ReP USP - Resultado da busca

Trabalho de evento-anais periodico
Machine learning-based solar radiation forecasting for green hydrogen production (2025)
Albuquerque, Mateus Vasconcelos ; Casaca, Wallace Correa de Oliveira
Fonte: Lecture Notes in Computer Science. Nome do evento: International Conference on Computational Science and its Applications - ICCSA. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), SISTEMAS FOTOVOLTAICOS, ENERGIA SOLAR
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ALBUQUERQUE, Mateus Vasconcelos e CASACA, Wallace Correa de Oliveira. Machine learning-based solar radiation forecasting for green hydrogen production. Lecture Notes in Computer Science. Cham: Springer. Disponível em: https://doi.org/10.1007/978-3-031-96962-1_3. Acesso em: 08 out. 2025. , 2025
APA
Albuquerque, M. V., & Casaca, W. C. de O. (2025). Machine learning-based solar radiation forecasting for green hydrogen production. Lecture Notes in Computer Science. Cham: Springer. doi:10.1007/978-3-031-96962-1_3
NLM
Albuquerque MV, Casaca WC de O. Machine learning-based solar radiation forecasting for green hydrogen production [Internet]. Lecture Notes in Computer Science. 2025 ; 15650 35-52.[citado 2025 out. 08 ] Available from: https://doi.org/10.1007/978-3-031-96962-1_3
Vancouver
Albuquerque MV, Casaca WC de O. Machine learning-based solar radiation forecasting for green hydrogen production [Internet]. Lecture Notes in Computer Science. 2025 ; 15650 35-52.[citado 2025 out. 08 ] Available from: https://doi.org/10.1007/978-3-031-96962-1_3
Artigo de periodico
Forecasting chaotic time series: comparative performance of LSTM-based and transformer-based neural network (2025)
Alvarenga, João Pedro do Valle ; Bruno, Odemir Martinez
Fonte: Chaos, Solitons and Fractals. Unidade: IFSC
Assuntos: REDES NEURAIS, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), APRENDIZADO COMPUTACIONAL, FÍSICA COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ALVARENGA, João Pedro do Valle e BRUNO, Odemir Martinez. Forecasting chaotic time series: comparative performance of LSTM-based and transformer-based neural network. Chaos, Solitons and Fractals, v. 192, p. 116034-1- 116034-9, 2025Tradução . . Disponível em: https://doi.org/10.1016/j.chaos.2025.116034. Acesso em: 08 out. 2025.
APA
Alvarenga, J. P. do V., & Bruno, O. M. (2025). Forecasting chaotic time series: comparative performance of LSTM-based and transformer-based neural network. Chaos, Solitons and Fractals, 192, 116034-1- 116034-9. doi:10.1016/j.chaos.2025.116034
NLM
Alvarenga JP do V, Bruno OM. Forecasting chaotic time series: comparative performance of LSTM-based and transformer-based neural network [Internet]. Chaos, Solitons and Fractals. 2025 ; 192 116034-1- 116034-9.[citado 2025 out. 08 ] Available from: https://doi.org/10.1016/j.chaos.2025.116034
Vancouver
Alvarenga JP do V, Bruno OM. Forecasting chaotic time series: comparative performance of LSTM-based and transformer-based neural network [Internet]. Chaos, Solitons and Fractals. 2025 ; 192 116034-1- 116034-9.[citado 2025 out. 08 ] Available from: https://doi.org/10.1016/j.chaos.2025.116034
Artigo de periodico
The impact of exogenous variables on soybean freight: a machine learning analysis (2025)
Marsola, Karina Braga ; Oliveira, Andréa Leda Ramos de ; Utino, Matheus Yasuo Ribeiro ; Mann, Paulo ; Conceição, Thayane Caroline Oliveira da
Fonte: Sustainability. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), LOGÍSTICA, FRETE, SOJA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARSOLA, Karina Braga et al. The impact of exogenous variables on soybean freight: a machine learning analysis. Sustainability, v. 17, n. 3, p. 1-23, 2025Tradução . . Disponível em: https://doi.org/10.3390/su17031067. Acesso em: 08 out. 2025.
APA
Marsola, K. B., Oliveira, A. L. R. de, Utino, M. Y. R., Mann, P., & Conceição, T. C. O. da. (2025). The impact of exogenous variables on soybean freight: a machine learning analysis. Sustainability, 17( 3), 1-23. doi:10.3390/su17031067
NLM
Marsola KB, Oliveira ALR de, Utino MYR, Mann P, Conceição TCO da. The impact of exogenous variables on soybean freight: a machine learning analysis [Internet]. Sustainability. 2025 ; 17( 3): 1-23.[citado 2025 out. 08 ] Available from: https://doi.org/10.3390/su17031067
Vancouver
Marsola KB, Oliveira ALR de, Utino MYR, Mann P, Conceição TCO da. The impact of exogenous variables on soybean freight: a machine learning analysis [Internet]. Sustainability. 2025 ; 17( 3): 1-23.[citado 2025 out. 08 ] Available from: https://doi.org/10.3390/su17031067
Artigo de periodico
METAFORE: algorithm selection for decomposition-based forecasting combinations (2025)
Santos, Moises Rocha dos ; Carvalho, Andre Carlos Ponce de Leon Ferreira de ; Soares, Carlos
Fonte: International Journal of Data Science and Analytics. Unidade: ICMC
Assuntos: PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), APRENDIZADO COMPUTACIONAL, ALGORITMOS ÚTEIS E ESPECÍFICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SANTOS, Moises Rocha dos e CARVALHO, Andre Carlos Ponce de Leon Ferreira de e SOARES, Carlos. METAFORE: algorithm selection for decomposition-based forecasting combinations. International Journal of Data Science and Analytics, v. 20, n. 3, p. 1827-1840, 2025Tradução . . Disponível em: https://doi.org/10.1007/s41060-024-00569-y. Acesso em: 08 out. 2025.
APA
Santos, M. R. dos, Carvalho, A. C. P. de L. F. de, & Soares, C. (2025). METAFORE: algorithm selection for decomposition-based forecasting combinations. International Journal of Data Science and Analytics, 20( 3), 1827-1840. doi:10.1007/s41060-024-00569-y
NLM
Santos MR dos, Carvalho ACP de LF de, Soares C. METAFORE: algorithm selection for decomposition-based forecasting combinations [Internet]. International Journal of Data Science and Analytics. 2025 ; 20( 3): 1827-1840.[citado 2025 out. 08 ] Available from: https://doi.org/10.1007/s41060-024-00569-y
Vancouver
Santos MR dos, Carvalho ACP de LF de, Soares C. METAFORE: algorithm selection for decomposition-based forecasting combinations [Internet]. International Journal of Data Science and Analytics. 2025 ; 20( 3): 1827-1840.[citado 2025 out. 08 ] Available from: https://doi.org/10.1007/s41060-024-00569-y
Artigo de periodico
How do financial time series enhance the detection of news significance in market movements?: A study using graph neural networks with heterogeneous representations (2025)
Reis Filho, Ivan José dos ; Gôlo, Marcos Paulo Silva ; Marcacini, Ricardo Marcondes ; Rezende, Solange Oliveira
Fonte: Neural Computing and Applications. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), MERCADO FINANCEIRO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
REIS FILHO, Ivan José dos et al. How do financial time series enhance the detection of news significance in market movements?: A study using graph neural networks with heterogeneous representations. Neural Computing and Applications, v. 37, n. Ja 2025, p. 1307-1319, 2025Tradução . . Disponível em: https://doi.org/10.1007/s00521-024-10418-5. Acesso em: 08 out. 2025.
APA
Reis Filho, I. J. dos, Gôlo, M. P. S., Marcacini, R. M., & Rezende, S. O. (2025). How do financial time series enhance the detection of news significance in market movements?: A study using graph neural networks with heterogeneous representations. Neural Computing and Applications, 37( Ja 2025), 1307-1319. doi:10.1007/s00521-024-10418-5
NLM
Reis Filho IJ dos, Gôlo MPS, Marcacini RM, Rezende SO. How do financial time series enhance the detection of news significance in market movements?: A study using graph neural networks with heterogeneous representations [Internet]. Neural Computing and Applications. 2025 ; 37( Ja 2025): 1307-1319.[citado 2025 out. 08 ] Available from: https://doi.org/10.1007/s00521-024-10418-5
Vancouver
Reis Filho IJ dos, Gôlo MPS, Marcacini RM, Rezende SO. How do financial time series enhance the detection of news significance in market movements?: A study using graph neural networks with heterogeneous representations [Internet]. Neural Computing and Applications. 2025 ; 37( Ja 2025): 1307-1319.[citado 2025 out. 08 ] Available from: https://doi.org/10.1007/s00521-024-10418-5
Trabalho de evento
Efficient online tree, rule-based, and distance-based algorithms (2024)
Mastelini, Saulo Martiello ; Carvalho, Andre Carlos Ponce de Leon Ferreira de
Fonte: Anais. Nome do evento: Congresso da Sociedade Brasileira de Computação - CSBC. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), ALGORITMOS ÚTEIS E ESPECÍFICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MASTELINI, Saulo Martiello e CARVALHO, Andre Carlos Ponce de Leon Ferreira de. Efficient online tree, rule-based, and distance-based algorithms. 2024, Anais.. Porto Alegre: SBC, 2024. Disponível em: https://doi.org/10.5753/ctd.2024.1859. Acesso em: 08 out. 2025.
APA
Mastelini, S. M., & Carvalho, A. C. P. de L. F. de. (2024). Efficient online tree, rule-based, and distance-based algorithms. In Anais. Porto Alegre: SBC. doi:10.5753/ctd.2024.1859
NLM
Mastelini SM, Carvalho ACP de LF de. Efficient online tree, rule-based, and distance-based algorithms [Internet]. Anais. 2024 ;[citado 2025 out. 08 ] Available from: https://doi.org/10.5753/ctd.2024.1859
Vancouver
Mastelini SM, Carvalho ACP de LF de. Efficient online tree, rule-based, and distance-based algorithms [Internet]. Anais. 2024 ;[citado 2025 out. 08 ] Available from: https://doi.org/10.5753/ctd.2024.1859
Trabalho de evento-anais periodico
Geolocalized transductive graph-based regression applied to sustainability indicators prediction (2024)
Nespolo, Renan Guilherme ; Valejo, Alan Demetrius Baria ; Lopes, Alneu de Andrade
Fonte: Lecture Notes in Networks and Systems. Nome do evento: International Conference on Intelligent Systems Design and Applications - ISDA. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), TEORIA DOS GRAFOS, REGRESSÃO LINEAR, SUSTENTABILIDADE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
NESPOLO, Renan Guilherme e VALEJO, Alan Demetrius Baria e LOPES, Alneu de Andrade. Geolocalized transductive graph-based regression applied to sustainability indicators prediction. Lecture Notes in Networks and Systems. Cham: Springer. Disponível em: https://doi.org/10.1007/978-3-031-64847-2_44. Acesso em: 08 out. 2025. , 2024
APA
Nespolo, R. G., Valejo, A. D. B., & Lopes, A. de A. (2024). Geolocalized transductive graph-based regression applied to sustainability indicators prediction. Lecture Notes in Networks and Systems. Cham: Springer. doi:10.1007/978-3-031-64847-2_44
NLM
Nespolo RG, Valejo ADB, Lopes A de A. Geolocalized transductive graph-based regression applied to sustainability indicators prediction [Internet]. Lecture Notes in Networks and Systems. 2024 ; 1050 471-482.[citado 2025 out. 08 ] Available from: https://doi.org/10.1007/978-3-031-64847-2_44
Vancouver
Nespolo RG, Valejo ADB, Lopes A de A. Geolocalized transductive graph-based regression applied to sustainability indicators prediction [Internet]. Lecture Notes in Networks and Systems. 2024 ; 1050 471-482.[citado 2025 out. 08 ] Available from: https://doi.org/10.1007/978-3-031-64847-2_44
Trabalho de evento
Feature selection using complex networks to support price trend forecast in energy markets (2023)
Castilho, Douglas; Santos, Moises Rocha dos ; Tinós, Renato ; Carvalho, André Carlos Ponce de Leon Ferreira de ; Paula, Marcos Basile Saviano de; Ladeira, Lucas; Guarnier, Ewerton ; Silva Filho, Donato ; Suiama, Danilo Y; Macedo Junior, Edmur A; Alipio, Lucas P
Fonte: Proceedings. Nome do evento: International Joint Conference on Neural Networks - IJCNN. Unidades: FFCLRP, ICMC
Assuntos: REDES COMPLEXAS, APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), ENERGIA ELÉTRICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CASTILHO, Douglas et al. Feature selection using complex networks to support price trend forecast in energy markets. 2023, Anais.. Piscataway: IEEE, 2023. Disponível em: https://doi.org/10.1109/IJCNN54540.2023.10191426. Acesso em: 08 out. 2025.
APA
Castilho, D., Santos, M. R. dos, Tinós, R., Carvalho, A. C. P. de L. F. de, Paula, M. B. S. de, Ladeira, L., et al. (2023). Feature selection using complex networks to support price trend forecast in energy markets. In Proceedings. Piscataway: IEEE. doi:10.1109/IJCNN54540.2023.10191426
NLM
Castilho D, Santos MR dos, Tinós R, Carvalho ACP de LF de, Paula MBS de, Ladeira L, Guarnier E, Silva Filho D, Suiama DY, Macedo Junior EA, Alipio LP. Feature selection using complex networks to support price trend forecast in energy markets [Internet]. Proceedings. 2023 ;[citado 2025 out. 08 ] Available from: https://doi.org/10.1109/IJCNN54540.2023.10191426
Vancouver
Castilho D, Santos MR dos, Tinós R, Carvalho ACP de LF de, Paula MBS de, Ladeira L, Guarnier E, Silva Filho D, Suiama DY, Macedo Junior EA, Alipio LP. Feature selection using complex networks to support price trend forecast in energy markets [Internet]. Proceedings. 2023 ;[citado 2025 out. 08 ] Available from: https://doi.org/10.1109/IJCNN54540.2023.10191426
Artigo de periodico
Pattern-based prediction of population outbreaks (2023)
Palma, Gabriel R; Godoy, Wesley A. C ; Engel, Eduardo ; Lau, Douglas; Galvan, Edgar; Mason, Oliver; Markham, Charles; Moral, Rafael A
Fonte: Ecological Informatics. Unidade: ESALQ
Assuntos: APRENDIZADO COMPUTACIONAL, DINÂMICA DE POPULAÇÕES, INFORMÁTICA ECOLÓGICA, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), PULGÃO, TRIGO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
PALMA, Gabriel R et al. Pattern-based prediction of population outbreaks. Ecological Informatics, v. 77, p. 1-10, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.ecoinf.2023.102220. Acesso em: 08 out. 2025.
APA
Palma, G. R., Godoy, W. A. C., Engel, E., Lau, D., Galvan, E., Mason, O., et al. (2023). Pattern-based prediction of population outbreaks. Ecological Informatics, 77, 1-10. doi:10.1016/j.ecoinf.2023.102220
NLM
Palma GR, Godoy WAC, Engel E, Lau D, Galvan E, Mason O, Markham C, Moral RA. Pattern-based prediction of population outbreaks [Internet]. Ecological Informatics. 2023 ; 77 1-10.[citado 2025 out. 08 ] Available from: https://doi.org/10.1016/j.ecoinf.2023.102220
Vancouver
Palma GR, Godoy WAC, Engel E, Lau D, Galvan E, Mason O, Markham C, Moral RA. Pattern-based prediction of population outbreaks [Internet]. Ecological Informatics. 2023 ; 77 1-10.[citado 2025 out. 08 ] Available from: https://doi.org/10.1016/j.ecoinf.2023.102220
Artigo de periodico
Pay attention to evolution: time series forecasting with deep graph-evolution learning (2022)
Spadon, Gabriel ; Hong, Shenda ; Machado, Bruno Brandoli ; Matwin, Stan ; Rodrigues Junior, José Fernando ; Sun, Jimeng
Fonte: IEEE Transactions on Pattern Analysis and Machine Intelligence - TPAM. Unidade: ICMC
Assuntos: PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), APRENDIZADO COMPUTACIONAL, REDES NEURAIS, TEORIA DOS GRAFOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SPADON, Gabriel et al. Pay attention to evolution: time series forecasting with deep graph-evolution learning. IEEE Transactions on Pattern Analysis and Machine Intelligence - TPAM, v. 44, n. 9, p. Se 2022, 2022Tradução . . Disponível em: https://doi.org/10.1109/TPAMI.2021.3076155. Acesso em: 08 out. 2025.
APA
Spadon, G., Hong, S., Machado, B. B., Matwin, S., Rodrigues Junior, J. F., & Sun, J. (2022). Pay attention to evolution: time series forecasting with deep graph-evolution learning. IEEE Transactions on Pattern Analysis and Machine Intelligence - TPAM, 44( 9), Se 2022. doi:10.1109/TPAMI.2021.3076155
NLM
Spadon G, Hong S, Machado BB, Matwin S, Rodrigues Junior JF, Sun J. Pay attention to evolution: time series forecasting with deep graph-evolution learning [Internet]. IEEE Transactions on Pattern Analysis and Machine Intelligence - TPAM. 2022 ; 44( 9): Se 2022.[citado 2025 out. 08 ] Available from: https://doi.org/10.1109/TPAMI.2021.3076155
Vancouver
Spadon G, Hong S, Machado BB, Matwin S, Rodrigues Junior JF, Sun J. Pay attention to evolution: time series forecasting with deep graph-evolution learning [Internet]. IEEE Transactions on Pattern Analysis and Machine Intelligence - TPAM. 2022 ; 44( 9): Se 2022.[citado 2025 out. 08 ] Available from: https://doi.org/10.1109/TPAMI.2021.3076155
Trabalho de evento
AttentionHCare: advances on computer-aided medical prognosis using attention-based neural networks (2022)
Barros, Pedro Henrique Ferracini de ; Rodrigues Junior, José Fernando
Fonte: Proceedings. Nome do evento: International Joint Conference on Neural Networks - IJCNN. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), DIAGNÓSTICO POR COMPUTADOR, TECNOLOGIAS DA SAÚDE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BARROS, Pedro Henrique Ferracini de e RODRIGUES JUNIOR, José Fernando. AttentionHCare: advances on computer-aided medical prognosis using attention-based neural networks. 2022, Anais.. Piscataway: IEEE, 2022. Disponível em: https://doi.org/10.1109/IJCNN55064.2022.9892642. Acesso em: 08 out. 2025.
APA
Barros, P. H. F. de, & Rodrigues Junior, J. F. (2022). AttentionHCare: advances on computer-aided medical prognosis using attention-based neural networks. In Proceedings. Piscataway: IEEE. doi:10.1109/IJCNN55064.2022.9892642
NLM
Barros PHF de, Rodrigues Junior JF. AttentionHCare: advances on computer-aided medical prognosis using attention-based neural networks [Internet]. Proceedings. 2022 ;[citado 2025 out. 08 ] Available from: https://doi.org/10.1109/IJCNN55064.2022.9892642
Vancouver
Barros PHF de, Rodrigues Junior JF. AttentionHCare: advances on computer-aided medical prognosis using attention-based neural networks [Internet]. Proceedings. 2022 ;[citado 2025 out. 08 ] Available from: https://doi.org/10.1109/IJCNN55064.2022.9892642
Artigo de periodico
On the enrichment of time series with textual data for forecasting agricultural commodity prices (2022)
Reis Filho, Ivan José ; Marcacini, Ricardo Marcondes ; Rezende, Solange Oliveira
Fonte: MethodsX. Unidade: ICMC
Assuntos: MINERAÇÃO DE DADOS, APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS)
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
REIS FILHO, Ivan José e MARCACINI, Ricardo Marcondes e REZENDE, Solange Oliveira. On the enrichment of time series with textual data for forecasting agricultural commodity prices. MethodsX, v. 9, p. 1-11, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.mex.2022.101758. Acesso em: 08 out. 2025.
APA
Reis Filho, I. J., Marcacini, R. M., & Rezende, S. O. (2022). On the enrichment of time series with textual data for forecasting agricultural commodity prices. MethodsX, 9, 1-11. doi:10.1016/j.mex.2022.101758
NLM
Reis Filho IJ, Marcacini RM, Rezende SO. On the enrichment of time series with textual data for forecasting agricultural commodity prices [Internet]. MethodsX. 2022 ; 9 1-11.[citado 2025 out. 08 ] Available from: https://doi.org/10.1016/j.mex.2022.101758
Vancouver
Reis Filho IJ, Marcacini RM, Rezende SO. On the enrichment of time series with textual data for forecasting agricultural commodity prices [Internet]. MethodsX. 2022 ; 9 1-11.[citado 2025 out. 08 ] Available from: https://doi.org/10.1016/j.mex.2022.101758
Trabalho de evento
Machine learning approach for trend prediction to improve returns on brazilian energy market (2022)
Santos, Moises Rocha dos ; Braz, Douglas Donizeti de Castilho; Carvalho, André Carlos Ponce de Leon Ferreira de ; Tinós, Renato ; Paula, Marcos Basile Saviano de; Doretto, Gabriel; Guarnier, Ewerton ; Silva Filho, Donato ; Suiama, Danilo Y; Ferreira, Lorena E; Carmo Junior, José E
Fonte: Proceedings. Nome do evento: IEEE Latin American Conference on Computational Intelligence - LA-CCI. Unidades: ICMC, FFCLRP
Assuntos: APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), ENERGIA ELÉTRICA, POLÍTICA DE PREÇO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SANTOS, Moises Rocha dos et al. Machine learning approach for trend prediction to improve returns on brazilian energy market. 2022, Anais.. Los Alamitos: IEEE, 2022. Disponível em: https://doi.org/10.1109/LA-CCI54402.2022.9981846. Acesso em: 08 out. 2025.
APA
Santos, M. R. dos, Braz, D. D. de C., Carvalho, A. C. P. de L. F. de, Tinós, R., Paula, M. B. S. de, Doretto, G., et al. (2022). Machine learning approach for trend prediction to improve returns on brazilian energy market. In Proceedings. Los Alamitos: IEEE. doi:10.1109/LA-CCI54402.2022.9981846
NLM
Santos MR dos, Braz DD de C, Carvalho ACP de LF de, Tinós R, Paula MBS de, Doretto G, Guarnier E, Silva Filho D, Suiama DY, Ferreira LE, Carmo Junior JE. Machine learning approach for trend prediction to improve returns on brazilian energy market [Internet]. Proceedings. 2022 ;[citado 2025 out. 08 ] Available from: https://doi.org/10.1109/LA-CCI54402.2022.9981846
Vancouver
Santos MR dos, Braz DD de C, Carvalho ACP de LF de, Tinós R, Paula MBS de, Doretto G, Guarnier E, Silva Filho D, Suiama DY, Ferreira LE, Carmo Junior JE. Machine learning approach for trend prediction to improve returns on brazilian energy market [Internet]. Proceedings. 2022 ;[citado 2025 out. 08 ] Available from: https://doi.org/10.1109/LA-CCI54402.2022.9981846
Trabalho de evento
Predição do movimento do índice Ibovespa a partir de notícias (2021)
Barbosa, Bruno Aparecido; Marcacini, Ricardo Marcondes ; Rezende, Solange Oliveira
Fonte: Anais. Nome do evento: Workshop de Matemática, Estatística e Computação Aplicadas à Indústria - WMECAI. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, MINERAÇÃO DE DADOS, RECONHECIMENTO DE TEXTO, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), BOLSA DE VALORES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BARBOSA, Bruno Aparecido e MARCACINI, Ricardo Marcondes e REZENDE, Solange Oliveira. Predição do movimento do índice Ibovespa a partir de notícias. 2021, Anais.. São Carlos: ICMC-USP, 2021. Disponível em: http://cemeai.icmc.usp.br/1WMECAI/trabalhos/. Acesso em: 08 out. 2025.
APA
Barbosa, B. A., Marcacini, R. M., & Rezende, S. O. (2021). Predição do movimento do índice Ibovespa a partir de notícias. In Anais. São Carlos: ICMC-USP. Recuperado de http://cemeai.icmc.usp.br/1WMECAI/trabalhos/
NLM
Barbosa BA, Marcacini RM, Rezende SO. Predição do movimento do índice Ibovespa a partir de notícias [Internet]. Anais. 2021 ;[citado 2025 out. 08 ] Available from: http://cemeai.icmc.usp.br/1WMECAI/trabalhos/
Vancouver
Barbosa BA, Marcacini RM, Rezende SO. Predição do movimento do índice Ibovespa a partir de notícias [Internet]. Anais. 2021 ;[citado 2025 out. 08 ] Available from: http://cemeai.icmc.usp.br/1WMECAI/trabalhos/
Trabalho de evento
Previsão do preço futuro de commodities agrícolas: um estudo para enriquecer séries temporais (2021)
Reis Filho, Ivan José ; Marcacini, Ricardo Marcondes ; Rezende, Solange Oliveira
Fonte: Anais. Nome do evento: Simpósio Brasileiro de Automação Inteligente - SBAI. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), BOLSA DE MERCADORIAS, PREÇO AGRÍCOLA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
REIS FILHO, Ivan José e MARCACINI, Ricardo Marcondes e REZENDE, Solange Oliveira. Previsão do preço futuro de commodities agrícolas: um estudo para enriquecer séries temporais. 2021, Anais.. Campinas: SBA, 2021. Disponível em: https://doi.org/10.20906/sbai.v1i1.2860. Acesso em: 08 out. 2025.
APA
Reis Filho, I. J., Marcacini, R. M., & Rezende, S. O. (2021). Previsão do preço futuro de commodities agrícolas: um estudo para enriquecer séries temporais. In Anais. Campinas: SBA. doi:10.20906/sbai.v1i1.2860
NLM
Reis Filho IJ, Marcacini RM, Rezende SO. Previsão do preço futuro de commodities agrícolas: um estudo para enriquecer séries temporais [Internet]. Anais. 2021 ;[citado 2025 out. 08 ] Available from: https://doi.org/10.20906/sbai.v1i1.2860
Vancouver
Reis Filho IJ, Marcacini RM, Rezende SO. Previsão do preço futuro de commodities agrícolas: um estudo para enriquecer séries temporais [Internet]. Anais. 2021 ;[citado 2025 out. 08 ] Available from: https://doi.org/10.20906/sbai.v1i1.2860
Trabalho de evento
Seasonal-trend decomposition based on Loess + machine learning: hybrid forecasting for monthly univariate time series (2021)
Silvestre, Gabriel Dalforno; Santos, Moises Rocha dos ; Carvalho, André Carlos Ponce de Leon Ferreira de
Fonte: Proceedings. Nome do evento: International Joint Conference on Neural Networks - IJCNN. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS)
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVESTRE, Gabriel Dalforno e SANTOS, Moises Rocha dos e CARVALHO, André Carlos Ponce de Leon Ferreira de. Seasonal-trend decomposition based on Loess + machine learning: hybrid forecasting for monthly univariate time series. 2021, Anais.. Piscataway: IEEE, 2021. Disponível em: https://doi.org/10.1109/IJCNN52387.2021.9533644. Acesso em: 08 out. 2025.
APA
Silvestre, G. D., Santos, M. R. dos, & Carvalho, A. C. P. de L. F. de. (2021). Seasonal-trend decomposition based on Loess + machine learning: hybrid forecasting for monthly univariate time series. In Proceedings. Piscataway: IEEE. doi:10.1109/IJCNN52387.2021.9533644
NLM
Silvestre GD, Santos MR dos, Carvalho ACP de LF de. Seasonal-trend decomposition based on Loess + machine learning: hybrid forecasting for monthly univariate time series [Internet]. Proceedings. 2021 ;[citado 2025 out. 08 ] Available from: https://doi.org/10.1109/IJCNN52387.2021.9533644
Vancouver
Silvestre GD, Santos MR dos, Carvalho ACP de LF de. Seasonal-trend decomposition based on Loess + machine learning: hybrid forecasting for monthly univariate time series [Internet]. Proceedings. 2021 ;[citado 2025 out. 08 ] Available from: https://doi.org/10.1109/IJCNN52387.2021.9533644
Artigo de periodico
Learning to sense from events via semantic variational autoencoder (2021)
Gôlo, Marcos Paulo Silva ; Rossi, Rafael Geraldeli ; Marcacini, Ricardo Marcondes
Fonte: PLoS ONE. Unidade: ICMC
Assuntos: RECONHECIMENTO DE TEXTO, APRENDIZADO COMPUTACIONAL, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS)
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GÔLO, Marcos Paulo Silva e ROSSI, Rafael Geraldeli e MARCACINI, Ricardo Marcondes. Learning to sense from events via semantic variational autoencoder. PLoS ONE, v. 16, n. 2, p. 1-20, 2021Tradução . . Disponível em: https://doi.org/10.1371/journal.pone.0260701. Acesso em: 08 out. 2025.
APA
Gôlo, M. P. S., Rossi, R. G., & Marcacini, R. M. (2021). Learning to sense from events via semantic variational autoencoder. PLoS ONE, 16( 2), 1-20. doi:10.1371/journal.pone.0260701
NLM
Gôlo MPS, Rossi RG, Marcacini RM. Learning to sense from events via semantic variational autoencoder [Internet]. PLoS ONE. 2021 ; 16( 2): 1-20.[citado 2025 out. 08 ] Available from: https://doi.org/10.1371/journal.pone.0260701
Vancouver
Gôlo MPS, Rossi RG, Marcacini RM. Learning to sense from events via semantic variational autoencoder [Internet]. PLoS ONE. 2021 ; 16( 2): 1-20.[citado 2025 out. 08 ] Available from: https://doi.org/10.1371/journal.pone.0260701

Unidades USP

ReP

Filtros

Departamento

Autores

Autores USP

Assuntos

Título da fonte

Editora

Nome do evento

Agência de fomento

Indexado em

Afiliação dos autores externos não normalizada

País das instituições de afiliação dos autores externos