Menu

Filtros : "Machine Learning" "ICMC-SME" Limpar

Filtros

Limitar por data

  • 1

1 - 2 (2 registros)

  • Artigo de periodico

    Estimation of multidimensional item response theory models with correlated latent variables using variational autoencoders (2021)

    Converse, Geoffrey ; Cúri, Mariana ; Oliveira, Suely; Templin, Jonathan

    Fonte: Machine Learning. Unidade: ICMC

    Assuntos: MÉTODO DE MONTE CARLO, REDES NEURAIS, TEORIA DE RESPOSTA AO ITEM

    PrivadoAcesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      CONVERSE, Geoffrey et al. Estimation of multidimensional item response theory models with correlated latent variables using variational autoencoders. Machine Learning, v. 110, p. 1463-1480, 2021Tradução . . Disponível em: https://doi.org/10.1007/s10994-021-06005-7. Acesso em: 11 nov. 2025.

    • APA

      Converse, G., Cúri, M., Oliveira, S., & Templin, J. (2021). Estimation of multidimensional item response theory models with correlated latent variables using variational autoencoders. Machine Learning, 110, 1463-1480. doi:10.1007/s10994-021-06005-7

    • NLM

      Converse G, Cúri M, Oliveira S, Templin J. Estimation of multidimensional item response theory models with correlated latent variables using variational autoencoders [Internet]. Machine Learning. 2021 ; 110 1463-1480.[citado 2025 nov. 11 ] Available from: https://doi.org/10.1007/s10994-021-06005-7

    • Vancouver

      Converse G, Cúri M, Oliveira S, Templin J. Estimation of multidimensional item response theory models with correlated latent variables using variational autoencoders [Internet]. Machine Learning. 2021 ; 110 1463-1480.[citado 2025 nov. 11 ] Available from: https://doi.org/10.1007/s10994-021-06005-7

  • Artigo de periodico

    An empirical analysis of binary transformation strategies and base algorithms for multi-label learning (2020)

    Rivolli, Adriano ; Read, Jesse; Soares, Carlos; Pfahringer, Bernhard ; Carvalho, André Carlos Ponce de Leon Ferreira de

    Fonte: Machine Learning. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, ALGORITMOS ÚTEIS E ESPECÍFICOS

    PrivadoAcesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      RIVOLLI, Adriano et al. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning. Machine Learning, v. 109, n. 8, p. 1509-1563, 2020Tradução . . Disponível em: https://doi.org/10.1007/s10994-020-05879-3. Acesso em: 11 nov. 2025.

    • APA

      Rivolli, A., Read, J., Soares, C., Pfahringer, B., & Carvalho, A. C. P. de L. F. de. (2020). An empirical analysis of binary transformation strategies and base algorithms for multi-label learning. Machine Learning, 109( 8), 1509-1563. doi:10.1007/s10994-020-05879-3

    • NLM

      Rivolli A, Read J, Soares C, Pfahringer B, Carvalho ACP de LF de. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning [Internet]. Machine Learning. 2020 ; 109( 8): 1509-1563.[citado 2025 nov. 11 ] Available from: https://doi.org/10.1007/s10994-020-05879-3

    • Vancouver

      Rivolli A, Read J, Soares C, Pfahringer B, Carvalho ACP de LF de. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning [Internet]. Machine Learning. 2020 ; 109( 8): 1509-1563.[citado 2025 nov. 11 ] Available from: https://doi.org/10.1007/s10994-020-05879-3
  • 1

1 - 2 (2 registros)

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