Andere Kunden interessierten sich auch für
![Identificação de falhas em painéis solares fotovoltaicos usando aprendizado de máquina]( "Identificação de falhas em painéis solares fotovoltaicos usando aprendizado de máquina")
Identificação de falhas em painéis solares fotovoltaicos usando aprendizado de máquina29,99 €![Uma Introdução ao Sistema de Identificação de Adulteração de Alimentos baseado em VLSI]( "Uma Introdução ao Sistema de Identificação de Adulteração de Alimentos baseado em VLSI")
Uma Introdução ao Sistema de Identificação de Adulteração de Alimentos baseado em VLSI26,99 €![Identificação Conjunta de Erros de Topologia e Erros em Medidas]( "Identificação Conjunta de Erros de Topologia e Erros em Medidas")
Identificação Conjunta de Erros de Topologia e Erros em Medidas36,99 €![Sistema de gestão de bibliotecas baseado na identificação por radiofrequência]( "Sistema de gestão de bibliotecas baseado na identificação por radiofrequência")
Sistema de gestão de bibliotecas baseado na identificação por radiofrequência32,99 €![Concepção e Desenvolvimento de Controlador Fuzzy para Accionamento de Motor de Indução]( "Concepção e Desenvolvimento de Controlador Fuzzy para Accionamento de Motor de Indução")
Concepção e Desenvolvimento de Controlador Fuzzy para Accionamento de Motor de Indução44,99 €![O coração da tecnologia: Fundamentos e Aplicações de Semicondutores]( "O coração da tecnologia: Fundamentos e Aplicações de Semicondutores")
O coração da tecnologia: Fundamentos e Aplicações de Semicondutores29,99 €![Fundamentos de aprendizado de máquina para análise preditiva de dados]( "Fundamentos de aprendizado de máquina para análise preditiva de dados")
Fundamentos de aprendizado de máquina para análise preditiva de dados55,99 €
A detecção de furtos e fraudes nos sistemas de energia provocados por consumidores irregulares é o principal alvo em análises de perdas não-técnicas ou comerciais pelas empresas de energia na busca de minimizar os custos. Embora a identificação automática de perdas comerciais tenha sido amplamente estudada, a tarefa de selecionar as características mais representativas em um grande conjunto de dados a fim de aumentar a precisão da identificação, bem como para caracterizar possíveis consumidores irregulares como um problema de otimização, não tem sido muito explorada neste contexto. Neste trabalho, visa-se o desenvolvimento de algoritmos híbridos baseados em técnicas evolutivas a fim de realizar a seleção de características no âmbito da caracterização de perdas comerciais, comparando os seus desempenhos e verificando as características selecionadas. Vários classificadores são comparados, com destaque para a técnica Floresta de Caminhos Ótimos por sua robustez, sendo ela a técnica escolhida para o cálculo da função objetivo das técnicas evolutivas. Desta maneira, uma ferramenta computacional foi desenvolvida para o aprendizado inteligente de perdas comerciais em sistemas de energia.