ReP USP - Resultado da busca

Filtros : "Financiamento FAPESP" "APRENDIZADO COMPUTACIONAL" "Botari, Tiago" Limpar

Filtros

Artigo de periodico
Machine learning unveils composition-property relationships in chalcogenide glasses (2022)
Mastelini, Saulo Martiello ; Cassar, Daniel Roberto ; Alcobaça, Edesio ; Botari, Tiago ; Carvalho, André Carlos Ponce de Leon Ferreira de ; Zanotto, Edgar Dutra
Fonte: Acta Materialia. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, PROPRIEDADES DOS MATERIAIS, VIDRO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MASTELINI, Saulo Martiello et al. Machine learning unveils composition-property relationships in chalcogenide glasses. Acta Materialia, v. No 2022, p. 1-13, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.actamat.2022.118302. Acesso em: 08 out. 2025.
APA
Mastelini, S. M., Cassar, D. R., Alcobaça, E., Botari, T., Carvalho, A. C. P. de L. F. de, & Zanotto, E. D. (2022). Machine learning unveils composition-property relationships in chalcogenide glasses. Acta Materialia, No 2022, 1-13. doi:10.1016/j.actamat.2022.118302
NLM
Mastelini SM, Cassar DR, Alcobaça E, Botari T, Carvalho ACP de LF de, Zanotto ED. Machine learning unveils composition-property relationships in chalcogenide glasses [Internet]. Acta Materialia. 2022 ; No 2022 1-13.[citado 2025 out. 08 ] Available from: https://doi.org/10.1016/j.actamat.2022.118302
Vancouver
Mastelini SM, Cassar DR, Alcobaça E, Botari T, Carvalho ACP de LF de, Zanotto ED. Machine learning unveils composition-property relationships in chalcogenide glasses [Internet]. Acta Materialia. 2022 ; No 2022 1-13.[citado 2025 out. 08 ] Available from: https://doi.org/10.1016/j.actamat.2022.118302
Artigo de periodico
Predicting and interpreting oxide glass properties by machine learning using large datasets (2021)
Cassar, Daniel Roberto ; Mastelini, Saulo Martiello ; Botari, Tiago ; Alcobaça, Edesio ; Carvalho, André Carlos Ponce de Leon Ferreira de ; Zanotto, Edgar Dutra
Fonte: Ceramics International. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, ALGORITMOS ÚTEIS E ESPECÍFICOS, PROPRIEDADES DOS MATERIAIS, VIDRO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CASSAR, Daniel Roberto et al. Predicting and interpreting oxide glass properties by machine learning using large datasets. Ceramics International, v. 47, n. 17, p. Se 2021, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ceramint.2021.05.105. Acesso em: 08 out. 2025.
APA
Cassar, D. R., Mastelini, S. M., Botari, T., Alcobaça, E., Carvalho, A. C. P. de L. F. de, & Zanotto, E. D. (2021). Predicting and interpreting oxide glass properties by machine learning using large datasets. Ceramics International, 47( 17), Se 2021. doi:10.1016/j.ceramint.2021.05.105
NLM
Cassar DR, Mastelini SM, Botari T, Alcobaça E, Carvalho ACP de LF de, Zanotto ED. Predicting and interpreting oxide glass properties by machine learning using large datasets [Internet]. Ceramics International. 2021 ; 47( 17): Se 2021.[citado 2025 out. 08 ] Available from: https://doi.org/10.1016/j.ceramint.2021.05.105
Vancouver
Cassar DR, Mastelini SM, Botari T, Alcobaça E, Carvalho ACP de LF de, Zanotto ED. Predicting and interpreting oxide glass properties by machine learning using large datasets [Internet]. Ceramics International. 2021 ; 47( 17): Se 2021.[citado 2025 out. 08 ] Available from: https://doi.org/10.1016/j.ceramint.2021.05.105

Biblioteca Digital de Produção Intelectual da Universidade de São Paulo 2012 - 2025