Comparative Analysis of Partial Discharge Pattern Recognition Using Deep Learning and Machine Learning
Rattachement africain : kr. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Partial Discharge (PD) defect type analysis is important for evaluating insulation performance. A machine learning feature extraction algorithm is presented for AC PD pattern data collected in the laboratory, along with deep learning algorithms for PD pattern images and PD time series data. In addition, data is collected under conditions different from those used for artificial intelligence (AI) training, and algorithm performance is evaluated and compared.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Comparative Analysis of Partial Discharge Pattern Recognition Using Deep Learning and Machine Learning
- Date Crossref
- 20/10/2024
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.