1. Identificação | |
Tipo de Referência | Artigo em Evento (Conference Proceedings) |
Site | plutao.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | J8LNKAN8RW/3ARNG6L |
Repositório | dpi.inpe.br/plutao/2011/11.23.18.48 |
Última Atualização | 2015:03.24.13.26.44 (UTC) administrator |
Repositório de Metadados | dpi.inpe.br/plutao/2011/11.23.18.48.25 |
Última Atualização dos Metadados | 2018:06.05.00.01.36 (UTC) administrator |
Rótulo | lattes: 2720072834057575 1 AnochiSilv:2011:NeNeMo |
Chave de Citação | AnochiSilv:2011:NeNeMo |
Título | Neural Network Models for Climate Forecasting based on Reanalysis Data |
Ano | 2011 |
Data de Acesso | 18 maio 2024 |
Tipo Secundário | PRE CN |
Número de Arquivos | 1 |
Tamanho | 1268 KiB |
|
2. Contextualização | |
Autor | 1 Anochi, Juliana Aparecida 2 Silva, José Demisio Simões da |
Grupo | 1 LAC-CTE-INPE-MCT-BR 2 LAC-CTE-INPE-MCT-BR |
Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Instituto Nacional de Pesquisas Espaciais (INPE) |
Endereço de e-Mail do Autor | 1 juliana.anochi@lac.inpe.br 2 demisio@lac.inpe.br |
Endereço de e-Mail | juliana.anochi@lac.inpe.br |
Nome do Evento | Congresso Brasileiro de Inteligência Computacional, 10 |
Localização do Evento | Fortaleza, CE |
Data | 8-11 nov. |
Título do Livro | Proceedings |
Tipo Terciário | Paper |
Histórico (UTC) | 2011-11-24 11:03:16 :: lattes -> secretaria.cpa@dir.inpe.br :: 2011 2011-12-02 11:25:15 :: secretaria.cpa@dir.inpe.br -> administrator :: 2011 2018-06-05 00:01:36 :: administrator -> marciana :: 2011 |
|
3. Conteúdo e estrutura | |
É a matriz ou uma cópia? | é a matriz |
Estágio do Conteúdo | concluido |
Transferível | 1 |
Tipo do Conteúdo | External Contribution |
Tipo de Versão | publisher |
Palavras-Chave | Climate Forecasting Rough Sets Theory Artificial Neural Networks Artificial Intelligence |
Resumo | In this work a neural network model for climate forecasting is presented. The model is built by training a neural network with available reanalysis data. In order to assess the model, the development methodology considers the use of data reduction strategies that eliminate data redundancy thus reducing the complexity of the models. The results presented in this paper considered the use of Rough Sets Theory principles in extracting relevant information from the available data to achieve the reduction of redundancy among the variables used for forecasting purposes. The paper presents results of climate prediction made with the use of the neural network based model. |
Área | COMP |
Arranjo | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Neural Network Models... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | não têm arquivos |
Conteúdo da Pasta agreement | não têm arquivos |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/J8LNKAN8RW/3ARNG6L |
URL dos dados zipados | http://urlib.net/zip/J8LNKAN8RW/3ARNG6L |
Idioma | en |
Arquivo Alvo | anochi_neural.pdf |
Grupo de Usuários | lattes secretaria.cpa@dir.inpe.br marciana |
Grupo de Leitores | administrator marciana |
Visibilidade | shown |
Permissão de Leitura | allow from all |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3ESGTTP |
URL (dados não confiáveis) | http://cbrn-cbic2011.org/ |
Acervo Hospedeiro | dpi.inpe.br/plutao@80/2008/08.19.15.01 |
|
6. Notas | |
Campos Vazios | archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi edition editor format isbn issn lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark type volume |
|
7. Controle da descrição | |
e-Mail (login) | marciana |
atualizar | |
|