ReP USP - Resultado da busca

Filtros : "Neural Computing and Applications" "RECONHECIMENTO DE PADRÕES" Removido: "Ehlers, Ricardo Sandes" Limpar

Filtros

Autores USP
- dias, fábio felix (~1)
- lima, clodoaldo aparecido de moraes (~1)
- peres, sarajane marques (~1)
- ponti, moacir antonelli (~1)
Ano de publicação
- 2022 (~1)
- 2016 (~1)
Assuntos
- reconhecimento de padrões (2)
- acústica (1)
- anura (1)
- análise do movimento humano (1)
- aprendizado computacional (1)

Artigo de periodico
A classification and quantification approach to generate features in soundscape ecology using neural networks (2022)
Dias, Fabio Felix ; Ponti, Moacir Antonelli ; Minghim, Rosane
Fonte: Neural Computing and Applications. Unidade: ICMC
Assuntos: REDES NEURAIS, APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, ACÚSTICA, MONITORAMENTO AMBIENTAL, PÁSSAROS, ANURA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
DIAS, Fabio Felix e PONTI, Moacir Antonelli e MINGHIM, Rosane. A classification and quantification approach to generate features in soundscape ecology using neural networks. Neural Computing and Applications, v. 34, n. 3, p. 1923-1937, 2022Tradução . . Disponível em: https://doi.org/10.1007/s00521-021-06501-w. Acesso em: 28 nov. 2025.
APA
Dias, F. F., Ponti, M. A., & Minghim, R. (2022). A classification and quantification approach to generate features in soundscape ecology using neural networks. Neural Computing and Applications, 34( 3), 1923-1937. doi:10.1007/s00521-021-06501-w
NLM
Dias FF, Ponti MA, Minghim R. A classification and quantification approach to generate features in soundscape ecology using neural networks [Internet]. Neural Computing and Applications. 2022 ; 34( 3): 1923-1937.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1007/s00521-021-06501-w
Vancouver
Dias FF, Ponti MA, Minghim R. A classification and quantification approach to generate features in soundscape ecology using neural networks [Internet]. Neural Computing and Applications. 2022 ; 34( 3): 1923-1937.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1007/s00521-021-06501-w
Artigo de periodico
Classification of electromyography signals using relevance vector machines and fractal dimension (2016)
Lima, Clodoaldo Aparecido de Moraes; Coelho, André L.V; Madeo, Renata Cristina Barros; Peres, Sarajane Marques
Fonte: Neural Computing and Applications. Unidade: EACH
Assuntos: RECONHECIMENTO DE PADRÕES, INTELIGÊNCIA ARTIFICIAL, ANÁLISE DO MOVIMENTO HUMANO, ELETROMIOGRAFIA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
LIMA, Clodoaldo Aparecido de Moraes et al. Classification of electromyography signals using relevance vector machines and fractal dimension. Neural Computing and Applications, v. 27, n. 3, p. 791-804, 2016Tradução . . Disponível em: https://doi.org/10.1007/s00521-015-1953-5. Acesso em: 28 nov. 2025.
APA
Lima, C. A. de M., Coelho, A. L. V., Madeo, R. C. B., & Peres, S. M. (2016). Classification of electromyography signals using relevance vector machines and fractal dimension. Neural Computing and Applications, 27( 3), 791-804. doi:10.1007/s00521-015-1953-5
NLM
Lima CA de M, Coelho ALV, Madeo RCB, Peres SM. Classification of electromyography signals using relevance vector machines and fractal dimension [Internet]. Neural Computing and Applications. 2016 ; 27( 3): 791-804.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1007/s00521-015-1953-5
Vancouver
Lima CA de M, Coelho ALV, Madeo RCB, Peres SM. Classification of electromyography signals using relevance vector machines and fractal dimension [Internet]. Neural Computing and Applications. 2016 ; 27( 3): 791-804.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1007/s00521-015-1953-5

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