h1

h2

h3

h4

h5
h6
http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png

Toward Trustworthy Machine Learning Models for Fault Detection in Energy Systems

; ; ; ;

In
Proceedings of the 10th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation, Seiten/Artikel-Nr: 280-281

Konferenz/Event:10. ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation , Istanbul , Turkey , BuildSys 2023 , 2023-11-15 - 2023-11-16

ImpressumNew York, New York : Association for Computing Machinery

Umfang280-281

ISBN979-8-4007-0230-3

Online
DOI: 10.1145/3600100.3626260


Einrichtungen

  1. Lehrstuhl für Gebäude- und Raumklimatechnik (419510)
  2. E.ON Energy Research Center (080052)

Projekte

  1. Verbundvorhaben: KomTechE: FunkSTA - Betriebsoptimierung und Ausbau regenerativ gespeister thermischer Netze für Stadtwerke auf Basis funkbasierter Kommunikationstechnologien; Teilvorhaben: Automatisierte Fehlererkennung (03EN3060D) (03EN3060D)


Dokumenttyp
Contribution to a book/Contribution to a conference proceedings

Format
online

Sprache
English

Anmerkung
Peer reviewed article

Externe Identnummern
SCOPUS: SCOPUS:2-s2.0-85179500417
WOS Core Collection: WOS:001147988300042
OpenAlex: W4388327967

Interne Identnummern
RWTH-2023-11011
Datensatz-ID: 973800

Beteiligte Länder
Germany

 GO


QR Code for this record

The record appears in these collections:
Dokumenttypen > Ereignisse > Beiträge zu Proceedings
Dokumenttypen > Bücher > Buchbeiträge
Fakultät für Maschinenwesen (Fak.4)
Zentrale und weitere Einrichtungen
Öffentliche Einträge
Publikationsdatenbank
080052
419510

 Datensatz erzeugt am 2023-11-24, letzte Änderung am 2026-08-31



Dieses Dokument bewerten:

Rate this document:
1
2
3
 
(Bisher nicht rezensiert)