ReP USP - Resultado da busca

Trabalho de evento-resumo
Modeling charge transfer in EndoIII-DNA: A data-driven computational approach (2025)
Lima, Filipe Camargo Dalmatti Alves ; Hassan, Ayaz ; Crespilho, Frank Nelson
Source: Program. Conference titles: Annual Meeting of the International Society of Electrochemistry. Unidade: IQSC
Subjects: ELETROQUÍMICA, DNA, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
LIMA, Filipe Camargo Dalmatti Alves e HASSAN, Ayaz e CRESPILHO, Frank Nelson. Modeling charge transfer in EndoIII-DNA: A data-driven computational approach. 2025, Anais.. Lausanne: International Society of Electrochemistry, 2025. Disponível em: https://www.ise-online.org/meetings/76th-annual-meeting-of-ise-2/#uagb-tabs__tab6&gsc.tab=0. Acesso em: 05 nov. 2025.
APA
Lima, F. C. D. A., Hassan, A., & Crespilho, F. N. (2025). Modeling charge transfer in EndoIII-DNA: A data-driven computational approach. In Program. Lausanne: International Society of Electrochemistry. Recuperado de https://www.ise-online.org/meetings/76th-annual-meeting-of-ise-2/#uagb-tabs__tab6&gsc.tab=0
NLM
Lima FCDA, Hassan A, Crespilho FN. Modeling charge transfer in EndoIII-DNA: A data-driven computational approach [Internet]. Program. 2025 ;[citado 2025 nov. 05 ] Available from: https://www.ise-online.org/meetings/76th-annual-meeting-of-ise-2/#uagb-tabs__tab6&gsc.tab=0
Vancouver
Lima FCDA, Hassan A, Crespilho FN. Modeling charge transfer in EndoIII-DNA: A data-driven computational approach [Internet]. Program. 2025 ;[citado 2025 nov. 05 ] Available from: https://www.ise-online.org/meetings/76th-annual-meeting-of-ise-2/#uagb-tabs__tab6&gsc.tab=0
Trabalho de evento-resumo
Modelagem computacional de veículos aeroespaciais através de métodos numéricos calibrados com dados experimentais (2025)
Sellin, Davi Gonçalves; Sousa, Fabricio Simeoni de
Source: Program. Conference titles: Congresso Nacional de Matemática Aplicada e Computacional - CNMAC. Unidades: ICMC, IFSC
Subjects: VEÍCULOS ESPACIAIS, GEOMETRIA E MODELAGEM COMPUTACIONAL, APRENDIZADO COMPUTACIONAL, ANÁLISE DE TRAJETÓRIAS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SELLIN, Davi Gonçalves e SOUSA, Fabricio Simeoni de. Modelagem computacional de veículos aeroespaciais através de métodos numéricos calibrados com dados experimentais. 2025, Anais.. São Carlos: Sociedade Brasileira de Matemática Aplicada e Computacional - SBMAC, 2025. Disponível em: https://proceedings.science/cnmac-2025/trabalhos/modelagem-computacional-de-veiculos-aeroespaciais-atraves-de-metodos-numericos-c?lang=pt-br. Acesso em: 05 nov. 2025.
APA
Sellin, D. G., & Sousa, F. S. de. (2025). Modelagem computacional de veículos aeroespaciais através de métodos numéricos calibrados com dados experimentais. In Program. São Carlos: Sociedade Brasileira de Matemática Aplicada e Computacional - SBMAC. Recuperado de https://proceedings.science/cnmac-2025/trabalhos/modelagem-computacional-de-veiculos-aeroespaciais-atraves-de-metodos-numericos-c?lang=pt-br
NLM
Sellin DG, Sousa FS de. Modelagem computacional de veículos aeroespaciais através de métodos numéricos calibrados com dados experimentais [Internet]. Program. 2025 ;[citado 2025 nov. 05 ] Available from: https://proceedings.science/cnmac-2025/trabalhos/modelagem-computacional-de-veiculos-aeroespaciais-atraves-de-metodos-numericos-c?lang=pt-br
Vancouver
Sellin DG, Sousa FS de. Modelagem computacional de veículos aeroespaciais através de métodos numéricos calibrados com dados experimentais [Internet]. Program. 2025 ;[citado 2025 nov. 05 ] Available from: https://proceedings.science/cnmac-2025/trabalhos/modelagem-computacional-de-veiculos-aeroespaciais-atraves-de-metodos-numericos-c?lang=pt-br
Trabalho de evento-resumo
Mass composition classification of extensive air showers at CTAO via Monte Carlo simulations and machine learning (2025)
Rabelo, Eduardo Fonseca
Source: Program. Conference titles: CLAF/ICTP-SAIFR Latin-American Astroparticle Physics School. Unidade: IFSC
Subjects: APRENDIZADO COMPUTACIONAL, FÍSICA COMPUTACIONAL, ASTROFÍSICA, MÉTODO DE MONTE CARLO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RABELO, Eduardo Fonseca. Mass composition classification of extensive air showers at CTAO via Monte Carlo simulations and machine learning. 2025, Anais.. São Paulo: International Centre for Theoretical Physics, South American Institute for Fundamental Research - ICTP-SAIFR, 2025. Disponível em: https://repositorio.usp.br/directbitstream/378447b6-af38-41a1-9694-e8251cd9c0a7/3266949.pdf. Acesso em: 05 nov. 2025.
APA
Rabelo, E. F. (2025). Mass composition classification of extensive air showers at CTAO via Monte Carlo simulations and machine learning. In Program. São Paulo: International Centre for Theoretical Physics, South American Institute for Fundamental Research - ICTP-SAIFR. Recuperado de https://repositorio.usp.br/directbitstream/378447b6-af38-41a1-9694-e8251cd9c0a7/3266949.pdf
NLM
Rabelo EF. Mass composition classification of extensive air showers at CTAO via Monte Carlo simulations and machine learning [Internet]. Program. 2025 ;[citado 2025 nov. 05 ] Available from: https://repositorio.usp.br/directbitstream/378447b6-af38-41a1-9694-e8251cd9c0a7/3266949.pdf
Vancouver
Rabelo EF. Mass composition classification of extensive air showers at CTAO via Monte Carlo simulations and machine learning [Internet]. Program. 2025 ;[citado 2025 nov. 05 ] Available from: https://repositorio.usp.br/directbitstream/378447b6-af38-41a1-9694-e8251cd9c0a7/3266949.pdf
Trabalho de evento-resumo
Predictive modeling of dengue outbreaks: a comparison of statistical and machine learning (2025)
Fiorotti, Luiza Prette; Casaca, Wallace Correa de Oliveira ; Colnago, Marilaine
Source: Program. Conference titles: Congresso Nacional de Matemática Aplicada e Computacional. Unidade: IFSC
Subjects: DENGUE, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FIOROTTI, Luiza Prette e CASACA, Wallace Correa de Oliveira e COLNAGO, Marilaine. Predictive modeling of dengue outbreaks: a comparison of statistical and machine learning. 2025, Anais.. São Carlos: Sociedade Brasileira de Matemática Aplicada e Computacional - SBMAC, 2025. Disponível em: https://proceedings.science/cnmac-2025/trabalhos/predictive-modeling-of-dengue-outbreaks-a-comparison-of-statistical-and-machine?lang=pt-br. Acesso em: 05 nov. 2025.
APA
Fiorotti, L. P., Casaca, W. C. de O., & Colnago, M. (2025). Predictive modeling of dengue outbreaks: a comparison of statistical and machine learning. In Program. São Carlos: Sociedade Brasileira de Matemática Aplicada e Computacional - SBMAC. Recuperado de https://proceedings.science/cnmac-2025/trabalhos/predictive-modeling-of-dengue-outbreaks-a-comparison-of-statistical-and-machine?lang=pt-br
NLM
Fiorotti LP, Casaca WC de O, Colnago M. Predictive modeling of dengue outbreaks: a comparison of statistical and machine learning [Internet]. Program. 2025 ;[citado 2025 nov. 05 ] Available from: https://proceedings.science/cnmac-2025/trabalhos/predictive-modeling-of-dengue-outbreaks-a-comparison-of-statistical-and-machine?lang=pt-br
Vancouver
Fiorotti LP, Casaca WC de O, Colnago M. Predictive modeling of dengue outbreaks: a comparison of statistical and machine learning [Internet]. Program. 2025 ;[citado 2025 nov. 05 ] Available from: https://proceedings.science/cnmac-2025/trabalhos/predictive-modeling-of-dengue-outbreaks-a-comparison-of-statistical-and-machine?lang=pt-br
Trabalho de evento-resumo
Development of a machine learning model for predicting photophysical parameters of organic molecules (2024)
Araujo, João Marcos Rigon
Source: Program. Conference titles: International Laser Physics Workshop - LPHYS'24. Unidade: IFSC
Subjects: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, FÍSICA MOLECULAR
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ARAUJO, João Marcos Rigon. Development of a machine learning model for predicting photophysical parameters of organic molecules. 2024, Anais.. Bristol: Institute of Physics - IOP, 2024. Disponível em: https://www.lasphys.com/workshops/abstracts/files/2024/78/9a/9e/6d4b24912bf60a4d47a61349c7/abstract.pdf. Acesso em: 05 nov. 2025.
APA
Araujo, J. M. R. (2024). Development of a machine learning model for predicting photophysical parameters of organic molecules. In Program. Bristol: Institute of Physics - IOP. Recuperado de https://www.lasphys.com/workshops/abstracts/files/2024/78/9a/9e/6d4b24912bf60a4d47a61349c7/abstract.pdf
NLM
Araujo JMR. Development of a machine learning model for predicting photophysical parameters of organic molecules [Internet]. Program. 2024 ;[citado 2025 nov. 05 ] Available from: https://www.lasphys.com/workshops/abstracts/files/2024/78/9a/9e/6d4b24912bf60a4d47a61349c7/abstract.pdf
Vancouver
Araujo JMR. Development of a machine learning model for predicting photophysical parameters of organic molecules [Internet]. Program. 2024 ;[citado 2025 nov. 05 ] Available from: https://www.lasphys.com/workshops/abstracts/files/2024/78/9a/9e/6d4b24912bf60a4d47a61349c7/abstract.pdf
Trabalho de evento-resumo
Application of deep learning for the reconstruction of the depht of shower maximum using the surface detector of the Pierre Auger Observatory (2022)
Arbeletche, Luan Bonneau
Source: Program. Conference titles: Encontro de Primavera da Sociedade Brasileira de Física - EPSBF. Unidade: IFSC
Subjects: OBSERVATÓRIOS, APRENDIZADO COMPUTACIONAL, FÍSICA DE ALTA ENERGIA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ARBELETCHE, Luan Bonneau. Application of deep learning for the reconstruction of the depht of shower maximum using the surface detector of the Pierre Auger Observatory. 2022, Anais.. São Paulo: Sociedade Brasileira de Física - SBF, 2022. Disponível em: https://sec.sbfisica.org.br/eventos/enfpc_rtfnb/2022/sys/resumos/R0176-2.pdf. Acesso em: 05 nov. 2025.
APA
Arbeletche, L. B. (2022). Application of deep learning for the reconstruction of the depht of shower maximum using the surface detector of the Pierre Auger Observatory. In Program. São Paulo: Sociedade Brasileira de Física - SBF. Recuperado de https://sec.sbfisica.org.br/eventos/enfpc_rtfnb/2022/sys/resumos/R0176-2.pdf
NLM
Arbeletche LB. Application of deep learning for the reconstruction of the depht of shower maximum using the surface detector of the Pierre Auger Observatory [Internet]. Program. 2022 ;[citado 2025 nov. 05 ] Available from: https://sec.sbfisica.org.br/eventos/enfpc_rtfnb/2022/sys/resumos/R0176-2.pdf
Vancouver
Arbeletche LB. Application of deep learning for the reconstruction of the depht of shower maximum using the surface detector of the Pierre Auger Observatory [Internet]. Program. 2022 ;[citado 2025 nov. 05 ] Available from: https://sec.sbfisica.org.br/eventos/enfpc_rtfnb/2022/sys/resumos/R0176-2.pdf

USP Schools

ReP

Filtros

Authors

USP affiliated authors

Subjects

Conference titles

Non normalized affiliation