English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Assimilacao de Dados e um metodo que combina dados de um modelo matematico e dados de observacoes, permitindo uma melhoria na previsao do modelo. Metodos sequenciais otimos sao baseados em teoria de estimativa formal que minimiza os erros dos dados de acordo com a dinâmica do modelo. Metodos de assimilacao de dados utilizando Redes Neurais Artificiais (RNA) vem sendo propostos muito recentemente apresentando resultados consistentes: computacionalmente eficientes e eficazes quanto aplicacao. Este trabalho apresenta uma abordagem do metodo de assimilacao por RNA, onde aplica-se uma RNA para substituir o calculo da inversao de matrizes de erros constante do algoritmo de assimilacao baseado em filtro de Kalman. Para exemplo da aplicacao desta abordagem, utilizou-se o Sistema de Lorenz e o Filtro de Kalman Estendido para obter parâmetros usados no treinamento da RNA e na comparacao dos resultados.

Redes Neurais Artificiais na Melhoria de Desempenho de Métodos de Assimilação de Dados: Filtro de Kalman