
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Pereira, Danillo R. | - |
| Autor(es): dc.creator | Papa, Joao P. | - |
| Autor(es): dc.creator | Souza, Andre N. | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T22:29:41Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T22:29:41Z | - |
| Data de envio: dc.date.issued | 2022-04-30 | - |
| Data de envio: dc.date.issued | 2022-04-30 | - |
| Data de envio: dc.date.issued | 2017-06-30 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/IJCNN.2017.7966195 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/232659 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/232659 | - |
| Descrição: dc.description | Regression-based tasks have been the forerunner regarding the application of machine learning tools in the context of data mining. Problems related to price and stock prediction, selling estimation, and weather forecasting are commonly used as benchmarking for the comparison of regression techniques, just to name a few. Neural Networks, Decision Trees and Support Vector Machines are the most widely used approaches concerning regression-oriented applications, since they can generalize well in a number of different applications. In this work, we propose an efficient and effective regression technique based on the Finite Element Method (FEM) theory, hereinafter called Finite Element Machine for Regression (FEMaR). The proposed approach has only one parameter and it has a quadratic complexity for both training and classification phases when we use basis functions that obey some properties, as well as we show the proposed approach can obtain very competitive results when compared against some state-of-the-art regression techniques. | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | Department of Computing São Paulo State University | - |
| Descrição: dc.description | Department of Electrical Engineering São Paulo State University | - |
| Descrição: dc.description | Department of Computing São Paulo State University | - |
| Descrição: dc.description | Department of Electrical Engineering São Paulo State University | - |
| Descrição: dc.description | FAPESP: 2013/07375- 0 | - |
| Descrição: dc.description | FAPESP: 2014/12236-1 | - |
| Descrição: dc.description | FAPESP: 2014/16250-9 | - |
| Descrição: dc.description | CNPq: 306166/2014-3 | - |
| Formato: dc.format | 2751-2757 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Proceedings of the International Joint Conference on Neural Networks | - |
| ???dc.source???: dc.source | Scopus | - |
| Título: dc.title | FEMaR: A finite element machine for regression problems | - |
| Tipo de arquivo: dc.type | aula digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: