Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.17648/sbai-2019-111372
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!A estimação da curva de potência em aerogeradores são importantes na predição da potência elétrica gerada e assim, afetando o investimento em parques eólicos. Todavia, os dados podem conter outliers, que podem atingir a modelagem. Utiliza-se da Regressão Polinomial, para esse objetivo, e recentemente, a Rede Perceptrom de Múltiplas Camadas (MLP). A Máquina de Aprendizagem Extrema (ELM, Extreme Learning Machine) atualmente, vem demonstrando ser uma solução plausível para modelagem global. Além das técnicas mencionadas, são apresentadas também as Redes Neurais Artificiais (RNA’s): Rede Mapa Auto Organizável com K vencedores (KSOM) e Mapeamento Linear Local (LLM), baseados na modelagem local. Estes modelos serão implementados por meio das técnicas dos Mínimos Quadrados Ordinários (OLS) e Estimador M, para obtenção dos parâmetros a serem utilizados na estimação, verificando o efeito dos outliers. Nos resultados foram atestados por análises qualitativas e quantitativas que os modelos propostos são soluções alternativas.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo