Exatas

Featured Dataverses

In order to use this feature you must have at least one published dataverse.

Publish Dataverse

Are you sure you want to publish your dataverse? Once you do so it must remain published.

Publish Dataverse

This dataverse cannot be published because the dataverse it is in has not been published.

Delete Dataverse

Are you sure you want to delete your dataverse? You cannot undelete this dataverse.

431 to 440 of 3,209 Results

Marmousi.zip Feb 13, 2026 - Dados sintéticos e resultados para validação de fluxo integrado: simulação de seções de afastamento nulo, máscaras de tempos de trânsito e análise automática de velocidade no painel Semblance ZIP Archive - 19.7 MB - MD5: ce2b0050545855e71c4cebf2a11eb4f6 DataDocumentation Marmousi-II model
README Feb 13, 2026 - Dados sintéticos e resultados para validação de fluxo integrado: simulação de seções de afastamento nulo, máscaras de tempos de trânsito e análise automática de velocidade no painel Semblance Plain Text - 1.3 KB - MD5: f0312e7087033a1e7451098a54a0bfd5 Documentation
UNET_train_data.zip Feb 13, 2026 - Dados sintéticos e resultados para validação de fluxo integrado: simulação de seções de afastamento nulo, máscaras de tempos de trânsito e análise automática de velocidade no painel Semblance ZIP Archive - 227.4 MB - MD5: 71982244052e6701b6fa9f11ba8815c3 DataDocumentation U-NET training datasets
Estimação do modelo cDCC em alta dimensão via método de verossimilhança composta Feb 12, 2026 Alfaro Rivera, Emerson; Hotta, Luiz Koodi, 2026, "Estimação do modelo cDCC em alta dimensão via método de verossimilhança composta", https://doi.org/10.25824/redu/IKIQ3G, Repositório de Dados de Pesquisa da Unicamp, V1 Apresenta-se um programa em Python para a estimação dos parâmetros do modelo cDCC(1,1) em alta dimenção utilizando métodos de verossimilhança composta, em particular o estimador MSCLE e o método MacGyver. As funções de verossimilhança e o filtro de correlação condicional foram im...
Code_cDCC.txt Feb 12, 2026 - Estimação do modelo cDCC em alta dimensão via método de verossimilhança composta Plain Text - 45.9 KB - MD5: 5cd1b0dd9aa18d7608377462fc988d37
Practical guide and best practices for diffusion NMR processing with GNAT Feb 12, 2026 Cabral, Tadeu Luiz Gomes; Dal Poggetto, Guilherme Fonseca; Tormena, Claudio Francisco; Nilsson, Mathias, 2026, "Practical guide and best practices for diffusion NMR processing with GNAT", https://doi.org/10.25824/redu/LTE2ZC, Repositório de Dados de Pesquisa da Unicamp, V1 This repository contains all the necessary files to reproduce the data presented in the paper: "Practical Guide and Best Practices for Diffusion NMR Processing with GNAT." Here, the data is organized into compressed files (.zip format), which include: the experimental FID and rel...
23.zip Feb 12, 2026 - Practical guide and best practices for diffusion NMR processing with GNAT ZIP Archive - 1.6 MB - MD5: f5cfede512f9e4a3f22218adb8e61fe4
Replication data for: dados experimentais de desgaste roda-trilho: perda de massa, dureza, COT, análise de camada deformada e FCR sob escorregamentos de 1%, 3% e 5% até 100.000 ciclos Feb 12, 2026 Carvalho, José Guilherme Andrade; Mei, Paulo Roberto, 2026, "Replication data for: dados experimentais de desgaste roda-trilho: perda de massa, dureza, COT, análise de camada deformada e FCR sob escorregamentos de 1%, 3% e 5% até 100.000 ciclos", https://doi.org/10.25824/redu/SGDPHR, Repositório de Dados de Pesquisa da Unicamp, V1 Este conjunto de dados apresenta resultados experimentais de ensaios de contato rolante com escorregamento em pares roda-trilho ferroviários, simulados em laboratório sob condições de escorregamentos controlados de 1%, 3% e 5%, totalizando até 100.000 ciclos. Os dados incluem: -...
Dados pesquisa - massa-cot-dureza-fcr-rugosidade.xlsx Feb 12, 2026 - Replication data for: dados experimentais de desgaste roda-trilho: perda de massa, dureza, COT, análise de camada deformada e FCR sob escorregamentos de 1%, 3% e 5% até 100.000 ciclos MS Excel Spreadsheet - 1.8 MB - MD5: db0dfcfadb81f463544f4c6ee4a984f9
Dados relativos à pesquisa intitulada "Predição de produtividade da soja a partir de dados de clima e índices de vegetação via aprendizado de máquina" Feb 11, 2026 Azevedo, Larissa Rangel de; Boccato, Levy, 2026, "Dados relativos à pesquisa intitulada "Predição de produtividade da soja a partir de dados de clima e índices de vegetação via aprendizado de máquina"", https://doi.org/10.25824/redu/RJLYLJ, Repositório de Dados de Pesquisa da Unicamp, V1 Base de dados pré-processados composta por 20 anos (2001–2020) de informações municipais sobre a produtividade da soja, índices vegetativos e variáveis climáticas. Os dados de produtividade foram obtidos do sistema SIDRA/IBGE para municípios produtores de sete estados brasileiros...

Marmousi.zip

Feb 13, 2026 - Dados sintéticos e resultados para validação de fluxo integrado: simulação de seções de afastamento nulo, máscaras de tempos de trânsito e análise automática de velocidade no painel Semblance

ZIP Archive - 19.7 MB -

DataDocumentation

Marmousi-II model

README

Plain Text - 1.3 KB -

Documentation

UNET_train_data.zip

ZIP Archive - 227.4 MB -

DataDocumentation

U-NET training datasets

Estimação do modelo cDCC em alta dimensão via método de verossimilhança composta

Feb 12, 2026

Alfaro Rivera, Emerson; Hotta, Luiz Koodi, 2026, "Estimação do modelo cDCC em alta dimensão via método de verossimilhança composta", https://doi.org/10.25824/redu/IKIQ3G, Repositório de Dados de Pesquisa da Unicamp, V1

Apresenta-se um programa em Python para a estimação dos parâmetros do modelo cDCC(1,1) em alta dimenção utilizando métodos de verossimilhança composta, em particular o estimador MSCLE e o método MacGyver. As funções de verossimilhança e o filtro de correlação condicional foram im...

Code_cDCC.txt

Feb 12, 2026 - Estimação do modelo cDCC em alta dimensão via método de verossimilhança composta

Plain Text - 45.9 KB -

Practical guide and best practices for diffusion NMR processing with GNAT

Feb 12, 2026

Cabral, Tadeu Luiz Gomes; Dal Poggetto, Guilherme Fonseca; Tormena, Claudio Francisco; Nilsson, Mathias, 2026, "Practical guide and best practices for diffusion NMR processing with GNAT", https://doi.org/10.25824/redu/LTE2ZC, Repositório de Dados de Pesquisa da Unicamp, V1

This repository contains all the necessary files to reproduce the data presented in the paper: "Practical Guide and Best Practices for Diffusion NMR Processing with GNAT." Here, the data is organized into compressed files (.zip format), which include: the experimental FID and rel...

23.zip

Feb 12, 2026 - Practical guide and best practices for diffusion NMR processing with GNAT

ZIP Archive - 1.6 MB -

Replication data for: dados experimentais de desgaste roda-trilho: perda de massa, dureza, COT, análise de camada deformada e FCR sob escorregamentos de 1%, 3% e 5% até 100.000 ciclos

Feb 12, 2026

Carvalho, José Guilherme Andrade; Mei, Paulo Roberto, 2026, "Replication data for: dados experimentais de desgaste roda-trilho: perda de massa, dureza, COT, análise de camada deformada e FCR sob escorregamentos de 1%, 3% e 5% até 100.000 ciclos", https://doi.org/10.25824/redu/SGDPHR, Repositório de Dados de Pesquisa da Unicamp, V1

Este conjunto de dados apresenta resultados experimentais de ensaios de contato rolante com escorregamento em pares roda-trilho ferroviários, simulados em laboratório sob condições de escorregamentos controlados de 1%, 3% e 5%, totalizando até 100.000 ciclos. Os dados incluem: -...

Dados pesquisa - massa-cot-dureza-fcr-rugosidade.xlsx

Feb 12, 2026 - Replication data for: dados experimentais de desgaste roda-trilho: perda de massa, dureza, COT, análise de camada deformada e FCR sob escorregamentos de 1%, 3% e 5% até 100.000 ciclos

MS Excel Spreadsheet - 1.8 MB -

Dados relativos à pesquisa intitulada "Predição de produtividade da soja a partir de dados de clima e índices de vegetação via aprendizado de máquina"

Feb 11, 2026

Azevedo, Larissa Rangel de; Boccato, Levy, 2026, "Dados relativos à pesquisa intitulada "Predição de produtividade da soja a partir de dados de clima e índices de vegetação via aprendizado de máquina"", https://doi.org/10.25824/redu/RJLYLJ, Repositório de Dados de Pesquisa da Unicamp, V1

Base de dados pré-processados composta por 20 anos (2001–2020) de informações municipais sobre a produtividade da soja, índices vegetativos e variáveis climáticas. Os dados de produtividade foram obtidos do sistema SIDRA/IBGE para municípios produtores de sete estados brasileiros...

Add Data

Share Dataverse

Link Dataverse

Reset Modifications