Machine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiás

Detalhes bibliográficos
Autor(a) principal: FERREIRA, Guilherme
Data de Publicação: 2023
Outros Autores: TAKEHARA, Lucy, FERREIRA, Marcos Vinícius, SANTANA, Ígor Vasconcelos, BOTELHO, Nilson Francisquini
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional de Geociências - RIGEO
Texto Completo: https://rigeo.sgb.gov.br/handle/doc/24554
Resumo: UFMG
id CPRM_370cca5b412d3aaca81acbbdf5a8310a
oai_identifier_str oai:rigeo.sgb.gov.br:doc/24554
network_acronym_str CPRM
network_name_str Repositório Institucional de Geociências - RIGEO
repository_id_str
spelling FERREIRA, GuilhermeTAKEHARA, LucyFERREIRA, Marcos ViníciusSANTANA, Ígor VasconcelosBOTELHO, Nilson Francisquini2023-12-13T16:37:40Z2023-12-13T16:37:40Z2023FERREIRA, Guilherme; TAKEHARA, Lucy; FERREIRA, Marcos Vinícius; SANTANA, Ígor Vasconcelos; BOTELHO, Nilson Francisquini. Machine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiás. In: SIMPÓSIO BRASILEIRO DE METALOGENIA, 5., 2023, Gramado, RS. Anais[...]. Gramado, RS: SBG, 2023. p. 106. Tema: Academia& Indústria Mineral: parceria para o desenvolvimento da sociedade.https://rigeo.sgb.gov.br/handle/doc/24554SBGSISTEMA HIDROTERMALPROVÍNCIA ESTANÍFERA DE GOIÁSMACHINE LEARNINGMachine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiásinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleGramado, RSUFMGUNBinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional de Geociências - RIGEOinstname:Companhia de Pesquisa de Recursos Minerais (CPRM)instacron:CPRMORIGINALmachine_learning_sistemas_hidrotermais.pdfmachine_learning_sistemas_hidrotermais.pdfResumoapplication/pdf272236http://rigeo.sgb.gov.br/jspui/bitstream/doc/24554/1/machine_learning_sistemas_hidrotermais.pdfebfcdfb97d6038d40e81b47554513159MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://rigeo.sgb.gov.br/jspui/bitstream/doc/24554/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52doc/245542023-12-13 13:37:44.348oai:rigeo.sgb.gov.br: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Repositório InstitucionalONGhttps://rigeo.sgb.gov.br/oai/request https://rigeo.cprm.gov.br/oai/requestrigeo@sgb.gov.bropendoar:2023-12-13T16:37:44Repositório Institucional de Geociências - RIGEO - Companhia de Pesquisa de Recursos Minerais (CPRM)false
dc.title.pt_BR.fl_str_mv Machine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiás
title Machine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiás
spellingShingle Machine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiás
FERREIRA, Guilherme
SISTEMA HIDROTERMAL
PROVÍNCIA ESTANÍFERA DE GOIÁS
MACHINE LEARNING
title_short Machine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiás
title_full Machine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiás
title_fullStr Machine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiás
title_full_unstemmed Machine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiás
title_sort Machine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiás
author FERREIRA, Guilherme
author_facet FERREIRA, Guilherme
TAKEHARA, Lucy
FERREIRA, Marcos Vinícius
SANTANA, Ígor Vasconcelos
BOTELHO, Nilson Francisquini
author_role author
author2 TAKEHARA, Lucy
FERREIRA, Marcos Vinícius
SANTANA, Ígor Vasconcelos
BOTELHO, Nilson Francisquini
author2_role author
author
author
author
dc.contributor.author.fl_str_mv FERREIRA, Guilherme
TAKEHARA, Lucy
FERREIRA, Marcos Vinícius
SANTANA, Ígor Vasconcelos
BOTELHO, Nilson Francisquini
dc.subject.other.pt_BR.fl_str_mv SISTEMA HIDROTERMAL
PROVÍNCIA ESTANÍFERA DE GOIÁS
topic SISTEMA HIDROTERMAL
PROVÍNCIA ESTANÍFERA DE GOIÁS
MACHINE LEARNING
dc.subject.en.pt_BR.fl_str_mv MACHINE LEARNING
description UFMG
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-12-13T16:37:40Z
dc.date.available.fl_str_mv 2023-12-13T16:37:40Z
dc.date.issued.fl_str_mv 2023
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.citation.fl_str_mv FERREIRA, Guilherme; TAKEHARA, Lucy; FERREIRA, Marcos Vinícius; SANTANA, Ígor Vasconcelos; BOTELHO, Nilson Francisquini. Machine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiás. In: SIMPÓSIO BRASILEIRO DE METALOGENIA, 5., 2023, Gramado, RS. Anais[...]. Gramado, RS: SBG, 2023. p. 106. Tema: Academia& Indústria Mineral: parceria para o desenvolvimento da sociedade.
dc.identifier.uri.fl_str_mv https://rigeo.sgb.gov.br/handle/doc/24554
identifier_str_mv FERREIRA, Guilherme; TAKEHARA, Lucy; FERREIRA, Marcos Vinícius; SANTANA, Ígor Vasconcelos; BOTELHO, Nilson Francisquini. Machine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiás. In: SIMPÓSIO BRASILEIRO DE METALOGENIA, 5., 2023, Gramado, RS. Anais[...]. Gramado, RS: SBG, 2023. p. 106. Tema: Academia& Indústria Mineral: parceria para o desenvolvimento da sociedade.
url https://rigeo.sgb.gov.br/handle/doc/24554
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv SBG
publisher.none.fl_str_mv SBG
dc.source.none.fl_str_mv reponame:Repositório Institucional de Geociências - RIGEO
instname:Companhia de Pesquisa de Recursos Minerais (CPRM)
instacron:CPRM
instname_str Companhia de Pesquisa de Recursos Minerais (CPRM)
instacron_str CPRM
institution CPRM
reponame_str Repositório Institucional de Geociências - RIGEO
collection Repositório Institucional de Geociências - RIGEO
bitstream.url.fl_str_mv http://rigeo.sgb.gov.br/jspui/bitstream/doc/24554/1/machine_learning_sistemas_hidrotermais.pdf
http://rigeo.sgb.gov.br/jspui/bitstream/doc/24554/2/license.txt
bitstream.checksum.fl_str_mv ebfcdfb97d6038d40e81b47554513159
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional de Geociências - RIGEO - Companhia de Pesquisa de Recursos Minerais (CPRM)
repository.mail.fl_str_mv rigeo@sgb.gov.br
_version_ 1810104901068390400

Registros relacionados