Unsupervised autoencoder-based anomaly detection under limited failure data For oil industry (2026)
- Authors:
- USP affiliated authors: LOUZADA NETO, FRANCISCO - ICMC ; FERREIRA, VICTOR ZORATTI - ICMC ; BRITO JUNIOR, EDUARDO MATOS DE - ICMC ; CUNHA, GUILHERME MAURI FARIA DA - ICMC ; PEREZ, FELIPE AUGUSTO RODRIGUES - ICMC ; REIS, ERICO DANIEL WITZEL DOS - ICMC ; PEREIRA, EDFRAM RODRIGUES - Interinstitucional de Pós-Graduação em Estatística
- Unidades: ICMC; Interinstitucional de Pós-Graduação em Estatística
- DOI: 10.1109/OJIM.2026.3670416
- Subjects: ALGORITMOS; INTELIGÊNCIA ARTIFICIAL; APRENDIZAGEM PROFUNDA; REDES NEURAIS; PROCESSAMENTO DE SINAIS
- Keywords: Automation; Predictive control,; Process control; Process monitoring; Reliability estimation
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: Piscataway
- Date published: 2026
- Source:
- Título: IEEE Open Journal of Instrumentation and Measurement
- ISSN: 2768-7236
- Volume/Número/Paginação/Ano: In press
- Este periódico possui versão em acesso aberto
- Este artigo possui versão em acesso aberto
- URL de acesso aberto
- Versão: publishedVersion
- Licença: cc-by
- Evidência: deprecated
- Status do Acesso Aberto: gold
-
ABNT
FERREIRA, Victor Zoratti et al. Unsupervised autoencoder-based anomaly detection under limited failure data For oil industry. IEEE Open Journal of Instrumentation and Measurement, 2026Tradução . . Disponível em: https://doi.org/10.1109/OJIM.2026.3670416. Acesso em: 09 mar. 2026. -
APA
Ferreira, V. Z., Brito Junior, E., Cunha, G. M. F. da, Perez, F. A. R., Reis, E. dos, Pereira, E. R., & Louzada, F. (2026). Unsupervised autoencoder-based anomaly detection under limited failure data For oil industry. IEEE Open Journal of Instrumentation and Measurement. doi:10.1109/OJIM.2026.3670416 -
NLM
Ferreira VZ, Brito Junior E, Cunha GMF da, Perez FAR, Reis E dos, Pereira ER, Louzada F. Unsupervised autoencoder-based anomaly detection under limited failure data For oil industry [Internet]. IEEE Open Journal of Instrumentation and Measurement. 2026 ;[citado 2026 mar. 09 ] Available from: https://doi.org/10.1109/OJIM.2026.3670416 -
Vancouver
Ferreira VZ, Brito Junior E, Cunha GMF da, Perez FAR, Reis E dos, Pereira ER, Louzada F. Unsupervised autoencoder-based anomaly detection under limited failure data For oil industry [Internet]. IEEE Open Journal of Instrumentation and Measurement. 2026 ;[citado 2026 mar. 09 ] Available from: https://doi.org/10.1109/OJIM.2026.3670416 - Modelo de aprendizado de máquina não supervisionado para detecção de falha em processos e equipamentos
- Análise inferencial e modelagem preditiva de salários no Brasil: evidências Empíricas a partir da RAIS (2010–2023)
- Análise de séries temporais de fundos de investimentos brasileiros, em busca de um modelo preditivo
- Análise sazonal e aplicação do modelo auto-ARIMA para previsão de vendas de medicamentos antipiréticos
- Contributed Discussion on Article by Pratola*
- Bagging k-dependence probabilistic networks: an alternative powerful fraud detection tool
- Performance of six diagnostic tests to screen for Chagas disease in blood banks and prevalence of Trypanosoma cruzi infection among donors with inconclusive serology screening based on the analysis of epidemiological variables
- The poisson-weibull distribution
- The chi-plot and its asymptotic confidence interval for analyzing bivariate dependence: an application to the average intelligence and atheism rates across nations data
- On the hypothesis testing for the weighted Lindley distribution
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
