1. Repositório Institucional de Geociências
  2. PRODUÇÃO CIENTÍFICA
  3. Trabalhos Apresentados em Eventos
Use este identificador para citar ou linkar para este item: https://rigeo.sgb.gov.br/handle/doc/24554
Registro completo
Campo DCValorIdioma
dc.contributor.authorFERREIRA, Guilherme-
dc.contributor.authorTAKEHARA, Lucy-
dc.contributor.authorFERREIRA, Marcos Vinícius-
dc.contributor.authorSANTANA, Ígor Vasconcelos-
dc.contributor.authorBOTELHO, Nilson Francisquini-
dc.date.accessioned2023-12-13T16:37:40Z-
dc.date.available2023-12-13T16:37:40Z-
dc.date.issued2023-
dc.identifier.citationFERREIRA, 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.pt_BR
dc.identifier.urihttps://rigeo.sgb.gov.br/handle/doc/24554-
dc.language.isopt_BRpt_BR
dc.publisherSBGpt_BR
dc.rightsopenpt_BR
dc.subject.otherSISTEMA HIDROTERMALpt_BR
dc.subject.otherPROVÍNCIA ESTANÍFERA DE GOIÁSpt_BR
dc.titleMachine learning aplicado a identificação de favorabilidade dos sistemas hidrotermal (Sn-Ta-Nb±Ree±U) e supergênico (REE) na província estanífera de Goiáspt_BR
dc.typeWorking Paperpt_BR
dc.localGramado, RSpt_BR
dc.creator.affilliationUFMGpt_BR
dc.creator.affilliationUNBpt_BR
dc.subject.enMACHINE LEARNINGpt_BR
Aparece nas coleções:Trabalhos Apresentados em Eventos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
machine_learning_sistemas_hidrotermais.pdfResumo265,86 kBAdobe PDFVisualizar/Abrir
Registro simples do item Estatísticas


O uso do material disponibilizado neste repositório deve ser feito de acordo e dentro dos limites autorizados pelos Termos de Uso.