ReP USP - Resultado da busca

Filtros : "Neurocomputing" "2017" Limpar

Filtros

USP affiliated authors
- campello, ricardo josé gabrielli barreto (~1)
- lopes, alneu de andrade (~1)
Date published
- 2017 (~2)
Subjects
- inteligência artificial (2)
- algoritmos (1)
- algoritmos genéticos (1)
- aprendizado computacional (1)
- heurística (1)

Artigo de periodico
RGCLI: robust graph that considers labeled instances for semi-supervised learning (2017)
Berton, Lilian; Faleiros, Thiago de Paulo; Valejo, Alan; Valverde-Rebaza, Jorge; Lopes, Alneu de Andrade
Source: Neurocomputing. Unidade: ICMC
Subjects: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BERTON, Lilian et al. RGCLI: robust graph that considers labeled instances for semi-supervised learning. Neurocomputing, v. 226, p. 238-248, 2017Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2016.11.053. Acesso em: 11 nov. 2025.
APA
Berton, L., Faleiros, T. de P., Valejo, A., Valverde-Rebaza, J., & Lopes, A. de A. (2017). RGCLI: robust graph that considers labeled instances for semi-supervised learning. Neurocomputing, 226, 238-248. doi:10.1016/j.neucom.2016.11.053
NLM
Berton L, Faleiros T de P, Valejo A, Valverde-Rebaza J, Lopes A de A. RGCLI: robust graph that considers labeled instances for semi-supervised learning [Internet]. Neurocomputing. 2017 ; 226 238-248.[citado 2025 nov. 11 ] Available from: https://doi.org/10.1016/j.neucom.2016.11.053
Vancouver
Berton L, Faleiros T de P, Valejo A, Valverde-Rebaza J, Lopes A de A. RGCLI: robust graph that considers labeled instances for semi-supervised learning [Internet]. Neurocomputing. 2017 ; 226 238-248.[citado 2025 nov. 11 ] Available from: https://doi.org/10.1016/j.neucom.2016.11.053
Artigo de periodico
Improving k-means through distributed scalable metaheuristics (2017)
Oliveira, G. V; Coutinho, F. P; Campello, Ricardo José Gabrielli Barreto; Naldi, M. C
Source: Neurocomputing. Unidade: ICMC
Subjects: INTELIGÊNCIA ARTIFICIAL, ALGORITMOS, MINERAÇÃO DE DADOS, HEURÍSTICA, ALGORITMOS GENÉTICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
OLIVEIRA, G. V et al. Improving k-means through distributed scalable metaheuristics. Neurocomputing, v. 246, p. 45-57, 2017Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2016.07.074. Acesso em: 11 nov. 2025.
APA
Oliveira, G. V., Coutinho, F. P., Campello, R. J. G. B., & Naldi, M. C. (2017). Improving k-means through distributed scalable metaheuristics. Neurocomputing, 246, 45-57. doi:10.1016/j.neucom.2016.07.074
NLM
Oliveira GV, Coutinho FP, Campello RJGB, Naldi MC. Improving k-means through distributed scalable metaheuristics [Internet]. Neurocomputing. 2017 ; 246 45-57.[citado 2025 nov. 11 ] Available from: https://doi.org/10.1016/j.neucom.2016.07.074
Vancouver
Oliveira GV, Coutinho FP, Campello RJGB, Naldi MC. Improving k-means through distributed scalable metaheuristics [Internet]. Neurocomputing. 2017 ; 246 45-57.[citado 2025 nov. 11 ] Available from: https://doi.org/10.1016/j.neucom.2016.07.074

Digital Library of Intellectual Production of Universidade de São Paulo 2012 - 2025