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-2019-111235
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!Este trabalho trata do problema de identificação de equipamentos monitorados a partir de um ponto comum de acoplamento, sendo tais equipamentos tecnicamente idênticos sob o ponto de vista elétrico, definidos aqui como equipamentos altamente similares. O problema é tratado de forma experimental, onde são usados quatro computadores altamente similares, sendo que nenhum ou até todos podem estar em funcionamento simultâneo. Cada configuração possível de computadores em funcionamento é aqui definida como carga. Amostras da potência elétrica demandada por cada carga são adquiridas. Um processo de extração automática de características das cargas é realizado utilizando-se redes neurais convolucionais (CNN). Tais características formam a chamada assinatura de carga, que é a informação necessária e fundamental para o treinamento do sistema de identificação, o qual se mostrou bastante eficiente ao se alcançar uma taxa de 98,96\% de precisão, apresentando, um desempenho muito superior a sistemas treinados a partir de assinaturas manualmente obtidas.
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