Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Handling outliers and concept drift in online mass flow prediction in CFB boilers

Autor: Bakker, J., Pechenizkiy, M., Zliobaite, I., Ivannikov, A., Kärkkäinen, T., Omitaomu, O.A., Ganguly, A.R., Gama, J., Vatsavai, R.R., Chawla, N.V., Gaber, M.M.

Publikováno v: KDD Workshop on Knowledge Discovery from Sensor Data
Proceedings of the Third International Workshop on Knowledge Discovery from Sensor Data (KDD 2009, Paris, France, June 28, 2009), 13-22
STARTPAGE=13;ENDPAGE=22;TITLE=Proceedings of the Third International Workshop on Knowledge Discovery from Sensor Data (KDD 2009, Paris, France, June 28, 2009)

In this paper we consider an application of data mining technology to the analysis of time series data from a pilot circulating fluidized bed (CFB) reactor. We focus on the problem of the online mass prediction in CFB boilers. We present a framework

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=doi_dedup___::f70617db1d728dca8abbc33063f13e40
https://doi.org/10.1145/1601966.1601972