ELINAC: autoencoder approach for electronic invoices data clustering (2022)
- Authors:
- Autor USP: MENEGUETTE, RODOLFO IPOLITO - ICMC
- Unidade: ICMC
- DOI: 10.3390/app12063008
- Subjects: NOTA FISCAL ELETRÔNICA; REDES NEURAIS; CLUSTERS
- Keywords: autoencoder; clustering; electronic invoicing; short-text
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Applied Sciences
- ISSN: 2076-3417
- Volume/Número/Paginação/Ano: v. 12, n. 6, p. 1-19, 2022
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
SCHULTE, Johannes Peter et al. ELINAC: autoencoder approach for electronic invoices data clustering. Applied Sciences, v. 12, n. 6, p. 1-19, 2022Tradução . . Disponível em: https://doi.org/10.3390/app12063008. Acesso em: 07 maio 2026. -
APA
Schulte, J. P., Giuntini, F. T., Nobre, R. A., Nascimento, K. C., Meneguette, R. I., Li, W., et al. (2022). ELINAC: autoencoder approach for electronic invoices data clustering. Applied Sciences, 12( 6), 1-19. doi:10.3390/app12063008 -
NLM
Schulte JP, Giuntini FT, Nobre RA, Nascimento KC, Meneguette RI, Li W, Gonçalves VP, Rocha Filho GP. ELINAC: autoencoder approach for electronic invoices data clustering [Internet]. Applied Sciences. 2022 ; 12( 6): 1-19.[citado 2026 maio 07 ] Available from: https://doi.org/10.3390/app12063008 -
Vancouver
Schulte JP, Giuntini FT, Nobre RA, Nascimento KC, Meneguette RI, Li W, Gonçalves VP, Rocha Filho GP. ELINAC: autoencoder approach for electronic invoices data clustering [Internet]. Applied Sciences. 2022 ; 12( 6): 1-19.[citado 2026 maio 07 ] Available from: https://doi.org/10.3390/app12063008 - Modelo de um corredor para mobilidade urbana de aeronaves não tripuladas no "eixão" de Brasília
- A computational intelligence-driven reference architecture for anomaly detection in software-defined networking (SDN)
- Adaptive bat-inspired Optimization for infrastructure-agnostic task allocation in vehicular fogs
- FedIHRAS: a privacy-preserving federated learning framework for multi-institutional collaborative radiological analysis with integrated explainability and automated clinical reporting
- SARSA RL for edge connectivity management in vehicular edge networks
- FORTUNATE: Decrypting and classifying malware by variable length instruction sequences
- Predicting bull and bear markets: a deep learning and linear regression study in cryptocurrencies
- ONSPRIDE: an ontology-based framework for privacy by design in distributed networks apps
- Optimized solutions for deploying a militarized 4G/LTE network with maximum coverage and minimum interference
- Lightweight malware classification with FORTUNATE: precision meets computational efficiency
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3069980.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
