Filtros : "Indexado na Web of Science" "REDES COMPLEXAS" Removido: "Singapura" Limpar

Filtros



Refine with date range


  • Source: Chaos, Solitons and Fractals. Unidade: IFSC

    Subjects: RECONHECIMENTO DE PADRÕES, FRACTAIS, FÍSICA COMPUTACIONAL, REDES COMPLEXAS

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      BENATTI, Alexandre e COSTA, Luciano da Fontoura. On the transient and equilibrium features of growing fractal complex networks. Chaos, Solitons and Fractals, v. 183, p. 114904-1-114904-7, 2024Tradução . . Disponível em: https://doi.org/10.1016/j.chaos.2024.114904. Acesso em: 15 nov. 2024.
    • APA

      Benatti, A., & Costa, L. da F. (2024). On the transient and equilibrium features of growing fractal complex networks. Chaos, Solitons and Fractals, 183, 114904-1-114904-7. doi:10.1016/j.chaos.2024.114904
    • NLM

      Benatti A, Costa L da F. On the transient and equilibrium features of growing fractal complex networks [Internet]. Chaos, Solitons and Fractals. 2024 ; 183 114904-1-114904-7.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.chaos.2024.114904
    • Vancouver

      Benatti A, Costa L da F. On the transient and equilibrium features of growing fractal complex networks [Internet]. Chaos, Solitons and Fractals. 2024 ; 183 114904-1-114904-7.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.chaos.2024.114904
  • Source: Physica A. Unidades: IFSC, ICMC

    Subjects: REDES NEURAIS, RECONHECIMENTO DE PADRÕES, APRENDIZAGEM PROFUNDA, REDES COMPLEXAS, TEXTURA

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      RIBAS, Lucas Correia et al. Color-texture classification based on spatio-spectral complex network representations. Physica A, v. 635, p. 129518-1-129518-15, 2024Tradução . . Disponível em: https://doi.org/10.1016/j.physa.2024.129518. Acesso em: 15 nov. 2024.
    • APA

      Ribas, L. C., Scabini, L. F. dos S., Condori, R. H. M., & Bruno, O. M. (2024). Color-texture classification based on spatio-spectral complex network representations. Physica A, 635, 129518-1-129518-15. doi:10.1016/j.physa.2024.129518
    • NLM

      Ribas LC, Scabini LF dos S, Condori RHM, Bruno OM. Color-texture classification based on spatio-spectral complex network representations [Internet]. Physica A. 2024 ; 635 129518-1-129518-15.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.physa.2024.129518
    • Vancouver

      Ribas LC, Scabini LF dos S, Condori RHM, Bruno OM. Color-texture classification based on spatio-spectral complex network representations [Internet]. Physica A. 2024 ; 635 129518-1-129518-15.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.physa.2024.129518
  • Source: Pattern Recognition. Unidades: IFSC, EP

    Subjects: REDES COMPLEXAS, REDES NEURAIS, VISÃO COMPUTACIONAL, TEXTURA

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      ZIELINSKI, Kallil Miguel Caparroz et al. A network classification method based on density time evolution patterns extracted from network automata. Pattern Recognition, v. 146, p. 109802-1-109802-13 + supplementary materials, 2024Tradução . . Disponível em: https://doi.org/10.1016/j.patcog.2023.109946. Acesso em: 15 nov. 2024.
    • APA

      Zielinski, K. M. C., Ribas, L. C., Machicao, J., & Bruno, O. M. (2024). A network classification method based on density time evolution patterns extracted from network automata. Pattern Recognition, 146, 109802-1-109802-13 + supplementary materials. doi:10.1016/j.patcog.2023.109946
    • NLM

      Zielinski KMC, Ribas LC, Machicao J, Bruno OM. A network classification method based on density time evolution patterns extracted from network automata [Internet]. Pattern Recognition. 2024 ; 146 109802-1-109802-13 + supplementary materials.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.patcog.2023.109946
    • Vancouver

      Zielinski KMC, Ribas LC, Machicao J, Bruno OM. A network classification method based on density time evolution patterns extracted from network automata [Internet]. Pattern Recognition. 2024 ; 146 109802-1-109802-13 + supplementary materials.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.patcog.2023.109946
  • Source: Pattern Recognition. Unidade: IFSC

    Subjects: REDES COMPLEXAS, REDES NEURAIS, VISÃO COMPUTACIONAL, TEXTURA, RECONHECIMENTO DE PADRÕES

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      RIBAS, Lucas Correia e BRUNO, Odemir Martinez. Learning a complex network representation for shape classification. Pattern Recognition, v. 154, p. 110566-1-110566-10 + supplementary data, 2024Tradução . . Disponível em: https://doi.org/10.1016/j.patcog.2024.110566. Acesso em: 15 nov. 2024.
    • APA

      Ribas, L. C., & Bruno, O. M. (2024). Learning a complex network representation for shape classification. Pattern Recognition, 154, 110566-1-110566-10 + supplementary data. doi:10.1016/j.patcog.2024.110566
    • NLM

      Ribas LC, Bruno OM. Learning a complex network representation for shape classification [Internet]. Pattern Recognition. 2024 ; 154 110566-1-110566-10 + supplementary data.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.patcog.2024.110566
    • Vancouver

      Ribas LC, Bruno OM. Learning a complex network representation for shape classification [Internet]. Pattern Recognition. 2024 ; 154 110566-1-110566-10 + supplementary data.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.patcog.2024.110566
  • Source: Pattern Recognition. Unidade: IFSC

    Subjects: REDES COMPLEXAS, REDES NEURAIS, VISÃO COMPUTACIONAL, TEXTURA

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      SCABINI, Leonardo Felipe dos Santos et al. RADAM: texture recognition through randomized aggregated encoding of deep activation maps. Pattern Recognition, v. No 2023, p. 109802-1-109802-13 + supplementary materials, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.patcog.2023.109802. Acesso em: 15 nov. 2024.
    • APA

      Scabini, L. F. dos S., Zielinski, K. M. C., Ribas, L. C., Gonçalves, W. N., Baets, B. D., & Bruno, O. M. (2023). RADAM: texture recognition through randomized aggregated encoding of deep activation maps. Pattern Recognition, No 2023, 109802-1-109802-13 + supplementary materials. doi:10.1016/j.patcog.2023.109802
    • NLM

      Scabini LF dos S, Zielinski KMC, Ribas LC, Gonçalves WN, Baets BD, Bruno OM. RADAM: texture recognition through randomized aggregated encoding of deep activation maps [Internet]. Pattern Recognition. 2023 ; No 2023 109802-1-109802-13 + supplementary materials.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.patcog.2023.109802
    • Vancouver

      Scabini LF dos S, Zielinski KMC, Ribas LC, Gonçalves WN, Baets BD, Bruno OM. RADAM: texture recognition through randomized aggregated encoding of deep activation maps [Internet]. Pattern Recognition. 2023 ; No 2023 109802-1-109802-13 + supplementary materials.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.patcog.2023.109802
  • Source: Information Sciences. Unidades: IFSC, ICMC

    Subjects: REDES COMPLEXAS, GEOMETRIA E MODELAGEM COMPUTACIONAL

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      SOUZA, Bárbara Côrtes e et al. Text characterization based on recurrence networks. Information Sciences, v. 641, p. 119124-1-119124-15, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2023.119124. Acesso em: 15 nov. 2024.
    • APA

      Souza, B. C. e, Silva, F. N., Arruda, H. F. de, Silva, G. D. da, Costa, L. da F., & Amancio, D. R. (2023). Text characterization based on recurrence networks. Information Sciences, 641, 119124-1-119124-15. doi:10.1016/j.ins.2023.119124
    • NLM

      Souza BC e, Silva FN, Arruda HF de, Silva GD da, Costa L da F, Amancio DR. Text characterization based on recurrence networks [Internet]. Information Sciences. 2023 ; 641 119124-1-119124-15.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.ins.2023.119124
    • Vancouver

      Souza BC e, Silva FN, Arruda HF de, Silva GD da, Costa L da F, Amancio DR. Text characterization based on recurrence networks [Internet]. Information Sciences. 2023 ; 641 119124-1-119124-15.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.ins.2023.119124
  • Source: Physica A. Unidades: IFSC, ICMC

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

    PrivadoAcesso à fonteDOIHow to cite
    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: 15 nov. 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 nov. 15 ] 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 nov. 15 ] Available from: https://doi.org/10.1016/j.physa.2023.129086
  • Source: Journal of Physics : Complexity. Unidades: ICMC, IFSC, IME

    Subjects: REDES COMPLEXAS, PROCESSAMENTO DE LINGUAGEM NATURAL

    Versão PublicadaAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      BENATTI, Alexandre et al. Quantifying the hierarchical adherence of modular documents. Journal of Physics : Complexity, v. 4, n. 4, p. 045008-01-045008-18, 2023Tradução . . Disponível em: https://doi.org/10.1088/2632-072X/ad0a9b. Acesso em: 15 nov. 2024.
    • APA

      Benatti, A., Brito, A. C. M., Amancio, D. R., & Costa, L. da F. (2023). Quantifying the hierarchical adherence of modular documents. Journal of Physics : Complexity, 4( 4), 045008-01-045008-18. doi:10.1088/2632-072X/ad0a9b
    • NLM

      Benatti A, Brito ACM, Amancio DR, Costa L da F. Quantifying the hierarchical adherence of modular documents [Internet]. Journal of Physics : Complexity. 2023 ; 4( 4): 045008-01-045008-18.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1088/2632-072X/ad0a9b
    • Vancouver

      Benatti A, Brito ACM, Amancio DR, Costa L da F. Quantifying the hierarchical adherence of modular documents [Internet]. Journal of Physics : Complexity. 2023 ; 4( 4): 045008-01-045008-18.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1088/2632-072X/ad0a9b
  • Source: Journal of Complex Networks. Unidades: ICMC, IFSC

    Subjects: TECNOLOGIAS DA SAÚDE, APRENDIZADO COMPUTACIONAL, REDES COMPLEXAS, RECONHECIMENTO DE IMAGEM, DIAGNÓSTICO POR COMPUTADOR, DOENÇAS VASCULARES

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      PINEDA, Aruane Mello et al. Analysis of quantile graphs in EGC data from elderly and young individuals using machine learning and deep learning. Journal of Complex Networks, v. 11, n. 5, p. cnad030-1-cnad030-21, 2023Tradução . . Disponível em: https://doi.org/10.1093/comnet/cnad030. Acesso em: 15 nov. 2024.
    • APA

      Pineda, A. M., Rodrigues, F. A., Alves, C. L., Möckel, M., Oliveira, T. G. L. de, & Porto, J. A. M. (2023). Analysis of quantile graphs in EGC data from elderly and young individuals using machine learning and deep learning. Journal of Complex Networks, 11( 5), cnad030-1-cnad030-21. doi:10.1093/comnet/cnad030
    • NLM

      Pineda AM, Rodrigues FA, Alves CL, Möckel M, Oliveira TGL de, Porto JAM. Analysis of quantile graphs in EGC data from elderly and young individuals using machine learning and deep learning [Internet]. Journal of Complex Networks. 2023 ; 11( 5): cnad030-1-cnad030-21.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1093/comnet/cnad030
    • Vancouver

      Pineda AM, Rodrigues FA, Alves CL, Möckel M, Oliveira TGL de, Porto JAM. Analysis of quantile graphs in EGC data from elderly and young individuals using machine learning and deep learning [Internet]. Journal of Complex Networks. 2023 ; 11( 5): cnad030-1-cnad030-21.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1093/comnet/cnad030
  • Source: European Physical Journal B. Unidades: IFSC, IEA

    Subjects: REDES COMPLEXAS, CONHECIMENTO, GEOMETRIA E MODELAGEM COMPUTACIONAL

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      TOKUDA, Eric Keiji e LAMBIOTTE, Renaud e COSTA, Luciano da Fontoura. Cross-relation characterization of knowledge networks. European Physical Journal B, v. No 2023, n. 11, p. 144-1-144-19, 2023Tradução . . Disponível em: https://doi.org/10.1140/epjb/s10051-023-00608-w. Acesso em: 15 nov. 2024.
    • APA

      Tokuda, E. K., Lambiotte, R., & Costa, L. da F. (2023). Cross-relation characterization of knowledge networks. European Physical Journal B, No 2023( 11), 144-1-144-19. doi:10.1140/epjb/s10051-023-00608-w
    • NLM

      Tokuda EK, Lambiotte R, Costa L da F. Cross-relation characterization of knowledge networks [Internet]. European Physical Journal B. 2023 ; No 2023( 11): 144-1-144-19.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1140/epjb/s10051-023-00608-w
    • Vancouver

      Tokuda EK, Lambiotte R, Costa L da F. Cross-relation characterization of knowledge networks [Internet]. European Physical Journal B. 2023 ; No 2023( 11): 144-1-144-19.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1140/epjb/s10051-023-00608-w
  • Source: Journal of Neural Engineering. Unidades: ICMC, IFSC

    Subjects: TECNOLOGIAS DA SAÚDE, APRENDIZADO COMPUTACIONAL, ESQUIZOFRENIA, REDES COMPLEXAS, RECONHECIMENTO DE IMAGEM, DIAGNÓSTICO POR COMPUTADOR, CÉREBRO

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      ALVES, Caroline Lourenço et al. Analysis of functional connectivity using machine learning and deep learning in different data modalities from individuals with schizophrenia. Journal of Neural Engineering, v. 20, n. 5, p. 056025-1-056025-28, 2023Tradução . . Disponível em: https://doi.org/10.1088/1741-2552/acf734. Acesso em: 15 nov. 2024.
    • APA

      Alves, C. L., Oliveira, T. G. L. de, Porto, J. A. M., Aguiar, P. M. de C., Sena, E. P. de, Rodrigues, F. A., et al. (2023). Analysis of functional connectivity using machine learning and deep learning in different data modalities from individuals with schizophrenia. Journal of Neural Engineering, 20( 5), 056025-1-056025-28. doi:10.1088/1741-2552/acf734
    • NLM

      Alves CL, Oliveira TGL de, Porto JAM, Aguiar PM de C, Sena EP de, Rodrigues FA, Pineda AM, Thielemann C. Analysis of functional connectivity using machine learning and deep learning in different data modalities from individuals with schizophrenia [Internet]. Journal of Neural Engineering. 2023 ; 20( 5): 056025-1-056025-28.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1088/1741-2552/acf734
    • Vancouver

      Alves CL, Oliveira TGL de, Porto JAM, Aguiar PM de C, Sena EP de, Rodrigues FA, Pineda AM, Thielemann C. Analysis of functional connectivity using machine learning and deep learning in different data modalities from individuals with schizophrenia [Internet]. Journal of Neural Engineering. 2023 ; 20( 5): 056025-1-056025-28.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1088/1741-2552/acf734
  • Source: Physica A. Unidade: IFSC

    Subjects: REDES COMPLEXAS, CLUSTERS, MODELAGEM DE DADOS

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      TOKUDA, Eric Keiji e COMIN, Cesar Henrique e COSTA, Luciano da Fontoura. Revisiting agglomerative clustering. Physica A, v. 585, n. Ja 2022, p. 126433-1-126433-17, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.physa.2021.126433. Acesso em: 15 nov. 2024.
    • APA

      Tokuda, E. K., Comin, C. H., & Costa, L. da F. (2022). Revisiting agglomerative clustering. Physica A, 585( Ja 2022), 126433-1-126433-17. doi:10.1016/j.physa.2021.126433
    • NLM

      Tokuda EK, Comin CH, Costa L da F. Revisiting agglomerative clustering [Internet]. Physica A. 2022 ; 585( Ja 2022): 126433-1-126433-17.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.physa.2021.126433
    • Vancouver

      Tokuda EK, Comin CH, Costa L da F. Revisiting agglomerative clustering [Internet]. Physica A. 2022 ; 585( Ja 2022): 126433-1-126433-17.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.physa.2021.126433
  • Source: Epidemics. Unidades: ICMC, IFSC

    Subjects: MOBILIDADE URBANA, MODELAGEM DE EPIDEMIA, COMPORTAMENTO, REDES COMPLEXAS, SURTOS DE DOENÇAS, SAÚDE PÚBLICA

    Versão PublicadaAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      SILVA, Paulo Cesar Ventura da et al. Modeling the effects of social distancing on the large-scale spreading of diseases. Epidemics, v. 38, p. 100544-1-100544-13, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.epidem.2022.100544. Acesso em: 15 nov. 2024.
    • APA

      Silva, P. C. V. da, Aleta, A., Rodrigues, F. A., & Moreno, Y. (2022). Modeling the effects of social distancing on the large-scale spreading of diseases. Epidemics, 38, 100544-1-100544-13. doi:10.1016/j.epidem.2022.100544
    • NLM

      Silva PCV da, Aleta A, Rodrigues FA, Moreno Y. Modeling the effects of social distancing on the large-scale spreading of diseases [Internet]. Epidemics. 2022 ; 38 100544-1-100544-13.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.epidem.2022.100544
    • Vancouver

      Silva PCV da, Aleta A, Rodrigues FA, Moreno Y. Modeling the effects of social distancing on the large-scale spreading of diseases [Internet]. Epidemics. 2022 ; 38 100544-1-100544-13.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.epidem.2022.100544
  • Source: Applied Soft Computing. Unidades: IFSC, ICMC

    Subjects: REDES COMPLEXAS, VISÃO COMPUTACIONAL, REDES NEURAIS

    Versão AceitaAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      RIBAS, Lucas Correia et al. Learning graph representation with randomized neural network for dynamic texture classification. Applied Soft Computing, v. 114, n. Ja 2022, p. 108035-1-108035-14, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.asoc.2021.108035. Acesso em: 15 nov. 2024.
    • APA

      Ribas, L. C., Sá Júnior, J. J. de M., Manzanera, A., & Bruno, O. M. (2022). Learning graph representation with randomized neural network for dynamic texture classification. Applied Soft Computing, 114( Ja 2022), 108035-1-108035-14. doi:10.1016/j.asoc.2021.108035
    • NLM

      Ribas LC, Sá Júnior JJ de M, Manzanera A, Bruno OM. Learning graph representation with randomized neural network for dynamic texture classification [Internet]. Applied Soft Computing. 2022 ; 114( Ja 2022): 108035-1-108035-14.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.asoc.2021.108035
    • Vancouver

      Ribas LC, Sá Júnior JJ de M, Manzanera A, Bruno OM. Learning graph representation with randomized neural network for dynamic texture classification [Internet]. Applied Soft Computing. 2022 ; 114( Ja 2022): 108035-1-108035-14.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.asoc.2021.108035
  • Source: Biomedical Signal Processing and Control. Unidades: IFSC, ICMC

    Subjects: REDES COMPLEXAS, RECONHECIMENTO DE IMAGEM, TECNOLOGIAS DA SAÚDE, OSTEOARTRITE DO JOELHO

    Versão AceitaAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      RIBAS, Lucas Correia et al. A complex network based approach for knee osteoarthritis detection: data from the Osteoarthritis initiative. Biomedical Signal Processing and Control, v. 222, n. Ja 2022, p. 103133-1-103133-10, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.bspc.2021.103133. Acesso em: 15 nov. 2024.
    • APA

      Ribas, L. C., Riad, R., Jennane, R., & Bruno, O. M. (2022). A complex network based approach for knee osteoarthritis detection: data from the Osteoarthritis initiative. Biomedical Signal Processing and Control, 222( Ja 2022), 103133-1-103133-10. doi:10.1016/j.bspc.2021.103133
    • NLM

      Ribas LC, Riad R, Jennane R, Bruno OM. A complex network based approach for knee osteoarthritis detection: data from the Osteoarthritis initiative [Internet]. Biomedical Signal Processing and Control. 2022 ; 222( Ja 2022): 103133-1-103133-10.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.bspc.2021.103133
    • Vancouver

      Ribas LC, Riad R, Jennane R, Bruno OM. A complex network based approach for knee osteoarthritis detection: data from the Osteoarthritis initiative [Internet]. Biomedical Signal Processing and Control. 2022 ; 222( Ja 2022): 103133-1-103133-10.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.bspc.2021.103133
  • Source: Information Sciences. Unidade: IFSC

    Subjects: REDES COMPLEXAS, GEOMETRIA E MODELAGEM COMPUTACIONAL

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      ARRUDA, Henrique Ferraz de et al. Modelling how social network algorithms can influence opinion polarization. Information Sciences, v. 588, p. 265-278 , 2022Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2021.12.069. Acesso em: 15 nov. 2024.
    • APA

      Arruda, H. F. de, Cardoso, F. M., Arruda, G. F. de, Hernández, A. R., Costa, L. da F., & Moreno, Y. (2022). Modelling how social network algorithms can influence opinion polarization. Information Sciences, 588, 265-278 . doi:10.1016/j.ins.2021.12.069
    • NLM

      Arruda HF de, Cardoso FM, Arruda GF de, Hernández AR, Costa L da F, Moreno Y. Modelling how social network algorithms can influence opinion polarization [Internet]. Information Sciences. 2022 ; 588 265-278 .[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.ins.2021.12.069
    • Vancouver

      Arruda HF de, Cardoso FM, Arruda GF de, Hernández AR, Costa L da F, Moreno Y. Modelling how social network algorithms can influence opinion polarization [Internet]. Information Sciences. 2022 ; 588 265-278 .[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.ins.2021.12.069
  • Source: Physica A. Unidade: IFSC

    Subjects: REDES COMPLEXAS, GEOMETRIA E MODELAGEM COMPUTACIONAL, FÍSICA MATEMÁTICA, APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      COSTA, Luciano da Fontoura. On similarity. Physica A, v. 599, p. 127456-1- 127456-20, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.physa.2022.127456. Acesso em: 15 nov. 2024.
    • APA

      Costa, L. da F. (2022). On similarity. Physica A, 599, 127456-1- 127456-20. doi:10.1016/j.physa.2022.127456
    • NLM

      Costa L da F. On similarity [Internet]. Physica A. 2022 ; 599 127456-1- 127456-20.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.physa.2022.127456
    • Vancouver

      Costa L da F. On similarity [Internet]. Physica A. 2022 ; 599 127456-1- 127456-20.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.physa.2022.127456
  • Source: Physica A. Unidade: IFSC

    Subjects: REDES COMPLEXAS, INTELIGÊNCIA ARTIFICIAL, MODELAGEM DE DADOS

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      CUNHA, Éverton Fernandes da e COSTA, Luciano da Fontoura. On hypercomplex networks. Physica A, v. 591, p. 126714-1-126714-9, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.physa.2021.126714. Acesso em: 15 nov. 2024.
    • APA

      Cunha, É. F. da, & Costa, L. da F. (2022). On hypercomplex networks. Physica A, 591, 126714-1-126714-9. doi:10.1016/j.physa.2021.126714
    • NLM

      Cunha ÉF da, Costa L da F. On hypercomplex networks [Internet]. Physica A. 2022 ; 591 126714-1-126714-9.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.physa.2021.126714
    • Vancouver

      Cunha ÉF da, Costa L da F. On hypercomplex networks [Internet]. Physica A. 2022 ; 591 126714-1-126714-9.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1016/j.physa.2021.126714
  • Source: European Physical Journal B. Unidade: IFSC

    Subjects: TOPOLOGIA, REDES COMPLEXAS

    PrivadoAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      COSTA, Luciano da Fontoura e TOKUDA, Eric Keiji. A similarity approach to cities and features. European Physical Journal B, v. 95, n. 9, p. 155-1-155-14, 2022Tradução . . Disponível em: https://doi.org/10.1140/epjb/s10051-022-00420-y. Acesso em: 15 nov. 2024.
    • APA

      Costa, L. da F., & Tokuda, E. K. (2022). A similarity approach to cities and features. European Physical Journal B, 95( 9), 155-1-155-14. doi:10.1140/epjb/s10051-022-00420-y
    • NLM

      Costa L da F, Tokuda EK. A similarity approach to cities and features [Internet]. European Physical Journal B. 2022 ; 95( 9): 155-1-155-14.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1140/epjb/s10051-022-00420-y
    • Vancouver

      Costa L da F, Tokuda EK. A similarity approach to cities and features [Internet]. European Physical Journal B. 2022 ; 95( 9): 155-1-155-14.[citado 2024 nov. 15 ] Available from: https://doi.org/10.1140/epjb/s10051-022-00420-y
  • Source: Journal of Physics: Complexity. Unidade: IF

    Subjects: CAOS (SISTEMAS DINÂMICOS), SISTEMAS DINÂMICOS (FÍSICA MATEMÁTICA), REDES COMPLEXAS

    Versão PublicadaAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      MEDEIROS, Everton et al. The impact of chaotic saddles on the synchronization of complex networks of discrete-time units. Journal of Physics: Complexity, v. 2, n. 3, 2021Tradução . . Disponível em: https://doi.org/10.1088/2632-072X/abedc2. Acesso em: 15 nov. 2024.
    • APA

      Medeiros, E., Medrano-T, R. O., Caldas, I. L., & Feudel, U. (2021). The impact of chaotic saddles on the synchronization of complex networks of discrete-time units. Journal of Physics: Complexity, 2( 3). doi:10.1088/2632-072X/abedc2
    • NLM

      Medeiros E, Medrano-T RO, Caldas IL, Feudel U. The impact of chaotic saddles on the synchronization of complex networks of discrete-time units [Internet]. Journal of Physics: Complexity. 2021 ; 2( 3):[citado 2024 nov. 15 ] Available from: https://doi.org/10.1088/2632-072X/abedc2
    • Vancouver

      Medeiros E, Medrano-T RO, Caldas IL, Feudel U. The impact of chaotic saddles on the synchronization of complex networks of discrete-time units [Internet]. Journal of Physics: Complexity. 2021 ; 2( 3):[citado 2024 nov. 15 ] Available from: https://doi.org/10.1088/2632-072X/abedc2

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2024