首页> 外文OA文献 >End-to-end CNN + LSTM deep learning approach for bearing fault diagnosis

【2h】

End-to-end CNN + LSTM deep learning approach for bearing fault diagnosis

机译：轴承故障诊断的端到端CNN + LSTM深度学习方法

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Amin Khorram; Mohammad Khalooei; Mansoor Rezghi;
展开▼
作者单位

展开▼
年度 2020
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. A deformable CNN-DLSTM based transfer learning method for fault diagnosis of rolling bearing under multiple working conditions [J] . Wang Zheng, Liu Qingxiu, Chen Hansi, International Journal of Production Research . 2021,第15a16期

机译：基于可变形的CNN-DLSTM转移学习方法，用于多个工作条件下滚动轴承的故障诊断
2. Deep Transfer Learning Method Based on 1D-CNN for Bearing Fault Diagnosis [J] . Jun He, Xiang Li, Yong Chen, Shock and vibration . 2021,第a期

机译：基于1D-CNN轴承故障诊断的深度传输学习方法
3. An Improved Bearing Fault Diagnosis Method using One-Dimensional CNN and LSTM [J] . Pan Honghu, He Xingxi, Tang Sai, Journal of Mechanical Engineering . 2018,第7a8期

机译：一种使用一维CNN和LSTM的改进的轴承故障诊断方法
4. A Bearing Fault Diagnosis Method Based on L1 Regularization Transfer Learning and LSTM Deep Learning [C] . Daiie Zhu, Xudong Song, Jie Yang, IEEE International Conference on Information Communication and Software Engineering . 2021

机译：基于L1正则化转移学习与LSTM深度学习的轴承故障诊断方法
5. A Deep Belief Network Based Approach for Bearing Fault Diagnosis [D] . Akkad, Khaled Mohammad A. 2016

机译：基于轴承故障诊断的深度信仰网络
6. LSTMCNNsucc: A Bidirectional LSTM and CNN-Based Deep Learning Method for Predicting Lysine Succinylation Sites [O] . Guohua Huang, Qingfeng Shen, Guiyang Zhang, 2021

机译：LSTMCNNSUCC：一种预测赖氨酸琥珀酸位点的双向LSTM和基于CNN的深度学习方法
7. Deep Transfer Learning Method Based on 1D-CNN for Bearing Fault Diagnosis [O] . Jun He, Xiang Li, Yong Chen, 2021

机译：基于1D-CNN轴承故障诊断的深度传输学习方法

End-to-end CNN + LSTM deep learning approach for bearing fault diagnosis

著录项

引文网络

相似文献

相关主题

期刊订阅