Manzoor, H. U., Khan, A. R., Flynn, D., Alam, M. M., Akram, M., Imran, M. A., Zoha, A.

prindi

FedBranched : leveraging federated learning for anomaly-aware load forecasting in energy networks

autor

Manzoor, Habib Ullah

Khan, Ahsan Raza

Flynn, David

Alam, Muhammad Mahtab

Akram, Muhammad

Imran, Muhammad Ali

Zoha, Ahmed

vastutusandmed

Habib Ullah Manzoor, Ahsan Raza Khan, David Flynn, Muhammad Mahtab Alam, Muhammad Akram, Muhammad Ali Imran and Ahmed Zoha

allikas

Sensors

kirjastus/väljaandja

MDPI

ajakirja aastakäik number kuu

vol. 23, 7

ilmumisaasta

2023

leheküljed

art. 3570

leitav

https://doi.org/10.3390/s23073570

märksõna

andmed

tehisõpe

klastrid

tehisnärvivõrgud

võtmesõna

federated learning (FL)

artificial neural networks (ANN)

clustering

machine learning (ML)

ISSN

1424-8220

märkused

Bibliogr.: 30 ref

Special Issue: Machine Learning Techniques for Energy Efficient IoT Networks

Bibliogr.: 30 ref

Open Access

teaduspublikatsioon

klassifikaator

1.1

Scopus

Journal metrics at Scopus

Article at Scopus

WOS

Journal metrics at WOS

Article at WOS

kategooria (üld)

Füüsika ja astronoomia

Tehnika

Keemia

Arvutiteadus

Biokeemia, geneetika ja molekulaarbioloogia

kategooria (alam)

Füüsika ja astronoomia. Instrumentatsioon

Tehnika. Elektri- ja elektroonikatehnika

Füüsika ja astronoomia. Aatomi- ja molekulaarfüüsika ning optika

Keemia. Analüütiline keemia

Arvutiteadus. Infosüsteemid

Biokeemia, geneetika ja molekulaarbioloogia. Biokeemia

kvartiil

TTÜ struktuuriüksus

Thomas Johann Seebecki elektroonikainstituut

keel

inglise

Uurimisrühm

Kommunikatsioonisüsteemide uurimisrühm

Manzoor, H. U., Khan, A. R., Flynn, D., Alam, M. M., Akram, M., Imran, M. A., Zoha, A. FedBranched : leveraging federated learning for anomaly-aware load forecasting in energy networks // Sensors (2023) vol. 23, 7, art. 3570. https://doi.org/10.3390/s23073570