi, A. L. D., Soares, C., Souza, B. F. de, & Carvalho, A. C. P. de L. F. de. (2021). Micro-MetaStream: algorithm selection for time-changing data. Information Sciences, 565, 262-277. doi:10.1016/j.ins.2021.02.075
    • NLM

      Rossi ALD, Soares C, Souza BF de, Carvalho ACP de LF de. Micro-MetaStream: algorithm selection for time-changing data [Internet]. Information Sciences. 2021 ; 565 262-277.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2021.02.075
    • Vancouver

      Rossi ALD, Soares C, Souza BF de, Carvalho ACP de LF de. Micro-MetaStream: algorithm selection for time-changing data [Internet]. Information Sciences. 2021 ; 565 262-277.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2021.02.075
  • Source: Information Sciences. Unidade: ICMC

    Subjects: REDES NEURAIS, ALGORITMOS GENÉTICOS

    PrivateOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      FERNANDES JUNIOR, Francisco Erivaldo e YEN, Gary G. Pruning deep convolutional neural networks architectures with evolution strategy. Information Sciences, v. 552, p. 29-47, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.11.009. Acesso em: 02 out. 2022.
    • APA

      Fernandes Junior, F. E., & Yen, G. G. (2021). Pruning deep convolutional neural networks architectures with evolution strategy. Information Sciences, 552, 29-47. doi:10.1016/j.ins.2020.11.009
    • NLM

      Fernandes Junior FE, Yen GG. Pruning deep convolutional neural networks architectures with evolution strategy [Internet]. Information Sciences. 2021 ; 552 29-47.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2020.11.009
    • Vancouver

      Fernandes Junior FE, Yen GG. Pruning deep convolutional neural networks architectures with evolution strategy [Internet]. Information Sciences. 2021 ; 552 29-47.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2020.11.009
  • Source: Information Sciences. Unidade: ICMC

    Subjects: REDES NEURAIS, ALGORITMOS GENÉTICOS, DIAGNÓSTICO POR IMAGEM

    PrivateOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      FERNANDES JUNIOR, Francisco Erivaldo e YEN, Gary G. Pruning of generative adversarial neural networks for medical imaging diagnostics with evolution strategy. Information Sciences, v. 558, p. 91-102, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.12.086. Acesso em: 02 out. 2022.
    • APA

      Fernandes Junior, F. E., & Yen, G. G. (2021). Pruning of generative adversarial neural networks for medical imaging diagnostics with evolution strategy. Information Sciences, 558, 91-102. doi:10.1016/j.ins.2020.12.086
    • NLM

      Fernandes Junior FE, Yen GG. Pruning of generative adversarial neural networks for medical imaging diagnostics with evolution strategy [Internet]. Information Sciences. 2021 ; 558 91-102.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2020.12.086
    • Vancouver

      Fernandes Junior FE, Yen GG. Pruning of generative adversarial neural networks for medical imaging diagnostics with evolution strategy [Internet]. Information Sciences. 2021 ; 558 91-102.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2020.12.086
  • Source: Information Sciences. Unidades: FMRP, ICMC, INTER: ICMC -UFSCAR

    Subjects: ANÁLISE DE DADOS, ANÁLISE DE SÉRIES TEMPORAIS, ELETROENCEFALOGRAFIA

    PrivateOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      NASCIMENTO, Diego Carvalho et al. Dynamic time series smoothing for symbolic interval data applied to neuroscience. Information Sciences, v. 517, p. 415-426, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2019.12.026. Acesso em: 02 out. 2022.
    • APA

      Nascimento, D. C., Pimentel, B. A., Souza, R., Leite, J. P., Edwards, D. J., Pontelli, T. E. G. dos S., & Louzada Neto, F. (2020). Dynamic time series smoothing for symbolic interval data applied to neuroscience. Information Sciences, 517, 415-426. doi:10.1016/j.ins.2019.12.026
    • NLM

      Nascimento DC, Pimentel BA, Souza R, Leite JP, Edwards DJ, Pontelli TEG dos S, Louzada Neto F. Dynamic time series smoothing for symbolic interval data applied to neuroscience [Internet]. Information Sciences. 2020 ;517 415-426.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2019.12.026
    • Vancouver

      Nascimento DC, Pimentel BA, Souza R, Leite JP, Edwards DJ, Pontelli TEG dos S, Louzada Neto F. Dynamic time series smoothing for symbolic interval data applied to neuroscience [Internet]. Information Sciences. 2020 ;517 415-426.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2019.12.026
  • Source: Information Sciences. Unidades: IFSC, ICMC

    Subjects: RECONHECIMENTO DE PADRÕES, REDES COMPLEXAS

    Versão AceitaOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      RIBAS, Lucas Correia e MACHICAO, Jeaneth e BRUNO, Odemir Martinez. Life-like network automata descriptor based on binary patterns for network classification. Information Sciences, v. 55, p. 156-168, 2020Tradução . . Disponível em: http://dx.doi.org/10.1016/j.ins.2019.09.063. Acesso em: 02 out. 2022.
    • APA

      Ribas, L. C., Machicao, J., & Bruno, O. M. (2020). Life-like network automata descriptor based on binary patterns for network classification. Information Sciences, 55, 156-168. doi:10.1016/j.ins.2019.09.063
    • NLM

      Ribas LC, Machicao J, Bruno OM. Life-like network automata descriptor based on binary patterns for network classification [Internet]. Information Sciences. 2020 ; 55 156-168.[citado 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2019.09.063
    • Vancouver

      Ribas LC, Machicao J, Bruno OM. Life-like network automata descriptor based on binary patterns for network classification [Internet]. Information Sciences. 2020 ; 55 156-168.[citado 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2019.09.063
  • Source: Information Sciences. Unidade: ICMC

    Subjects: RECONHECIMENTO DE PADRÕES, MULTIMÍDIA INTERATIVA

    PrivateOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      AGUIAR NETO, Fernando Soares de et al. Pre-processing approaches for collaborative filtering based on hierarchical clustering. Information Sciences, v. 534, p. Se 2020, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.05.021. Acesso em: 02 out. 2022.
    • APA

      Aguiar Neto, F. S. de, Costa, A. F. da, Manzato, M. G., & Campello, R. J. G. B. (2020). Pre-processing approaches for collaborative filtering based on hierarchical clustering. Information Sciences, 534, Se 2020. doi:10.1016/j.ins.2020.05.021
    • NLM

      Aguiar Neto FS de, Costa AF da, Manzato MG, Campello RJGB. Pre-processing approaches for collaborative filtering based on hierarchical clustering [Internet]. Information Sciences. 2020 ; 534 Se 2020.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2020.05.021
    • Vancouver

      Aguiar Neto FS de, Costa AF da, Manzato MG, Campello RJGB. Pre-processing approaches for collaborative filtering based on hierarchical clustering [Internet]. Information Sciences. 2020 ; 534 Se 2020.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2020.05.021
  • Source: Information Sciences. Unidades: IFSC, ICMC

    Subjects: RECONHECIMENTO DE IMAGEM, PROCESSAMENTO DE IMAGENS, REDES COMPLEXAS

    Versão AceitaOnline source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      SCABINI, Leonardo Felipe dos Santos e RIBAS, Lucas Correia e BRUNO, Odemir Martinez. Spatio-spectral networks for color-texture analysis. Information Sciences, v. 515, p. 64-79, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2019.11.042. Acesso em: 02 out. 2022.
    • APA

      Scabini, L. F. dos S., Ribas, L. C., & Bruno, O. M. (2020). Spatio-spectral networks for color-texture analysis. Information Sciences, 515, 64-79. doi:10.1016/j.ins.2019.11.042
    • NLM

      Scabini LF dos S, Ribas LC, Bruno OM. Spatio-spectral networks for color-texture analysis [Internet]. Information Sciences. 2020 ; 515 64-79.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2019.11.042
    • Vancouver

      Scabini LF dos S, Ribas LC, Bruno OM. Spatio-spectral networks for color-texture analysis [Internet]. Information Sciences. 2020 ; 515 64-79.[citado 2022 out. 02 ] Available from: https://doi.org/10.1016/j.ins.2019.11.042
  • Source: Information Sciences. Unidade: ICMC

    Subjects: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, MÉTODOS ESTATÍSTICOS PARA APRENDIZAGEM

    Online source accessDOIHow to cite
    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: http://dx.doi.org/10.1016/j.ins.2019.06.005. Acesso em: 02 out. 2022.
    • 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 2022 out. 02 ] Available from: http://dx.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 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2019.06.005
  • Source: Information Sciences. Unidade: ICMC

    Subjects: RECONHECIMENTO DE PADRÕES, APRENDIZADO COMPUTACIONAL

    Online source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      PIMENTEL, Bruno Almeida e CARVALHO, Andre Carlos Ponce de Leon Ferreira de. A new data characterization for selecting clustering algorithms using meta-learning. Information Sciences, v. 477, p. 203-219, 2019Tradução . . Disponível em: http://dx.doi.org/10.1016/j.ins.2018.10.043. Acesso em: 02 out. 2022.
    • APA

      Pimentel, B. A., & Carvalho, A. C. P. de L. F. de. (2019). A new data characterization for selecting clustering algorithms using meta-learning. Information Sciences, 477, 203-219. doi:10.1016/j.ins.2018.10.043
    • NLM

      Pimentel BA, Carvalho ACP de LF de. A new data characterization for selecting clustering algorithms using meta-learning [Internet]. Information Sciences. 2019 ; 477 203-219.[citado 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2018.10.043
    • Vancouver

      Pimentel BA, Carvalho ACP de LF de. A new data characterization for selecting clustering algorithms using meta-learning [Internet]. Information Sciences. 2019 ; 477 203-219.[citado 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2018.10.043
  • Source: Information Sciences. Unidades: IFSC, ICMC

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

    Versão AceitaOnline source accessDOIHow to cite
    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: http://dx.doi.org/10.1016/j.ins.2018.08.038. Acesso em: 02 out. 2022.
    • 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 2022 out. 02 ] Available from: http://dx.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 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2018.08.038
  • Source: Information Sciences. Unidade: ICMC

    Subjects: ANÁLISE DE SÉRIES TEMPORAIS, MINERAÇÃO DE DADOS, APRENDIZADO COMPUTACIONAL

    Online source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      PARMEZAN, Antonio Rafael Sabino e SOUZA, Vinícius M. A e BATISTA, Gustavo Enrique de Almeida Prado Alves. Evaluation of statistical and machine learning models for time series prediction: identifying the state-of-the-art and the best conditions for the use of each model. Information Sciences, v. 484, p. 302-337, 2019Tradução . . Disponível em: http://dx.doi.org/10.1016/j.ins.2019.01.076. Acesso em: 02 out. 2022.
    • APA

      Parmezan, A. R. S., Souza, V. M. A., & Batista, G. E. de A. P. A. (2019). Evaluation of statistical and machine learning models for time series prediction: identifying the state-of-the-art and the best conditions for the use of each model. Information Sciences, 484, 302-337. doi:10.1016/j.ins.2019.01.076
    • NLM

      Parmezan ARS, Souza VMA, Batista GE de APA. Evaluation of statistical and machine learning models for time series prediction: identifying the state-of-the-art and the best conditions for the use of each model [Internet]. Information Sciences. 2019 ; 484 302-337.[citado 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2019.01.076
    • Vancouver

      Parmezan ARS, Souza VMA, Batista GE de APA. Evaluation of statistical and machine learning models for time series prediction: identifying the state-of-the-art and the best conditions for the use of each model [Internet]. Information Sciences. 2019 ; 484 302-337.[citado 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2019.01.076
  • Source: Information Sciences. Unidade: ICMC

    Subjects: APRENDIZADO COMPUTACIONAL, ALGORITMOS GENÉTICOS, RECONHECIMENTO DE PADRÕES

    Online source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      FERNANDES, Everlandio Rebouças Queiroz e CARVALHO, Andre Carlos Ponce de Leon Ferreira de. Evolutionary inversion of class distribution in overlapping areas for multi-class imbalanced learning. Information Sciences, v. 494, p. 141-154, 2019Tradução . . Disponível em: http://dx.doi.org/10.1016/j.ins.2019.04.052. Acesso em: 02 out. 2022.
    • APA

      Fernandes, E. R. Q., & Carvalho, A. C. P. de L. F. de. (2019). Evolutionary inversion of class distribution in overlapping areas for multi-class imbalanced learning. Information Sciences, 494, 141-154. doi:10.1016/j.ins.2019.04.052
    • NLM

      Fernandes ERQ, Carvalho ACP de LF de. Evolutionary inversion of class distribution in overlapping areas for multi-class imbalanced learning [Internet]. Information Sciences. 2019 ; 494 141-154.[citado 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2019.04.052
    • Vancouver

      Fernandes ERQ, Carvalho ACP de LF de. Evolutionary inversion of class distribution in overlapping areas for multi-class imbalanced learning [Internet]. Information Sciences. 2019 ; 494 141-154.[citado 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2019.04.052
  • Source: Information Sciences. Unidade: ICMC

    Subjects: PROCESSAMENTO DE LINGUAGEM NATURAL, REDES COMPLEXAS, RECONHECIMENTO DE TEXTO

    Online source accessDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      CORRÊA JUNIOR, Edilson A e LOPES, Alneu de Andrade e AMANCIO, Diego Raphael. Word sense disambiguation: a complex network approach. Information Sciences, v. 442-443, p. 103-113, 2018Tradução . . Disponível em: http://dx.doi.org/10.1016/j.ins.2018.02.047. Acesso em: 02 out. 2022.
    • APA

      Corrêa Junior, E. A., Lopes, A. de A., & Amancio, D. R. (2018). Word sense disambiguation: a complex network approach. Information Sciences, 442-443, 103-113. doi:10.1016/j.ins.2018.02.047
    • NLM

      Corrêa Junior EA, Lopes A de A, Amancio DR. Word sense disambiguation: a complex network approach [Internet]. Information Sciences. 2018 ; 442-443 103-113.[citado 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2018.02.047
    • Vancouver

      Corrêa Junior EA, Lopes A de A, Amancio DR. Word sense disambiguation: a complex network approach [Internet]. Information Sciences. 2018 ; 442-443 103-113.[citado 2022 out. 02 ] Available from: http://dx.doi.org/10.1016/j.ins.2018.02.047

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2022