Pineda, Aruane Mello 
; Rodrigues, Francisco Aparecido ; Alves, Caroline Lourenço ; Möckel, Michael; Oliveira, Thaise Graziele Lima de ; Porto, Joel Augusto Moura
Fonte: Journal of Complex Networks. Unidades: ICMC, IFSC
Assuntos: TECNOLOGIAS DA SAÚDE, APRENDIZADO COMPUTACIONAL, REDES COMPLEXAS, RECONHECIMENTO DE IMAGEM, DIAGNÓSTICO POR COMPUTADOR, DOENÇAS VASCULARES
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: 16 nov. 2025.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/cnad030NLM
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 2025 nov. 16 ] Available from: https://doi.org/10.1093/comnet/cnad030Vancouver
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 2025 nov. 16 ] Available from: https://doi.org/10.1093/comnet/cnad030
