Resultado da Pesquisa
A expressão de busca foi <related:sid.inpe.br/mtc-m21b/2015/03.05.12.59.37-0:en:title:2:network neural optimization feedforward:optimization feedforward neural network multiple particle collision algorithm:>.
10 referências similares encontradas (inclusive a original) buscando em 17 dentre 17 Arquivos.
Data e hora local de busca: 19/04/2024 17:17.
1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m21b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34P/3J4F6K5
Repositóriosid.inpe.br/mtc-m21b/2015/03.05.12.59
Última Atualização2015:03.05.12.59.37 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m21b/2015/03.05.12.59.37
Última Atualização dos Metadados2018:06.04.03.04.45 (UTC) administrator
Chave SecundáriaINPE--PRE/
DOI10.1109/FOCI.2014.7007817
Chave de CitaçãoAnochiCamp:2014:OpFeNe
TítuloOptimization of feedforward neural network by Multiple Particle Collision Algorithm
FormatoOn-line
Ano2014
Data de Acesso19 abr. 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho1094 KiB
2. Contextualização
Autor1 Anochi, Juliana A.
2 Campos Velho, Haroldo Fraga
Grupo1 LAC-CTE-INPE-MCTI-GOV-BR
2 LAC-CTE-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 juliana.anochi@lac.inpe.br
2 haroldo@lac.inpe.br
Nome do EventoIEEE Symposium Series on Computational Intelligence.
Localização do EventoOrlando, FL
Data9-12 Dec.
Editora (Publisher)IEEE
Páginas128-134
Título do LivroProceedings
Histórico (UTC)2015-03-05 12:59:37 :: simone -> administrator ::
2018-06-04 03:04:45 :: administrator -> :: 2014
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
ResumoOptimization of neural network topology, weights and neuron activation functions for given data set and problem is not an easy task. In this article, a technique for automatic configuration of parameters topology for feedforward artificial neural networks (ANN) is presented. The determination of optimal parameters is formulated as an optimization problem, solved with the use of meta-heuristic Multiple Particle Collision Algorithm (MPCA). The self-configuring networks are applied to predict the mesoscale climate for the precipitation field. The results obtained from the neural network using the method of data reduction by the Theory of Rough Sets and the self-configuring network by MPCA were compared.
ÁreaCOMP
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Optimization of feedforward...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 05/03/2015 09:59 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34P/3J4F6K5
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34P/3J4F6K5
Idiomaen
Arquivo Alvoanochi_optimization.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
VinculaçãoTrabalho não Vinculado à Tese/Dissertação
Repositório Espelhosid.inpe.br/mtc-m21b/2013/09.26.14.25.22
Unidades Imediatamente Superiores8JMKD3MGPCW/3ESGTTP
Lista de Itens Citando
DivulgaçãoIEEEXplore
Acervo Hospedeirosid.inpe.br/mtc-m21b/2013/09.26.14.25.20
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress edition editor isbn issn keywords label lineage mark nextedition notes numberofvolumes orcid organization parameterlist parentrepositories previousedition previouslowerunit progress project publisheraddress resumeid rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarytype type url volume

1. Identificação
Tipo de ReferênciaResumo em Evento (Conference Proceedings)
Sitemtc-m16c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP8W/3HBQRLL
Repositóriosid.inpe.br/mtc-m18/2014/11.04.17.36
Última Atualização2014:11.04.17.36.22 (UTC) adelsud6@gmail.com
Repositório de Metadadossid.inpe.br/mtc-m18/2014/11.04.17.36.22
Última Atualização dos Metadados2023:08.16.17.49.35 (UTC) administrator
Chave de CitaçãoAnochiCampShig:2014:OpNeNe
TítuloOptimization of neural network by multiple particle collision algorithm
FormatoOn-line.
Ano2014
Data de Acesso19 abr. 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho271 KiB
2. Contextualização
Autor1 Anochi, Juliana A.
2 Campos Velho, Haroldo Fraga de
3 Shiguemori, Elcio Hideiti
Grupo1
2 LAC-CTE-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
EditorSantiago Júnior, Valdivino Alexandre de
Ferreira, Karine Reis
Endereço de e-Mailadelsud6@gmail.com
Nome do EventoWorkshop dos Cursos de Computação Aplicada do INPE, 14 (WORCAP).
Localização do EventoSão José dos Campos
Data12-13 nov. 2014
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Título do LivroResumos
Tipo TerciárioSessão Técnica
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2014-11-07 20:40:03 :: adelsud6@gmail.com -> administrator :: 2014
2023-08-16 17:49:35 :: administrator -> marcelo.pazos@inpe.br :: 2014
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chaveneural network
climate prediction
multiple particle collision algorithm
ResumoABSTRACT: The optimization of neural network topology, weights and activation functions for the artificial neuron, considering a specific problem and the data, is not an easy task. A technique for automatic configuration of parameters topology for feedforward artificial neural networks (ANN) is presented. The determination of optimal parameters is formulated as an optimization problem, and it is solved with the use of meta-heuristic Multiple Particle Collision Algorithm (MPCA). The self-configuring networks are applied to climate prediction for the precipitation field on mesoscale.
ÁreaCOMP
Arranjo 1urlib.net > BDMCI > Fonds > WORCAP > WORCAP 14 > Optimization of neural...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > WORCAP 14 > Optimization of neural...
Arranjo 3Projeto Memória 60... > Livros e livros editados > WORCAP 14 > Optimization of neural...
Arranjo 4urlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Optimization of neural...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 04/11/2014 15:36 0.7 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP8W/3HBQRLL
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP8W/3HBQRLL
Idiomaen
Arquivo Alvoworcap2014_submission_35.pdf
Grupo de Usuáriosadelsud6@gmail.com
Visibilidadeshown
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhoiconet.com.br/banon/2006/11.26.21.31
Unidades Imediatamente Superiores8JMKD3MGP8W/3HC3BQL
8JMKD3MGPCW/3ESGTTP
Acervo Hospedeirosid.inpe.br/mtc-m18@80/2008/03.17.15.17
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination doi edition electronicmailaddress isbn issn label lineage mark nextedition notes numberofvolumes orcid pages parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url versiontype volume
7. Controle da descrição
e-Mail (login)marcelo.pazos@inpe.br
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m16d.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP7W/3973M25
Repositóriosid.inpe.br/mtc-m19/2011/02.15.16.53
Última Atualização2011:02.22.19.29.25 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m19/2011/02.15.16.53.52
Última Atualização dos Metadados2018:06.05.04.24.21 (UTC) administrator
Chave SecundáriaINPE--PRE/
DOI10.1007/s00521-010-0504-3
ISSN0941-0643
Chave de CitaçãoCarvalhoRamoChav:2011:MeFeAr
TítuloMetaheuristics for the feedforward artificial neural network (ANN) architecture optimization problem
Ano2011
MêsDec.
Data de Acesso19 abr. 2024
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho642 KiB
2. Contextualização
Autor1 Carvalho, A. R
2 Ramos, F. M.
3 Chaves, A. A.
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)
RevistaNeural Computing and Applications
Volume20
Número8
Páginas1273 - 1284
Histórico (UTC)2011-09-12 15:50:03 :: marciana -> administrator :: 2010
2011-11-08 15:27:24 :: administrator -> marciana :: 2010
2012-01-26 11:55:55 :: marciana -> administrator :: 2010
2012-09-21 12:56:52 :: administrator -> marciana :: 2010
2012-12-11 13:26:22 :: marciana :: 2010 -> 2011
2012-12-11 13:26:54 :: marciana -> administrator :: 2011
2018-06-05 04:24:21 :: administrator -> marciana :: 2011
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãofinaldraft
ResumoThis article deals with evolutionary artificial neural network (ANN) and aims to propose a systematic and automated way to find out a proper network architecture. To this, we adapt four metaheuristics to resolve the problem posed by the pursuit of optimum feedforward ANN architecture and introduced a new criteria to measure the ANN performance based on combination of training and generalization error. Also, it is proposed a new method for estimating the computational complexity of the ANN architecture based on the number of neurons and epochs needed to train the network. We implemented this approach in software and tested it for the problem of identification and estimation of pollution sources and for three separate benchmark data sets from UCI repository. The results show the proposed computational approach gives better performance than a human specialist, while offering many advantages over similar approaches found in the literature. © 2010 Springer-Verlag London Limited.
ÁreaCOMP
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Metaheuristics for the...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 15/02/2011 14:53 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP7W/3973M25
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP7W/3973M25
Idiomaen
Arquivo Alvocarvalho.pdf
Grupo de Usuáriosadministrator
marciana
Visibilidadeshown
Política de Arquivamentodenypublisher denyfinaldraft12
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhosid.inpe.br/mtc-m19@80/2009/08.21.17.02.53
Unidades Imediatamente Superiores8JMKD3MGPCW/3ESGTTP
Lista de Itens Citandosid.inpe.br/bibdigital/2013/09.22.23.14 2
DivulgaçãoWEBSCI; PORTALCAPES.
Acervo Hospedeirosid.inpe.br/mtc-m19@80/2009/08.21.17.02
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress electronicmailaddress format isbn keywords label lineage mark nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype typeofwork url
7. Controle da descrição
e-Mail (login)marciana
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m16d.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP7W/38UG5UE
Repositóriosid.inpe.br/mtc-m19/2011/01.12.15.11
Última Atualização2015:03.27.11.38.32 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m19/2011/01.12.15.11.19
Última Atualização dos Metadados2021:02.11.18.18.02 (UTC) administrator
Chave SecundáriaINPE--PRE/
Chave de CitaçãoMarquesFoRiosKuga:2010:LoCoIN
TítuloA low cost INS/GPS navigation system integrated with a multilayer feedforward neural network
Ano2010
Data de Acesso19 abr. 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho350 KiB
2. Contextualização
Autor1 Marques Filho, Edmundo Alberto
2 Rios Neto, Atair
3 Kuga, Helio Koiti
Grupo1 DMC-ETE-INPE-MCT-BR
2 DMC-ETE-INPE-MCT-BR
3 DMC-ETE-INPE-MCT-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 amf@yahoo.com.br
2 atairrn@uol.com.br
3 hkk@dem.inpe.br
Endereço de e-Mailalessandra@sid.inpe.br
Nome do EventoSimpósio Brasileiro de Engenharia Inercial, 6 (SBEIN).
Localização do EventoRio de Janeiro, RJ
Data19-22 out.
Título do LivroAnais
Histórico (UTC)2011-01-12 15:17:59 :: alessandra@sid.inpe.br -> administrator :: 2010
2021-02-11 18:18:02 :: administrator -> simone :: 2010
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãofinaldraft
Palavras-ChaveINS/GPS/Neural Network navigation
low cost navigation
IMU
INS
GPS
neural networks
MEMS
ResumoThis article investigates the use of a multilayer feedforward artificial neural network into a GPS integrated low cost inertial navigation system based on MEMS sensors. The neural network is applied as an alternative of integration technique, with the purpose of providing better navigation solutions, during the lack of information in GPS outages portions of time. An input-output neural network signals model is proposed, based on a set of simplified terrestrial vehicle navigation equations. Also an adaptive Kalman filter training methodology is tested with real navigation data. Preliminary simulated numerical results are presented, based on urban vehicular positioning application data trials, acquired from low cost Crossbow CD400-200 IMU and an Ashtech Z12 GPS receiver.
ÁreaETES
ArranjoA low cost...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 12/01/2011 13:11 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP7W/38UG5UE
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP7W/38UG5UE
Idiomaen
Arquivo Alvomarques_low.pdf
Grupo de Usuáriosalessandra@sid.inpe.br
simone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhosid.inpe.br/mtc-m19@80/2009/08.21.17.02.53
Unidades Imediatamente Superiores8JMKD3MGPCW/446AF4B
Acervo Hospedeirosid.inpe.br/mtc-m19@80/2009/08.21.17.02
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi edition editor format isbn issn label lineage mark nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress resumeid rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
IdentificadorJ8LNKAN8RW/3D53LKS
Repositóriodpi.inpe.br/plutao/2012/11.28.16.47.57
Última Atualização2015:03.16.17.03.40 (UTC) administrator
Repositório de Metadadosdpi.inpe.br/plutao/2012/11.28.16.47.58
Última Atualização dos Metadados2018:06.05.00.02.06 (UTC) administrator
Chave SecundáriaINPE--PRE/
Rótulolattes: 2720072834057575 2 SambattiAnLuCaShCa:2012:MPMeAu
Chave de CitaçãoSambattiAnLuCaShCa:2012:MPMeAu
TítuloMPCA Meta-Heuristics for automatic architecture optimization of a supervised artificial neural network
Ano2012
Data de Acesso19 abr. 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho147 KiB
2. Contextualização
Autor1 Sambatti, Sabrina Bergoch Monteiro
2 Anochi, Juliana Aparecida
3 Luz, Eduardo F. Pacheco da
4 Carvalho, Adenilson R.
5 Shiguemori, Elcio Hideiti
6 Campos Velho, Haroldo Fraga de
Identificador de Curriculo1
2
3
4
5
6 8JMKD3MGP5W/3C9JHC3
Grupo1 LAC-CTE-INPE-MCTI-GOV-BR
2 LAC-CTE-INPE-MCTI-GOV-BR
3
4
5
6 LAC-CTE-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3
4 SERPRO
5 Instituto de Estudos Avançado (IEAv)
6 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 sabrinabms@gmail.com
2 juliana.anochi@lac.inpe.br
3
4
5
6 haroldo@lac.inpe.br
Endereço de e-Mailjuliana.anochi@lac.inpe.br
Nome do EventoWorld Congress on Computational Mechanics, 10 (WCCM).
Localização do EventoSão Paulo
Data2012
Título do LivroProceedings
Tipo TerciárioPaper
Histórico (UTC)2012-11-28 23:06:29 :: lattes -> marciana :: 2012
2012-12-04 11:13:32 :: marciana -> administrator :: 2012
2018-06-05 00:02:06 :: administrator -> marciana :: 2012
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãofinaldraft
ResumoArtificial neural networks (ANN) has been studied intensively, but there still are many unresolved issues. The search and definition of an optimal architecture remains a very relevant ANN research topic. The search space of neural network topology, each point represents a possible architecture. Associating each point to a performance level relies on the a priori establishment of some optimality criterion. Here, a new meta-heuristics, multi-particle collision algorithm (MPCA) was applied to design an optimum architecture for a supervised ANN. The MPCA optimization algorithm emulates a collision process of multiple particles inspired in processes of a neutron traveling in a nuclear reactor. The multilayer perceptron (MLP) was the neural network adopted here, and backpropagation strategy was used for calculating of the weight of connections to the MLP-NN. The MLP-NN configured by this optimal or inverse designs was applied to predict the seasonal mesoscale climate. The dataset for trainning is obtained from NCEP-NOAA reanalysis and from a metherological model. In order to reduce the dimension of the search space to find the optimized ANN, it is considered the following: three activation functions, up to three hidden layers, and up to 32 neurons per hidden layer. The comparison is performed between the ANN configuration obtained by automatic process and another configuration proposed by a human specialist.
ÁreaCOMP
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > MPCA Meta-Heuristics 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/J8LNKAN8RW/3D53LKS
URL dos dados zipadoshttp://urlib.net/zip/J8LNKAN8RW/3D53LKS
Idiomaen
Arquivo Alvosambatti_mpca.pdf
Grupo de Usuárioslattes
marciana
Grupo de Leitoresadministrator
marciana
Visibilidadeshown
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ESGTTP
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.49.40 3
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi edition editor format isbn issn keywords lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url volume
7. Controle da descrição
e-Mail (login)marciana
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m16b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificadorx6e6X3pFwXQZ3DUS8rS5/Du9ka
Repositóriocptec.inpe.br/walmeida/2004/09.16.11.07
Última Atualização2004:08.12.03.00.00 (UTC) marciana
Repositório de Metadadoscptec.inpe.br/walmeida/2004/09.16.11.07.04
Última Atualização dos Metadados2022:08.09.21.08.29 (UTC) administrator
Chave SecundáriaINPE-11967-PRE/7313
Rótuloself-archiving-INPE-MCTIC-GOV-BR
Chave de CitaçãoCamposVelhoHart:2004:ReFeNe
TítuloRecurrent and feedforward neural networks applied to the data assimilation in chaotic dynamics
FormatoCD-ROM
ProjetoRedes Neurais
Ano2004
Data de Acesso19 abr. 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho572 KiB
2. Contextualização
Autor1 Campos Velho, Haroldo Fraga de
2 Harter, Fabricio Pereira
Identificador de Curriculo1 8JMKD3MGP5W/3C9JHC3
Grupo1 LAC-INPE-MCT-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais, Laboratório Associado de Computação e Matemática Aplicada (INPE. LAC)
Endereço de e-Mailfabia@cptec.inpe.br
Nome do EventoCongresso Brasileiro de Meteorologia, 13.
Localização do EventoFortaleza
Data29 ago.- 03 set. 2004
Editora (Publisher)SBMET
Título do LivroAnais
Tipo TerciárioPosters
OrganizaçãoSociedade Brasileira de Meteorologia
Histórico (UTC)2005-05-20 16:18:34 :: Fabia -> administrator ::
2008-06-10 21:21:18 :: administrator -> estagiario ::
2010-05-11 16:54:47 :: estagiario -> administrator ::
2018-06-05 03:51:27 :: administrator -> marciana :: 2004
2022-08-08 17:07:34 :: marciana -> administrator :: 2004
2022-08-09 21:08:29 :: administrator -> simone :: 2004
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Palavras-ChaveCOMPUTAÇÃO APLICADA
Redes neurais
Controle de transmissão de alimentação
Assimilação
Validação
Sistema de Lorenz
Filtros de Kalman
COMPUTER SCIENCE
Neural nets
Feedforward control
Assimilation
Proving
Lorenz system
Kalman filters
ResumoArtificial Neural Network (ANN) is a new approach for data assimilation process. The performance of two feedforward (multilayer perceptron and radial basis function), and two recurrent (Elman and Jordan) ANNs is analized. The Lorenz system under chaotic regime is used as a test problem. These four NNs were trainned for emulating a Kalman filter using cross validation scheme. Multilayer perceptron and Elman ANNs show better results. The results obtained encouraging the application of the ANNs as an assimilation technique. RESUMO: Redes neurais artificiais é uma nova abordagem para assimilação de dados. Neste trabalho é analisado o desempenho de duas redes feedforward (perceptron de múltiplas camadas e função de base radial) e duas redes recorrentes (Elman e Jordan). O sistema de Lorenz sob regime caótico é usado como um problema teste. As redes foram treinadas para emular um filtro de Kalman, usando a técnica de realimentação com validação cruzada. O perceptron de múltiplas camadas e a rede de Elman foram as que obtiveram os melhores desempenhos. Os resultados encorajam a aplicação de redes neurais como uma técnica assimilação.
ÁreaCOMP
Arranjourlib.net > Produção anterior à 2021 > LABAC > Recurrent and feedforward...
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/x6e6X3pFwXQZ3DUS8rS5/Du9ka
URL dos dados zipadoshttp://urlib.net/zip/x6e6X3pFwXQZ3DUS8rS5/Du9ka
Idiomaen
Arquivo Alvo0000000769.pdf
Grupo de UsuáriosFabia
administrator
simone
Visibilidadeshown
Detentor da CópiaSID/SCD
Permissão de Atualizaçãotransferida para simone
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ESGTTP
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.49.40 3
Acervo Hospedeirocptec.inpe.br/walmeida/2003/04.25.17.12
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber copyright creatorhistory descriptionlevel dissemination doi edition editor electronicmailaddress isbn issn lineage mark mirrorrepository nextedition notes numberofvolumes orcid pages parameterlist parentrepositories previousedition previouslowerunit progress publisheraddress readergroup readpermission rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m16.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador6qtX3pFwXQZsFDuKxG/EG873
Repositóriosid.inpe.br/marciana/2005/01.06.10.12
Última Atualização2015:08.25.15.25.48 (UTC) marciana
Repositório de Metadadossid.inpe.br/marciana/2005/01.06.10.12.32
Última Atualização dos Metadados2018:06.05.01.21.21 (UTC) administrator
Chave SecundáriaINPE--PRE/
Chave de CitaçãoHarterCamp:2004:ReFeNe
TítuloRecurrent and feedforward neural networks applied to the data assimilation in chaotic dynamics
Ano2004
Data de Acesso19 abr. 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho572 KiB
2. Contextualização
Autor1 Harter, Fabrício P.
2 Campos Velho, Haroldo Fraga de
Grupo1 LAC-INPE-MCT-BR
2 LAC-INPE-MCT-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 fabricio@lac.inpe.br
2 haroldo@lac.inpe.br
Nome do EventoBrazilian Congress of Meteorology (CBMET).
Localização do EventoFortaleza CE.
Data29/08 a 03/09/2004
Título do LivroAnais
Histórico (UTC)2005-01-06 12:12:33 :: sergio -> administrator ::
2006-11-09 18:55:36 :: administrator -> sergio ::
2008-01-07 12:53:54 :: sergio -> administrator ::
2015-04-02 18:39:29 :: administrator -> marciana :: 2004
2015-08-25 15:25:48 :: marciana -> administrator :: 2004
2018-06-05 01:21:21 :: administrator -> marciana :: 2004
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Palavras-ChaveRecurrent neural networks
data assimilation
Lorenz system
cross validation
ResumoArtificial Neural network (ANN) is a new approach for data assimilation process. The performance of two feedforward (multilayer perceptron and radial basis function), and two recurrent (Elman and Jordan) ANNs is analized. The Lorenz system under chaotic regime is used as a test problem. These four NNs were trainned for emulating a Kalman filter using cross validation scheme. Multilayer perceptron and Elman ANNs show better results. The results obtained encouraging the application of the ANNs as an assimilation tecnique. RESUMO: Redes neurais artificiais é uma nova abordagem para assimilação de dados. É analisado o desempenho de duas redes feedforward (perceptron de múltiplas camadas e funçãao de base radial) e duas redes recorrentes (Elman e Jordan). O sistema de Lorenz sob regime caótico é usado como um problema teste. As redes foram treinadas para emular um filtro de Kalman, usando a técnica de realimentação com validação cruzada. O perceptron de múltiplas camadas e a rede de Elman foram as que obtiveram os melhores desempenhos. Os resultados encorajam a aplicação de redes neurais como uma técnica assimilação.
ÁreaCOMP
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Recurrent and feedforward...
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/6qtX3pFwXQZsFDuKxG/EG873
URL dos dados zipadoshttp://urlib.net/zip/6qtX3pFwXQZsFDuKxG/EG873
Arquivo Alvoharter_recurrent.pdf
Grupo de Usuáriosadministrator
marciana
sergio
Grupo de Leitoresadministrator
marciana
Visibilidadeshown
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ESGTTP
Acervo Hospedeirosid.inpe.br/banon/2003/08.15.17.40
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition editor format isbn issn label language lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress 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 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m21b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Repositóriodpi.inpe.br/ismm@80/2007/06.15.21.59
Última Atualização2011:01.13.12.06.43 (UTC) administrator
Repositório de Metadadosdpi.inpe.br/ismm@80/2007/06.15.21.59.40
Última Atualização dos Metadados2018:06.04.03.13.59 (UTC) administrator
ISBN978-85-17-00035-5
Chave de CitaçãoMonteirodaSilvaSuss:2007:SoThAs
TítuloSome theoretical aspects and experimental results on feedforward morphological neural networks
FormatoOn-line.
Ano2007
Data de Acesso19 abr. 2024
Tipo SecundárioCI
Número de Arquivos9
Tamanho1136 KiB
2. Contextualização
Autor1 Monteiro da Silva, Alexandre
2 Sussner, Peter
Afiliação1 Universidade Estadual de Campinas (UNICAMP)
2 Universidade Estadual de Campinas (UNICAMP)
Endereço de e-Mail do Autor1 ra007954@ime.unicamp.br
2 sussner@ime.unicamp.br
EditorBanon, Gerald Jean Francis
Barrera, Junior
Braga-Neto, Ulisses de Mendonça
Hirata, Nina Sumiko Tomita
Endereço de e-Mailsussner@ime.unicamp.br
Nome do EventoInternational Symposium on Mathematical Morphology, 8 (ISMM).
Localização do EventoRio de Janeiro
DataOctober 10-13, 2007
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Volume2
Páginas51-52
Título do LivroProceedings
Tipo TerciárioExtended Abstract
OrganizaçãoUniversidade de São Paulo (USP)
AvançoCamera-ready paper submission
Histórico (UTC)2007-08-27 16:38:02 :: sussner@ime.unicamp.br -> ismm2007 ::
2007-09-12 14:28:36 :: ismm2007 -> administrator ::
2007-10-01 22:02:14 :: administrator -> ismm2007 ::
2007-10-01 22:44:57 :: ismm2007 -> administrator ::
2011-01-11 14:53:19 :: administrator -> banon ::
2011-01-11 15:15:35 :: banon -> administrator :: 2007
2018-06-04 03:13:59 :: administrator -> :: 2007
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-ChaveComplete lattice
elementary operations of mathematical morphology
morphological neural network
classification
ÁreaSRE
TipoAlgorithms and architectures
Arranjo 1urlib.net > BDMCI > Fonds > ISMM 8 > Volume 2 > Some theoretical aspects...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > ISMM 8 > Volume 2 > Some theoretical aspects...
Arranjo 3urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > ISMM'2007 > Volume 2 > Some theoretical aspects...
Arranjo 4urlib.net > BDMCI > Fonds > GJFB4505 > ISMM'2007 > Volume 2 > Some theoretical aspects...
Arranjo 5urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Volume 2 > Some theoretical aspects...
Arranjo 6MM > Volume 2 > Some theoretical aspects...
Arranjo 7Projeto Memória 60... > Livros e livros editados > Volume 2 > Some theoretical aspects...
Conteúdo da Pasta docacessar
Conteúdo da Pasta source
extendedabstract.tex 12/01/2011 23:26 15.7 KiB 
ExtendedAlex.pdf 15/06/2007 18:59 231.6 KiB 
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/dpi.inpe.br/ismm@80/2007/06.15.21.59
URL dos dados zipadoshttp://urlib.net/zip/dpi.inpe.br/ismm@80/2007/06.15.21.59
Idiomaen
Arquivo Alvoextendedabstract.pdf
Grupo de Usuáriossussner@ime.unicamp.br
administrator
Visibilidadeshown
Licença de Direitos Autoraisdpi.inpe.br/ismm/2011/10.03.12.33
5. Fontes relacionadas
Repositório Espelhoiconet.com.br/banon/2007/02.23.11.08
Unidades Imediatamente Superiores83LX3pFwXQZ3qyBY/RCnrN
Acervo Hospedeirodpi.inpe.br/hermes2@80/2006/05.03.12.24
sid.inpe.br/mtc-m21b/2013/09.26.14.25.20
6. Notas
Nota1
Campos Vaziosabstract archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination documentstage doi edition group identifier issn label lineage nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit project readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor tertiarymark url versiontype

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m21d.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34T/48AE23B
Repositóriosid.inpe.br/mtc-m21d/2023/01.02.11.03   (acesso restrito)
Última Atualização2023:01.02.11.03.49 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21d/2023/01.02.11.03.49
Última Atualização dos Metadados2023:01.10.17.38.27 (UTC) administrator
DOI10.1007/s10569-022-10110-7
ISSN0923-2958
Chave de CitaçãoCarrubaAljCarDomMar:2022:OpArNe
TítuloOptimization of artificial neural networks models applied to the identification of images of asteroids’ resonant arguments
Ano2022
MêsDec.
Data de Acesso19 abr. 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho3772 KiB
2. Contextualização
Autor1 Carruba, Valério
2 Aljbaae, Safwan
3 Caritá, Gabriel Antonio
4 Domingos, R. C.
5 Martins, B.
ORCID1 0000-0003-2786-0740
Grupo1
2 DIMEC-CGCE-INPE-MCTI-GOV-BR
3 CMC-ETES-DIPGR-INPE-MCTI-GOV-BR
Afiliação1 Universidade Estadual Paulista (UNESP)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Universidade Estadual Paulista (UNESP)
5 Universidade Estadual Paulista (UNESP)
Endereço de e-Mail do Autor1 valerio.carruba@unesp.br
2 safwan.aljbaae@gmail.com
3 gabrielcarita@gmail.com
RevistaCelestial Mechanics and Dynamical Astronomy
Volume134
Número6
Páginase59
Nota SecundáriaA2_ENGENHARIAS_III B1_INTERDISCIPLINAR B1_ASTRONOMIA_/_FÍSICA B2_MATEMÁTICA_/_PROBABILIDADE_E_ESTATÍSTICA B3_ENSINO B3_CIÊNCIA_DA_COMPUTAÇÃO
Histórico (UTC)2023-01-02 11:03:49 :: simone -> administrator ::
2023-01-02 11:03:50 :: administrator -> simone :: 2022
2023-01-02 11:04:29 :: simone -> administrator :: 2022
2023-01-04 07:39:06 :: administrator -> simone :: 2022
2023-01-04 12:03:09 :: simone -> administrator :: 2022
2023-01-10 17:38:27 :: administrator -> simone :: 2022
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveAsteroids
General
Minor planets
Time domain astronomy
Time series analysis
ResumoThe asteroidal main belt is crossed by a web of mean motion and secular resonances that occur when there is a commensurability between fundamental frequencies of the asteroids and planets. Traditionally, these objects were identified by visual inspection of the time evolution of their resonant argument, which is a combination of orbital elements of the asteroid and the perturbing planet(s). Since the population of asteroids affected by these resonances is, in some cases, of the order of several thousand, this has become a taxing task for a human observer. Recent works used convolutional neural network (CNN) models to perform such task automatically. In this work, we compare the outcome of such models with those of some of the most advanced and publicly available CNN architectures, like the VGG, Inception, and ResNet. The performance of such models is first tested and optimized for overfitting issues, using validation sets and a series of regularization techniques like data augmentation, dropout, and batch normalization. The three best-performing models were then used to predict the labels of larger testing databases containing thousands of images. The VGG model, with and without regularizations, proved to be the most efficient method to predict labels of large datasets. Since the Vera C. Rubin observatory is likely to discover up to four million new asteroids in the next few years, the use of these models might become quite valuable to identify populations of resonant minor bodies.
ÁreaETES
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 02/01/2023 08:03 1.0 KiB 
4. Condições de acesso e uso
Idiomaen
Arquivo Alvos10569-022-10110-7.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Política de Arquivamentodenypublisher denyfinaldraft12
Permissão de Leituradeny from all and allow from 150.163
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2021/06.04.03.40.25
Unidades Imediatamente Superiores8JMKD3MGPCW/3F2UALS
8JMKD3MGPCW/46KTFK8
Lista de Itens Citandosid.inpe.br/bibdigital/2022/04.03.17.52 3
sid.inpe.br/bibdigital/2013/10.14.00.13 1
DivulgaçãoWEBSCI; PORTALCAPES.
Acervo Hospedeirourlib.net/www/2021/06.04.03.40
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark nextedition notes parameterlist parentrepositories previousedition previouslowerunit progress project resumeid rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype url
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m16.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador6qtX3pFwXQZ3r59YDa/JsEno
Repositóriosid.inpe.br/iris@1916/2005/12.14.14.51
Última Atualização2006:09.08.12.52.39 (UTC) administrator
Repositório de Metadadossid.inpe.br/iris@1916/2005/12.14.14.51.03
Última Atualização dos Metadados2018:06.05.01.16.27 (UTC) administrator
Chave SecundáriaINPE-14155-PRE/9288
ISSN0102-7786
Chave de CitaçãoHarterCamp:2005:ReFeNe
TítuloRecurrent and feedforward neural networks trained with cross validation scheme applied to the data assimilation in chaotic dynamics
Ano2005
Data Secundária20060908
MêsDec.
Data de Acesso19 abr. 2024
Tipo SecundárioPRE PN
Número de Arquivos1
Tamanho913 KiB
2. Contextualização
Autor1 Harter, Fabrício Pereira
2 Campos Velho, Haroldo Fraga de
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHC3
Grupo1 LAC-INPE-MCT-BR
2 LAC-INPE-MCT-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mailatus@cptec.inpe.br
RevistaRevista Brasileira de Meteorologia
Volume20
Número3
Páginas411-420
Histórico (UTC)2006-09-20 13:36:02 :: simone -> administrator ::
2008-06-10 22:40:53 :: administrator -> banon ::
2010-05-14 14:20:50 :: banon -> administrator ::
2018-06-05 01:16:27 :: administrator -> marciana :: 2005
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Palavras-Chavecross validation
data assimilation
Lorenz system
recurrent neural networks
ResumoArtificial Neural network (ANN) is a new approach for data assimilation process. The performance of two feedforward (multilayer perceptron and radial basis function), and two recurrent (Elman and Jordan) ANNs are analyzed. The Lorenzs system under chaotic regime is used as a test problem. These four ANNs were trained for emulating a Kalman filter using cross validation scheme. Multilayer Perceptron and Elman ANNs show better results among ANNs tested. The results obtained encouraging the application of the ANNs as na assimilation technique. Rede Neural Artificial é uma nova abordagem para assimilação de dados. Neste artigo é analisado o desempenho de duas redes feedforward (perceptron de múltiplas camadas e função de base radial) e duas redes recorrentes (Elman e Jordan). O sistema de Lorenz sob regime caótico é usado como um problema teste. As redes foram treinadas para emular um filtro de Kalman, usando a técnica de validação cruzada. O perceptron de múltiplas camadas e a rede de Elman apresentaram melhor desempenho entre as redes testadas. Os resultados encorajam a investigação de redes neurais como uma técnica para assimilação de dados em previsão de tempo operacional..
ÁreaMET
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Recurrent and feedforward...
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/6qtX3pFwXQZ3r59YDa/JsEno
URL dos dados zipadoshttp://urlib.net/zip/6qtX3pFwXQZ3r59YDa/JsEno
Idiomaen
Arquivo AlvoHarter.Recurrent.pdf
Grupo de Usuáriosadministrator
banon
simone
Visibilidadeshown
Detentor da CópiaSID/SCD
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Leituraallow from all
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ESGTTP
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.49.40 3
DivulgaçãoPORTALCAPES; SCIELO.
Acervo Hospedeirosid.inpe.br/banon/2003/08.15.17.40
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyright creatorhistory descriptionlevel documentstage doi electronicmailaddress format isbn label lineage mark mirrorrepository nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup rightsholder schedulinginformation secondarymark session shorttitle sponsor subject tertiarymark tertiarytype typeofwork url versiontype
7. Controle da descrição
e-Mail (login)marciana
atualizar