Estudo do IFCE que avalia e valida o uso de algoritmos de aprendizado de máquina, especificamente modelos de ensemble como Random Forest e XGBoost, para prever variáveis climáticas no semiárido cearense (Sobral), demonstrando superioridade ao incorporar memóri…
O estudo do IFCE realizou uma comparação robusta entre algoritmos de IA e métodos estatísticos para o diagnóstico de cistite aguda. O destaque é a superioridade do modelo estatístico Linear Discriminant Analysis (LDA), que alcançou 99,17% de acurácia, superand…
Esta pesquisa compara abordagens de modelagem estatística para estimativa de altura comercial de árvores em florestas amazônicas, com regressão de efeitos mistos superando a Random Forest. Os resultados fornecem ferramentas valiosas para planejamento de manejo…