Improving soft sensor reliability in the mining industry using incremental learning (2025)
- Authors:
- USP affiliated authors: UEYAMA, JO - ICMC ; MATOS, SAULO NEVES - ICMC
- Unidade: ICMC
- DOI: 10.1016/j.ifacol.2025.12.410
- Subjects: APRENDIZADO COMPUTACIONAL; REGRESSÃO LINEAR; MINERAÇÃO
- Keywords: Incremental learning; Soft sensor; Mass flow rate
- Agências de fomento:
- Language: Inglês
- Objetivos de Desenvolvimento Sustentável (ODS):
09. Indústria, inovação e infraestrutura
- Imprenta:
- Source:
- Título: IFAC PapersOnLine
- ISSN: 2405-8963
- Volume/Número/Paginação/Ano: v. 59, p. 138-143, 2025
- Conference titles: IFAC Conference on Fractional Differentiation and its Applications - ICFDA
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MOTA, Rafael P et al. Improving soft sensor reliability in the mining industry using incremental learning. IFAC PapersOnLine. Amsterdam: Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo. Disponível em: https://doi.org/10.1016/j.ifacol.2025.12.410. Acesso em: 30 mar. 2026. , 2025 -
APA
Mota, R. P., Matos, S. N., Ueyama, J., Pinto, T. V. B. e, & Braga, M. F. (2025). Improving soft sensor reliability in the mining industry using incremental learning. IFAC PapersOnLine. Amsterdam: Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo. doi:10.1016/j.ifacol.2025.12.410 -
NLM
Mota RP, Matos SN, Ueyama J, Pinto TVB e, Braga MF. Improving soft sensor reliability in the mining industry using incremental learning [Internet]. IFAC PapersOnLine. 2025 ; 59 138-143.[citado 2026 mar. 30 ] Available from: https://doi.org/10.1016/j.ifacol.2025.12.410 -
Vancouver
Mota RP, Matos SN, Ueyama J, Pinto TVB e, Braga MF. Improving soft sensor reliability in the mining industry using incremental learning [Internet]. IFAC PapersOnLine. 2025 ; 59 138-143.[citado 2026 mar. 30 ] Available from: https://doi.org/10.1016/j.ifacol.2025.12.410 - Data-driven soft sensor development for ore type estimation in mineral crushing processes
- Development of a bench system with capacitive sensor, sample compression, and TinyML for iron ore moisture measurement
- An evaluation of iron ore characteristics through machine learning and 2-D LiDAR technology
- Enhancing operational safety with conformal prediction in soft sensors
- Cascade proportional-integral control design and affordable instrumentation system for enhanced performance of electrolytic dry cells
- Closing the loop: enhancing industrial productivity through soft sensor
- Deep Learning and object detection for water level measurement using patterned visual markers
- Comparative analysis of smart contract generation using large language models
- NodePM: a remote monitoring alert system for energy consumption using probabilistic techniques
- Providing adaptive smartphone interfaces targeted at elderly people: an approach that takes into account diversity among the elderly
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 | |
|---|---|---|---|
 |
3289074.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
