Aller au contenu principal
2025 conference-paper

Symmetrical Current Flow Reconstruction for Sector-Shaped Multi-wire Cables Using Machine Learning

0Citations signalées, ce qui n’est pas une note de qualité
6Institutions déclarées
3Pays d’affiliation déclarés

Rattachement africain : es, ro, de. Niveau de preuve : code pays fourni par la source.

Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Symmetrical Current Flow Reconstruction for Sector-Shaped Multi-wire Cables Using Machine Learning
Date Crossref
01/10/2025
Éditeur
Springer Nature Switzerland
Type
book-chapter

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.

Où se fait cette recherche

  • Universidad de Granada pays non établi dans la notice
    Université ou école supérieure
  • West University of Timişoara Department of Computer Science pays non établi dans la notice
    Université ou école supérieure
  • University of Craiova Department of Computer Science pays non établi dans la notice
    Université ou école supérieure
  • Barcelona Supercomputing Center pays non établi dans la notice
    Structure de recherche
  • Universitat Politècnica de Catalunya pays non établi dans la notice
    Université ou école supérieure
  • FH Münster Department of Electrical Engineering and Computer Science pays non établi dans la notice
    Université ou école supérieure
  • Department of Computer Engineering pays non établi dans la notice
    Institution
  • Department of Computer Science pays non établi dans la notice
    Institution

Universidad de Granada, Department of Computer Science — West University of Timişoara et Department of Computer Science — University of Craiova, avec 5 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Electrical Fault Detection and ProtectionMagnetic Field Sensors TechniquesPower Systems Fault Detection

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.