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: 04 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. 04 ] 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. 04 ] 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: 04 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. 04 ] 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. 04 ] 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: 04 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. 04 ] 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. 04 ] 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: 04 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. 04 ] 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. 04 ] 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
Identification of antibiotic resistance in FTIR spectra of bacteria with machine learning algorithms (2024)
Patiño, Claudia Patricia Barrera ; Soares, Jennifer Machado ; Blanco, Kate Cristina ; Inada, Natalia Mayumi ; Bagnato, Vanderlei Salvador
Source: Program. Conference titles: International Laser Physics Workshop - LPHYS'24. Unidade: IFSC
Subjects: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, RESISTÊNCIA MICROBIANA ÀS DROGAS, ESPECTROSCOPIA INFRAVERMELHA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
PATIÑO, Claudia Patricia Barrera et al. Identification of antibiotic resistance in FTIR spectra of bacteria with machine learning algorithms. 2024, Anais.. Bristol: Institute of Physics - IOP, 2024. Disponível em: https://www.lasphys.com/workshops/abstracts/files/2024/7c/8e/af/3750dbeedd54047b99a5070e2e/abstract.pdf. Acesso em: 04 nov. 2025.
APA
Patiño, C. P. B., Soares, J. M., Blanco, K. C., Inada, N. M., & Bagnato, V. S. (2024). Identification of antibiotic resistance in FTIR spectra of bacteria with machine learning algorithms. In Program. Bristol: Institute of Physics - IOP. Recuperado de https://www.lasphys.com/workshops/abstracts/files/2024/7c/8e/af/3750dbeedd54047b99a5070e2e/abstract.pdf
NLM
Patiño CPB, Soares JM, Blanco KC, Inada NM, Bagnato VS. Identification of antibiotic resistance in FTIR spectra of bacteria with machine learning algorithms [Internet]. Program. 2024 ;[citado 2025 nov. 04 ] Available from: https://www.lasphys.com/workshops/abstracts/files/2024/7c/8e/af/3750dbeedd54047b99a5070e2e/abstract.pdf
Vancouver
Patiño CPB, Soares JM, Blanco KC, Inada NM, Bagnato VS. Identification of antibiotic resistance in FTIR spectra of bacteria with machine learning algorithms [Internet]. Program. 2024 ;[citado 2025 nov. 04 ] Available from: https://www.lasphys.com/workshops/abstracts/files/2024/7c/8e/af/3750dbeedd54047b99a5070e2e/abstract.pdf
Trabalho de evento-resumo
Scheme for machine learning control of inline processes via real time spectroscopy monitoringglasses (2024)
Miotti, Marcos Paulo; Evangelista, Renato Feijó ; Estracanholli, Everton Sergio; Hemmerling, Michal; Bagnato, Vanderlei Salvador
Source: Program. Conference titles: International Laser Physics Workshop - LPHYS'24. Unidade: IFSC
Subjects: APRENDIZADO COMPUTACIONAL, ESPECTROSCOPIA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MIOTTI, Marcos Paulo et al. Scheme for machine learning control of inline processes via real time spectroscopy monitoringglasses. 2024, Anais.. Bristol: Institute of Physics - IOP, 2024. Disponível em: https://www.lasphys.com/workshops/abstracts/files/2024/e7/83/c3/62aa3be07966f181f05f2c4dc4/abstract.pdf. Acesso em: 04 nov. 2025.
APA
Miotti, M. P., Evangelista, R. F., Estracanholli, E. S., Hemmerling, M., & Bagnato, V. S. (2024). Scheme for machine learning control of inline processes via real time spectroscopy monitoringglasses. In Program. Bristol: Institute of Physics - IOP. Recuperado de https://www.lasphys.com/workshops/abstracts/files/2024/e7/83/c3/62aa3be07966f181f05f2c4dc4/abstract.pdf
NLM
Miotti MP, Evangelista RF, Estracanholli ES, Hemmerling M, Bagnato VS. Scheme for machine learning control of inline processes via real time spectroscopy monitoringglasses [Internet]. Program. 2024 ;[citado 2025 nov. 04 ] Available from: https://www.lasphys.com/workshops/abstracts/files/2024/e7/83/c3/62aa3be07966f181f05f2c4dc4/abstract.pdf
Vancouver
Miotti MP, Evangelista RF, Estracanholli ES, Hemmerling M, Bagnato VS. Scheme for machine learning control of inline processes via real time spectroscopy monitoringglasses [Internet]. Program. 2024 ;[citado 2025 nov. 04 ] Available from: https://www.lasphys.com/workshops/abstracts/files/2024/e7/83/c3/62aa3be07966f181f05f2c4dc4/abstract.pdf
Trabalho de evento-resumo
Magneto-optical trap optimized via machine learn (2024)
Tafuri, Vinicius Bueno; Telles, Gustavo Deczka
Source: Program. Conference titles: Encontro de Outono da Sociedade Brasileira de Física - EOSBF. Unidades: IFSC, EEL
Subjects: LASER, APRENDIZADO COMPUTACIONAL, MAGNETISMO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
TAFURI, Vinicius Bueno e TELLES, Gustavo Deczka. Magneto-optical trap optimized via machine learn. 2024, Anais.. São Paulo: Sociedade Brasileira de Física - SBF, 2024. Disponível em: https://sec.sbfisica.org.br/eventos/eosbf/2024/sys/resumos/R0303-2.pdf. Acesso em: 04 nov. 2025.
APA
Tafuri, V. B., & Telles, G. D. (2024). Magneto-optical trap optimized via machine learn. In Program. São Paulo: Sociedade Brasileira de Física - SBF. Recuperado de https://sec.sbfisica.org.br/eventos/eosbf/2024/sys/resumos/R0303-2.pdf
NLM
Tafuri VB, Telles GD. Magneto-optical trap optimized via machine learn [Internet]. Program. 2024 ;[citado 2025 nov. 04 ] Available from: https://sec.sbfisica.org.br/eventos/eosbf/2024/sys/resumos/R0303-2.pdf
Vancouver
Tafuri VB, Telles GD. Magneto-optical trap optimized via machine learn [Internet]. Program. 2024 ;[citado 2025 nov. 04 ] Available from: https://sec.sbfisica.org.br/eventos/eosbf/2024/sys/resumos/R0303-2.pdf
Trabalho de evento-resumo
Machine learning applied to laser cooling (2024)
Tafuri, Vinicius Bueno; Telles, Gustavo Deczka
Source: Program. Conference titles: International Laser Physics Workshop - LPHYS'24. Unidade: IFSC
Subjects: APRENDIZADO COMPUTACIONAL, LASER, RESOLUÇÃO DE PROBLEMAS, ÁTOMOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
TAFURI, Vinicius Bueno e TELLES, Gustavo Deczka. Machine learning applied to laser cooling. 2024, Anais.. Bristol: Institute of Physics - IOP, 2024. Disponível em: https://www.lasphys.com/workshops/abstracts/files/2024/82/5a/11/8b6abcfcc16d18e6da79ee92f8/abstract.pdf. Acesso em: 04 nov. 2025.
APA
Tafuri, V. B., & Telles, G. D. (2024). Machine learning applied to laser cooling. In Program. Bristol: Institute of Physics - IOP. Recuperado de https://www.lasphys.com/workshops/abstracts/files/2024/82/5a/11/8b6abcfcc16d18e6da79ee92f8/abstract.pdf
NLM
Tafuri VB, Telles GD. Machine learning applied to laser cooling [Internet]. Program. 2024 ;[citado 2025 nov. 04 ] Available from: https://www.lasphys.com/workshops/abstracts/files/2024/82/5a/11/8b6abcfcc16d18e6da79ee92f8/abstract.pdf
Vancouver
Tafuri VB, Telles GD. Machine learning applied to laser cooling [Internet]. Program. 2024 ;[citado 2025 nov. 04 ] Available from: https://www.lasphys.com/workshops/abstracts/files/2024/82/5a/11/8b6abcfcc16d18e6da79ee92f8/abstract.pdf
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: 04 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. 04 ] 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. 04 ] 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: 04 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. 04 ] 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. 04 ] Available from: https://sec.sbfisica.org.br/eventos/enfpc_rtfnb/2022/sys/resumos/R0176-2.pdf
Trabalho de evento-resumo
Machine learning optimization of a magneto-optical trap (2021)
Santos, Lucas Marcelo de Sá Marques dos; Telles, Gustavo Deczka
Source: Program. Conference titles: Encontro de Outono da Sociedade Brasileira de Física - EOSBF. Unidade: IFSC
Subjects: FÍSICA ATÔMICA, ÓPTICA, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SANTOS, Lucas Marcelo de Sá Marques dos e TELLES, Gustavo Deczka. Machine learning optimization of a magneto-optical trap. 2021, Anais.. São Paulo: Sociedade Brasileira de Física - SBF, 2021. Disponível em: https://sec.sbfisica.org.br/eventos/eosbf/2021/sys/resumos/R0653-1.pdf. Acesso em: 04 nov. 2025.
APA
Santos, L. M. de S. M. dos, & Telles, G. D. (2021). Machine learning optimization of a magneto-optical trap. In Program. São Paulo: Sociedade Brasileira de Física - SBF. Recuperado de https://sec.sbfisica.org.br/eventos/eosbf/2021/sys/resumos/R0653-1.pdf
NLM
Santos LM de SM dos, Telles GD. Machine learning optimization of a magneto-optical trap [Internet]. Program. 2021 ;[citado 2025 nov. 04 ] Available from: https://sec.sbfisica.org.br/eventos/eosbf/2021/sys/resumos/R0653-1.pdf
Vancouver
Santos LM de SM dos, Telles GD. Machine learning optimization of a magneto-optical trap [Internet]. Program. 2021 ;[citado 2025 nov. 04 ] Available from: https://sec.sbfisica.org.br/eventos/eosbf/2021/sys/resumos/R0653-1.pdf

USP Schools

ReP

Filtros

Authors

USP affiliated authors

Subjects

Conference titles

Grupo de pesquisa

Non normalized affiliation