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

RESUMO – utilizamos novos métodos de Machine Learning (ML) (redes neuronais recorrentes, simples e gated e redes de convolução 2D) e comparamos sua eficiência com métodos lineares tradicionais (análise de componentes principais e do discriminante de Fischer dinâmico) para investigação de eficiência na detecção e diagnóstico de falhas em um benchmark de planta completa. Um grande volume de dados foi empregado para simular um contexto “big data” industrial. Os resultados para as técnicas de ML foram superiores aos das lineares, com uma melhora de até 8 % em acurácia, porém o treinamento foi complexo e computacionalmente custoso.

APLICAÇÃO DE MACHINE LEARNING A DETECÇÃO E DIAGNÓSTICO DE FALHAS EM PROCESSO QUÍMICO