Aprimorando o design de catalisadores com técnicas de Machine Learning: um estudo de caso para a Reação Water-Gas Shift

Detalhes bibliográficos
Autor(a) principal: Alves, Rita Maria de Brito
Data de Publicação: 2019
Tipo de documento: Artigo de conferência
Idioma: por
Título da fonte: Repositório Institucional da USP (Biblioteca Digital da Produção Intelectual)
Texto Completo: http://sisconev.com.br/uploads/CBCat2019/20190428172254000001684.pdf
id USP-2_f51d3b3a8a76310c4dab970483597221
oai_identifier_str 003034707
network_acronym_str USP-2
network_name_str Repositório Institucional da USP (Biblioteca Digital da Produção Intelectual)
repository_id_str 2721
spelling Aprimorando o design de catalisadores com técnicas de Machine Learning: um estudo de caso para a Reação Water-Gas ShiftREDES NEURAIS2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjecthttp://sisconev.com.br/uploads/CBCat2019/20190428172254000001684.pdfAlves, Rita Maria de Britoporreponame:Repositório Institucional da USP (Biblioteca Digital da Produção Intelectual)instname:Universidade de São Paulo (USP)instacron:USPinfo:eu-repo/semantics/openAccess2024-06-17T14:32:00Z003034707Repositório InstitucionalPUBhttp://www.producao.usp.br/oai/requestopendoar:27212024-06-17T14:32Repositório Institucional da USP (Biblioteca Digital da Produção Intelectual) - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Aprimorando o design de catalisadores com técnicas de Machine Learning: um estudo de caso para a Reação Water-Gas Shift
title Aprimorando o design de catalisadores com técnicas de Machine Learning: um estudo de caso para a Reação Water-Gas Shift
spellingShingle Aprimorando o design de catalisadores com técnicas de Machine Learning: um estudo de caso para a Reação Water-Gas Shift
Alves, Rita Maria de Brito
REDES NEURAIS
title_short Aprimorando o design de catalisadores com técnicas de Machine Learning: um estudo de caso para a Reação Water-Gas Shift
title_full Aprimorando o design de catalisadores com técnicas de Machine Learning: um estudo de caso para a Reação Water-Gas Shift
title_fullStr Aprimorando o design de catalisadores com técnicas de Machine Learning: um estudo de caso para a Reação Water-Gas Shift
title_full_unstemmed Aprimorando o design de catalisadores com técnicas de Machine Learning: um estudo de caso para a Reação Water-Gas Shift
title_sort Aprimorando o design de catalisadores com técnicas de Machine Learning: um estudo de caso para a Reação Water-Gas Shift
author Alves, Rita Maria de Brito
author_facet Alves, Rita Maria de Brito
author_role author
dc.contributor.author.fl_str_mv Alves, Rita Maria de Brito
dc.subject.por.fl_str_mv REDES NEURAIS
topic REDES NEURAIS
publishDate 2019
dc.date.none.fl_str_mv 2019
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/conferenceObject
format conferenceObject
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://sisconev.com.br/uploads/CBCat2019/20190428172254000001684.pdf
url http://sisconev.com.br/uploads/CBCat2019/20190428172254000001684.pdf
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.source.none.fl_str_mv reponame:Repositório Institucional da USP (Biblioteca Digital da Produção Intelectual)
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Repositório Institucional da USP (Biblioteca Digital da Produção Intelectual)
collection Repositório Institucional da USP (Biblioteca Digital da Produção Intelectual)
repository.name.fl_str_mv Repositório Institucional da USP (Biblioteca Digital da Produção Intelectual) - Universidade de São Paulo (USP)
repository.mail.fl_str_mv
_version_ 1809091374689026048

Registros relacionados