Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/10923/20617
Registro completo de metadatos
Campo DCValorIdioma
dc.contributor.authorDE SOUZA, PAULO SILAS SEVERO-
dc.contributor.authorRUBIN, FELIPE PFEIFER-
dc.contributor.authorHOHEMBERGER, RUMENIGUE-
dc.contributor.authorTiago Coelho Ferreto-
dc.contributor.authorLORENZON, ARTHUR FRANCISCO-
dc.contributor.authorLUIZELLI, MARCELO CAGGIANI-
dc.contributor.authorROSSI, FÁBIO DINIZ-
dc.date.accessioned2021-12-21T14:19:28Z-
dc.date.available2021-12-21T14:19:28Z-
dc.date.issued2020-
dc.identifier.issn0263-2241-
dc.identifier.urihttps://hdl.handle.net/10923/20617-
dc.language.isoen-
dc.relation.ispartofMEASUREMENT-
dc.rightsopenAccess-
dc.titleDetecting abnormal sensors via machine learning: An IoT farming WSN-based architecture case study-
dc.typeArticle-
dc.date.updated2021-12-21T14:19:27Z-
dc.identifier.doiDOI:10.1016/j.measurement.2020.108042-
dc.jtitleMEASUREMENT-
dc.volume164-
dc.spage108042-
Aparece en las colecciones:Artigo de Periódico

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
Detecting_abnormal_sensors_via_machine_learning_An_IoT_farming_WSNbased_architecture_case_study.pdf738,12 kBAdobe PDFAbrir
Ver


Todos los ítems en el Repositorio de la PUCRS están protegidos por derechos de autor, con todos los derechos reservados, y están bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional. Sepa más.