Filtros : "Information Sciences" Limpar

Filtros



Limitar por data


  • Fonte: Information Sciences. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, FAKE NEWS

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

      SOUZA, Mariana Caravanti de et al. Keywords attention for fake news detection using few positive labels. Information Sciences, v. 663, p. 1-23, 2024Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2024.120300. Acesso em: 29 mar. 2024.
    • APA

      Souza, M. C. de, Gôlo, M. P. S., Jorge, A. M. G., Amorim, E. C. F. de, Campos, R. N. T., Marcacini, R. M., & Rezende, S. O. (2024). Keywords attention for fake news detection using few positive labels. Information Sciences, 663, 1-23. doi:10.1016/j.ins.2024.120300
    • NLM

      Souza MC de, Gôlo MPS, Jorge AMG, Amorim ECF de, Campos RNT, Marcacini RM, Rezende SO. Keywords attention for fake news detection using few positive labels [Internet]. Information Sciences. 2024 ; 663 1-23.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2024.120300
    • Vancouver

      Souza MC de, Gôlo MPS, Jorge AMG, Amorim ECF de, Campos RNT, Marcacini RM, Rezende SO. Keywords attention for fake news detection using few positive labels [Internet]. Information Sciences. 2024 ; 663 1-23.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2024.120300
  • Fonte: Information Sciences. Unidade: IME

    Assunto: TESTES DE HIPÓTESES

    Versão PublicadaAcesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
    • ABNT

      POLO, Felipe Maia et al. A unified framework for dataset shift diagnostics. Information Sciences, v. 649, n. artigo 119612, p. 1-17, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2023.119612. Acesso em: 29 mar. 2024.
    • APA

      Polo, F. M., Izbicki, R., Lacerda, E. G., Ibieta Jimenez, J. P., & Vicente, R. (2023). A unified framework for dataset shift diagnostics. Information Sciences, 649( artigo 119612), 1-17. doi:10.1016/j.ins.2023.119612
    • NLM

      Polo FM, Izbicki R, Lacerda EG, Ibieta Jimenez JP, Vicente R. A unified framework for dataset shift diagnostics [Internet]. Information Sciences. 2023 ; 649( artigo 119612): 1-17.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2023.119612
    • Vancouver

      Polo FM, Izbicki R, Lacerda EG, Ibieta Jimenez JP, Vicente R. A unified framework for dataset shift diagnostics [Internet]. Information Sciences. 2023 ; 649( artigo 119612): 1-17.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2023.119612
  • Fonte: Information Sciences. Unidades: IFSC, ICMC

    Assuntos: REDES COMPLEXAS, GEOMETRIA E MODELAGEM COMPUTACIONAL

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

      SOUZA, Bárbara Côrtes e et al. Text characterization based on recurrence networks. Information Sciences, v. 641, p. 119124-1-119124-15, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2023.119124. Acesso em: 29 mar. 2024.
    • APA

      Souza, B. C. e, Silva, F. N., Arruda, H. F. de, Silva, G. D. da, Costa, L. da F., & Amancio, D. R. (2023). Text characterization based on recurrence networks. Information Sciences, 641, 119124-1-119124-15. doi:10.1016/j.ins.2023.119124
    • NLM

      Souza BC e, Silva FN, Arruda HF de, Silva GD da, Costa L da F, Amancio DR. Text characterization based on recurrence networks [Internet]. Information Sciences. 2023 ; 641 119124-1-119124-15.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2023.119124
    • Vancouver

      Souza BC e, Silva FN, Arruda HF de, Silva GD da, Costa L da F, Amancio DR. Text characterization based on recurrence networks [Internet]. Information Sciences. 2023 ; 641 119124-1-119124-15.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2023.119124
  • Fonte: Information Sciences. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, REDES NEURAIS

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

      PEREIRA, Gean Trindade et al. Neural architecture search with interpretable meta-features and fast predictors. Information Sciences, v. No 2023, p. 1-17, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2023.119642. Acesso em: 29 mar. 2024.
    • APA

      Pereira, G. T., Santos, I. B. de A., Garcia, L. P. F., Urruty, T., Visani, M., & Carvalho, A. C. P. de L. F. de. (2023). Neural architecture search with interpretable meta-features and fast predictors. Information Sciences, No 2023, 1-17. doi:10.1016/j.ins.2023.119642
    • NLM

      Pereira GT, Santos IB de A, Garcia LPF, Urruty T, Visani M, Carvalho ACP de LF de. Neural architecture search with interpretable meta-features and fast predictors [Internet]. Information Sciences. 2023 ; No 2023 1-17.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2023.119642
    • Vancouver

      Pereira GT, Santos IB de A, Garcia LPF, Urruty T, Visani M, Carvalho ACP de LF de. Neural architecture search with interpretable meta-features and fast predictors [Internet]. Information Sciences. 2023 ; No 2023 1-17.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2023.119642
  • Fonte: Information Sciences. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, ALGORITMOS ÚTEIS E ESPECÍFICOS

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

      AGUIAR, Gabriel Jones et al. Using meta-learning for multi-target regression. Information Sciences, v. 584, n. Ja 2022, p. 665-684, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2021.11.003. Acesso em: 29 mar. 2024.
    • APA

      Aguiar, G. J., Santana, E. J., Carvalho, A. C. P. de L. F. de, & Barbon Júnior, S. (2022). Using meta-learning for multi-target regression. Information Sciences, 584( Ja 2022), 665-684. doi:10.1016/j.ins.2021.11.003
    • NLM

      Aguiar GJ, Santana EJ, Carvalho ACP de LF de, Barbon Júnior S. Using meta-learning for multi-target regression [Internet]. Information Sciences. 2022 ; 584( Ja 2022): 665-684.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2021.11.003
    • Vancouver

      Aguiar GJ, Santana EJ, Carvalho ACP de LF de, Barbon Júnior S. Using meta-learning for multi-target regression [Internet]. Information Sciences. 2022 ; 584( Ja 2022): 665-684.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2021.11.003
  • Fonte: Information Sciences. Unidade: IFSC

    Assuntos: REDES COMPLEXAS, GEOMETRIA E MODELAGEM COMPUTACIONAL

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

      ARRUDA, Henrique Ferraz de et al. Modelling how social network algorithms can influence opinion polarization. Information Sciences, v. 588, p. 265-278 , 2022Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2021.12.069. Acesso em: 29 mar. 2024.
    • APA

      Arruda, H. F. de, Cardoso, F. M., Arruda, G. F. de, Hernández, A. R., Costa, L. da F., & Moreno, Y. (2022). Modelling how social network algorithms can influence opinion polarization. Information Sciences, 588, 265-278 . doi:10.1016/j.ins.2021.12.069
    • NLM

      Arruda HF de, Cardoso FM, Arruda GF de, Hernández AR, Costa L da F, Moreno Y. Modelling how social network algorithms can influence opinion polarization [Internet]. Information Sciences. 2022 ; 588 265-278 .[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2021.12.069
    • Vancouver

      Arruda HF de, Cardoso FM, Arruda GF de, Hernández AR, Costa L da F, Moreno Y. Modelling how social network algorithms can influence opinion polarization [Internet]. Information Sciences. 2022 ; 588 265-278 .[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2021.12.069
  • Fonte: Information Sciences. Unidade: ICMC

    Assuntos: REDES NEURAIS, APRENDIZADO COMPUTACIONAL, COMPUTAÇÃO EVOLUTIVA

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

      ARADHYA, Abhay M. S et al. Autonomous CNN (AutoCNN): a data-driven approach to network architecture determination. Information Sciences, v. 607, p. 638-653, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2022.05.100. Acesso em: 29 mar. 2024.
    • APA

      Aradhya, A. M. S., Ashfahani, A., Angelina, F., Pratama, M., Mello, R. F. de, & Sundaram, S. (2022). Autonomous CNN (AutoCNN): a data-driven approach to network architecture determination. Information Sciences, 607, 638-653. doi:10.1016/j.ins.2022.05.100
    • NLM

      Aradhya AMS, Ashfahani A, Angelina F, Pratama M, Mello RF de, Sundaram S. Autonomous CNN (AutoCNN): a data-driven approach to network architecture determination [Internet]. Information Sciences. 2022 ; 607 638-653.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2022.05.100
    • Vancouver

      Aradhya AMS, Ashfahani A, Angelina F, Pratama M, Mello RF de, Sundaram S. Autonomous CNN (AutoCNN): a data-driven approach to network architecture determination [Internet]. Information Sciences. 2022 ; 607 638-653.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2022.05.100
  • Fonte: Information Sciences. Unidade: ICMC

    Assuntos: REDES COMPLEXAS, DESCOBERTA DE CONHECIMENTO

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

      GUERREIRO, Lucas e SILVA, Filipi Nascimento e AMANCIO, Diego Raphael. A comparative analysis of knowledge acquisition performance in complex networks. Information Sciences, v. 555, p. 46-57, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.12.060. Acesso em: 29 mar. 2024.
    • APA

      Guerreiro, L., Silva, F. N., & Amancio, D. R. (2021). A comparative analysis of knowledge acquisition performance in complex networks. Information Sciences, 555, 46-57. doi:10.1016/j.ins.2020.12.060
    • NLM

      Guerreiro L, Silva FN, Amancio DR. A comparative analysis of knowledge acquisition performance in complex networks [Internet]. Information Sciences. 2021 ; 555 46-57.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.12.060
    • Vancouver

      Guerreiro L, Silva FN, Amancio DR. A comparative analysis of knowledge acquisition performance in complex networks [Internet]. Information Sciences. 2021 ; 555 46-57.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.12.060
  • Fonte: Information Sciences. Unidades: ICMC, EP

    Assuntos: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS), PROGNÓSTICO, TECNOLOGIAS DA SAÚDE

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

      RODRIGUES JUNIOR, José Fernando et al. LIG-Doctor: efficient patient trajectory prediction using bidirectional minimal gated-recurrent networks. Information Sciences, v. 545, p. 813-827, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.09.024. Acesso em: 29 mar. 2024.
    • APA

      Rodrigues Junior, J. F., Gutierrez, M. A., Spadon, G., Machado, B. B., & Amer-Yahia, S. (2021). LIG-Doctor: efficient patient trajectory prediction using bidirectional minimal gated-recurrent networks. Information Sciences, 545, 813-827. doi:10.1016/j.ins.2020.09.024
    • NLM

      Rodrigues Junior JF, Gutierrez MA, Spadon G, Machado BB, Amer-Yahia S. LIG-Doctor: efficient patient trajectory prediction using bidirectional minimal gated-recurrent networks [Internet]. Information Sciences. 2021 ; 545 813-827.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.09.024
    • Vancouver

      Rodrigues Junior JF, Gutierrez MA, Spadon G, Machado BB, Amer-Yahia S. LIG-Doctor: efficient patient trajectory prediction using bidirectional minimal gated-recurrent networks [Internet]. Information Sciences. 2021 ; 545 813-827.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.09.024
  • Fonte: Information Sciences. Unidade: EESC

    Assuntos: LÓGICA FUZZY, SISTEMAS DINÂMICOS, ESTABILIDADE DE LIAPUNOV, ENGENHARIA ELÉTRICA

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

      VALENTINO, Michele Cristina et al. Sufficient conditions in terms of linear matrix inequalities for guaranteed ultimately boundedness of solutions of switched Takagi-Sugeno fuzzy systems using the S-procedure. Information Sciences, v. 572, p. 501-521, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2021.04.103. Acesso em: 29 mar. 2024.
    • APA

      Valentino, M. C., Faria, F. A., Oliveira, V. A. de, & Alberto, L. F. C. (2021). Sufficient conditions in terms of linear matrix inequalities for guaranteed ultimately boundedness of solutions of switched Takagi-Sugeno fuzzy systems using the S-procedure. Information Sciences, 572, 501-521. doi:10.1016/j.ins.2021.04.103
    • NLM

      Valentino MC, Faria FA, Oliveira VA de, Alberto LFC. Sufficient conditions in terms of linear matrix inequalities for guaranteed ultimately boundedness of solutions of switched Takagi-Sugeno fuzzy systems using the S-procedure [Internet]. Information Sciences. 2021 ; 572 501-521.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2021.04.103
    • Vancouver

      Valentino MC, Faria FA, Oliveira VA de, Alberto LFC. Sufficient conditions in terms of linear matrix inequalities for guaranteed ultimately boundedness of solutions of switched Takagi-Sugeno fuzzy systems using the S-procedure [Internet]. Information Sciences. 2021 ; 572 501-521.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2021.04.103
  • Fonte: Information Sciences. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, MATEMÁTICA DA COMPUTAÇÃO

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

      BARELLA, Victor Hugo et al. Assessing the data complexity of imbalanced datasets. Information Sciences, v. 553, p. 83-109, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.12.006. Acesso em: 29 mar. 2024.
    • APA

      Barella, V. H., Garcia, L. P. F., Souto, M. C. P. de, Lorena, A. C., & Carvalho, A. C. P. de L. F. de. (2021). Assessing the data complexity of imbalanced datasets. Information Sciences, 553, 83-109. doi:10.1016/j.ins.2020.12.006
    • NLM

      Barella VH, Garcia LPF, Souto MCP de, Lorena AC, Carvalho ACP de LF de. Assessing the data complexity of imbalanced datasets [Internet]. Information Sciences. 2021 ; 553 83-109.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.12.006
    • Vancouver

      Barella VH, Garcia LPF, Souto MCP de, Lorena AC, Carvalho ACP de LF de. Assessing the data complexity of imbalanced datasets [Internet]. Information Sciences. 2021 ; 553 83-109.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.12.006
  • Fonte: Information Sciences. Unidade: IME

    Assuntos: ANÁLISE MULTIVARIADA, ESTATÍSTICA DE PROCESSOS ESTOCÁSTICOS

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

      GUZMAN, Grover Enrique Castro e FUJITA, André. Convolution-based linear discriminant analysis for functional data classification. Information Sciences, v. 581, p. 469-478, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2021.09.057. Acesso em: 29 mar. 2024.
    • APA

      Guzman, G. E. C., & Fujita, A. (2021). Convolution-based linear discriminant analysis for functional data classification. Information Sciences, 581, 469-478. doi:10.1016/j.ins.2021.09.057
    • NLM

      Guzman GEC, Fujita A. Convolution-based linear discriminant analysis for functional data classification [Internet]. Information Sciences. 2021 ; 581 469-478.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2021.09.057
    • Vancouver

      Guzman GEC, Fujita A. Convolution-based linear discriminant analysis for functional data classification [Internet]. Information Sciences. 2021 ; 581 469-478.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2021.09.057
  • Fonte: Information Sciences. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE TEXTO, RECUPERAÇÃO DA INFORMAÇÃO

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

      CARNEVALI, Julio César et al. A graph-based approach for positive and unlabeled learning. Information Sciences, v. No 2021, p. 655-672, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2021.08.099. Acesso em: 29 mar. 2024.
    • APA

      Carnevali, J. C., Rossi, R. G., Milios, E., & Lopes, A. de A. (2021). A graph-based approach for positive and unlabeled learning. Information Sciences, No 2021, 655-672. doi:10.1016/j.ins.2021.08.099
    • NLM

      Carnevali JC, Rossi RG, Milios E, Lopes A de A. A graph-based approach for positive and unlabeled learning [Internet]. Information Sciences. 2021 ; No 2021 655-672.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2021.08.099
    • Vancouver

      Carnevali JC, Rossi RG, Milios E, Lopes A de A. A graph-based approach for positive and unlabeled learning [Internet]. Information Sciences. 2021 ; No 2021 655-672.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2021.08.099
  • Fonte: Information Sciences. Unidade: ICMC

    Assuntos: ANÁLISE DE SÉRIES TEMPORAIS, APRENDIZADO COMPUTACIONAL, ALGORITMOS ÚTEIS E ESPECÍFICOS

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

      ROSSI, André Luis Debiaso et al. Micro-MetaStream: algorithm selection for time-changing data. Information Sciences, v. 565, p. 262-277, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2021.02.075. Acesso em: 29 mar. 2024.
    • APA

      Rossi, A. L. D., Soares, C., Souza, B. F. de, & Carvalho, A. C. P. de L. F. de. (2021). Micro-MetaStream: algorithm selection for time-changing data. Information Sciences, 565, 262-277. doi:10.1016/j.ins.2021.02.075
    • NLM

      Rossi ALD, Soares C, Souza BF de, Carvalho ACP de LF de. Micro-MetaStream: algorithm selection for time-changing data [Internet]. Information Sciences. 2021 ; 565 262-277.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2021.02.075
    • Vancouver

      Rossi ALD, Soares C, Souza BF de, Carvalho ACP de LF de. Micro-MetaStream: algorithm selection for time-changing data [Internet]. Information Sciences. 2021 ; 565 262-277.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2021.02.075
  • Fonte: Information Sciences. Unidades: IFSC, ICMC

    Assuntos: RECONHECIMENTO DE PADRÕES, PROCESSAMENTO DE IMAGENS, MAPAS, VISÃO COMPUTACIONAL

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

      CONDORI, Rayner Harold Montes e BRUNO, Odemir Martinez. Analysis of activation maps through global pooling measurements for texture classification. Information Sciences, v. 555, p. 260-279 , 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.09.058. Acesso em: 29 mar. 2024.
    • APA

      Condori, R. H. M., & Bruno, O. M. (2021). Analysis of activation maps through global pooling measurements for texture classification. Information Sciences, 555, 260-279 . doi:10.1016/j.ins.2020.09.058
    • NLM

      Condori RHM, Bruno OM. Analysis of activation maps through global pooling measurements for texture classification [Internet]. Information Sciences. 2021 ; 555 260-279 .[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.09.058
    • Vancouver

      Condori RHM, Bruno OM. Analysis of activation maps through global pooling measurements for texture classification [Internet]. Information Sciences. 2021 ; 555 260-279 .[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.09.058
  • Fonte: Information Sciences. Unidades: IFSC, EP

    Assuntos: COMPUTAÇÃO GRÁFICA, COMPUTAÇÃO APLICADA, CIÊNCIA DA COMPUTAÇÃO, INTELIGÊNCIA ARTIFICIAL

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

      MACHICAO, Jeaneth et al. A visual analysis method of randomness for classifying and ranking pseudo-random number generators. Information Sciences, v. 558, p. 1-20, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.10.041. Acesso em: 29 mar. 2024.
    • APA

      Machicao, J., Ngo, Q. Q., Molchanov, V., Linsen, L., & Bruno, O. M. (2021). A visual analysis method of randomness for classifying and ranking pseudo-random number generators. Information Sciences, 558, 1-20. doi:10.1016/j.ins.2020.10.041
    • NLM

      Machicao J, Ngo QQ, Molchanov V, Linsen L, Bruno OM. A visual analysis method of randomness for classifying and ranking pseudo-random number generators [Internet]. Information Sciences. 2021 ; 558 1-20.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.10.041
    • Vancouver

      Machicao J, Ngo QQ, Molchanov V, Linsen L, Bruno OM. A visual analysis method of randomness for classifying and ranking pseudo-random number generators [Internet]. Information Sciences. 2021 ; 558 1-20.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.10.041
  • Fonte: Information Sciences. Unidade: ICMC

    Assuntos: REDES NEURAIS, ALGORITMOS GENÉTICOS

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

      FERNANDES JUNIOR, Francisco Erivaldo e YEN, Gary G. Pruning deep convolutional neural networks architectures with evolution strategy. Information Sciences, v. 552, p. 29-47, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.11.009. Acesso em: 29 mar. 2024.
    • APA

      Fernandes Junior, F. E., & Yen, G. G. (2021). Pruning deep convolutional neural networks architectures with evolution strategy. Information Sciences, 552, 29-47. doi:10.1016/j.ins.2020.11.009
    • NLM

      Fernandes Junior FE, Yen GG. Pruning deep convolutional neural networks architectures with evolution strategy [Internet]. Information Sciences. 2021 ; 552 29-47.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.11.009
    • Vancouver

      Fernandes Junior FE, Yen GG. Pruning deep convolutional neural networks architectures with evolution strategy [Internet]. Information Sciences. 2021 ; 552 29-47.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.11.009
  • Fonte: Information Sciences. Unidade: ICMC

    Assuntos: REDES NEURAIS, ALGORITMOS GENÉTICOS, DIAGNÓSTICO POR IMAGEM

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

      FERNANDES JUNIOR, Francisco Erivaldo e YEN, Gary G. Pruning of generative adversarial neural networks for medical imaging diagnostics with evolution strategy. Information Sciences, v. 558, p. 91-102, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2020.12.086. Acesso em: 29 mar. 2024.
    • APA

      Fernandes Junior, F. E., & Yen, G. G. (2021). Pruning of generative adversarial neural networks for medical imaging diagnostics with evolution strategy. Information Sciences, 558, 91-102. doi:10.1016/j.ins.2020.12.086
    • NLM

      Fernandes Junior FE, Yen GG. Pruning of generative adversarial neural networks for medical imaging diagnostics with evolution strategy [Internet]. Information Sciences. 2021 ; 558 91-102.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.12.086
    • Vancouver

      Fernandes Junior FE, Yen GG. Pruning of generative adversarial neural networks for medical imaging diagnostics with evolution strategy [Internet]. Information Sciences. 2021 ; 558 91-102.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2020.12.086
  • Fonte: Information Sciences. Unidade: EESC

    Assuntos: LÓGICA FUZZY, SISTEMAS DINÂMICOS, ESTABILIDADE DE LIAPUNOV, ENGENHARIA ELÉTRICA

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

      ELIAS, Leandro J et al. Stability analysis of Takagi–Sugeno systems using a switched fuzzy Lyapunov function. Information Sciences, v. 543, p. 43-57, 2021Tradução . . Disponível em: http://dx.doi.org/10.1016/j.ins.2020.07.020. Acesso em: 29 mar. 2024.
    • APA

      Elias, L. J., Faria, F. A., Araujo, R., & Oliveira, V. A. de. (2021). Stability analysis of Takagi–Sugeno systems using a switched fuzzy Lyapunov function. Information Sciences, 543, 43-57. doi:10.1016/j.ins.2020.07.020
    • NLM

      Elias LJ, Faria FA, Araujo R, Oliveira VA de. Stability analysis of Takagi–Sugeno systems using a switched fuzzy Lyapunov function [Internet]. Information Sciences. 2021 ; 543 43-57.[citado 2024 mar. 29 ] Available from: http://dx.doi.org/10.1016/j.ins.2020.07.020
    • Vancouver

      Elias LJ, Faria FA, Araujo R, Oliveira VA de. Stability analysis of Takagi–Sugeno systems using a switched fuzzy Lyapunov function [Internet]. Information Sciences. 2021 ; 543 43-57.[citado 2024 mar. 29 ] Available from: http://dx.doi.org/10.1016/j.ins.2020.07.020
  • Fonte: Information Sciences. Unidades: FMRP, ICMC, INTER: ICMC -UFSCAR

    Assuntos: ANÁLISE DE DADOS, ANÁLISE DE SÉRIES TEMPORAIS, ELETROENCEFALOGRAFIA

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

      NASCIMENTO, Diego Carvalho et al. Dynamic time series smoothing for symbolic interval data applied to neuroscience. Information Sciences, v. 517, p. 415-426, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2019.12.026. Acesso em: 29 mar. 2024.
    • APA

      Nascimento, D. C., Pimentel, B. A., Souza, R., Leite, J. P., Edwards, D. J., Pontelli, T. E. G. dos S., & Louzada, F. (2020). Dynamic time series smoothing for symbolic interval data applied to neuroscience. Information Sciences, 517, 415-426. doi:10.1016/j.ins.2019.12.026
    • NLM

      Nascimento DC, Pimentel BA, Souza R, Leite JP, Edwards DJ, Pontelli TEG dos S, Louzada F. Dynamic time series smoothing for symbolic interval data applied to neuroscience [Internet]. Information Sciences. 2020 ;517 415-426.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2019.12.026
    • Vancouver

      Nascimento DC, Pimentel BA, Souza R, Leite JP, Edwards DJ, Pontelli TEG dos S, Louzada F. Dynamic time series smoothing for symbolic interval data applied to neuroscience [Internet]. Information Sciences. 2020 ;517 415-426.[citado 2024 mar. 29 ] Available from: https://doi.org/10.1016/j.ins.2019.12.026

Biblioteca Digital de Produção Intelectual da Universidade de São Paulo     2012 - 2024