Fechar

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m16d.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP7W/383ASCL
Repositóriosid.inpe.br/mtc-m19@80/2010/08.10.15.57
Última Atualização2010:08.10.15.57.49 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m19@80/2010/08.10.15.57.50
Última Atualização dos Metadados2018:06.05.04.37.15 (UTC) administrator
Chave SecundáriaINPE--PRE/
Chave de CitaçãoFurtadoVelhMaca:2010:NeNeEm
TítuloNeural networks for emulation variational method for data assimilation in nonlinear dynamics
FormatoOn-line
Ano2010
Data de Acesso30 jun. 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho560 KiB
2. Contextualização
Autor1 Furtado, Helaine
2 Velho, Haroldo Campos
3 Macau, Elbert E. N.
Grupo1 LAC-CTE-INPE-MCT-BR
2 LAC-CTE-INPE-MCT-BR
3 LAC-CTE-INPE-MCT-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
EditorMacau, Elbert Einstein Nehrer
Turci, Luiz Felipe Ramos
Martins Filho, Luiz Siqueira
Endereço de e-Mailfelipeturci@yahoo.com.br
Nome do EventoDynamics Days South America 2010 - International conference on chaos and nonlinear dynamics.
Localização do EventoSão José dos Campos
DataJuly 26-30, 2010
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Título do LivroProceedings
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2010-12-08 16:04:39 :: felipeturci@yahoo.com.br -> administrator :: 2010
2010-12-08 16:40:45 :: administrator -> marciana :: 2010
2010-12-09 17:18:57 :: marciana -> administrator :: 2010
2018-06-05 04:37:15 :: administrator -> marciana :: 2010
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-ChaveData assimilation
kalman filter
particle filter
variational method
artificial neural networks
ResumoDescription of a physical phenomenon through differential equations presents errors involved, since the mathematical model is always an approximation of reality. For an operational prediction system, one strategy to improve the prediction is to add some information from the real dynamics into mathematical model. This aditional information consists of observations on the phenomenon. However, the observational data insertion should be done carefully, for avoiding a worse performance of the prediction.
ÁreaCOMP
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDMD > Neural networks for...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP7W/383ASCL
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP7W/383ASCL
Idiomaen
Arquivo Alvo70216.pdf_m=70216&fi=0&f=70216.pdf
Grupo de Usuáriosadministrator
felipeturci@yahoo.com.br
administrator
marciana
Visibilidadeshown
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ESGTTP
Lista de Itens Citandosid.inpe.br/bibdigital/2013/09.22.23.14 2
Acervo Hospedeirosid.inpe.br/mtc-m19@80/2009/08.21.17.02
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination documentstage doi edition electronicmailaddress isbn issn label lineage mark mirrorrepository nextedition notes numberofvolumes orcid pages parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url versiontype volume
7. Controle da descrição
e-Mail (login)marciana
atualizar 


Fechar