Connexion
S'inscrire
Réinitialiser le mot de passe
Publier & Distribuer
Solutions d'édition
Solutions de distribution
Thèmes
Architecture et design
Arts
Business et économie
Chimie
Chimie industrielle
Droit
Géosciences
Histoire
Informatique
Ingénierie
Intérêt général
Linguistique et sémiotique
Littérature
Mathématiques
Musique
Médecine
Pharmacie
Philosophie
Physique
Sciences bibliothécaires et de l'information, études du livre
Sciences des matériaux
Sciences du vivant
Sciences sociales
Sport et loisirs
Théologie et religion
Études classiques et du Proche-Orient ancient
Études culturelles
Études juives
Publications
Journaux
Livres
Comptes-rendus
Éditeurs
Blog
Contact
Chercher
EUR
USD
GBP
Français
English
Deutsch
Polski
Español
Français
Italiano
Panier
Home
Journaux
Acta Mechanica et Automatica
Édition 16 (2022): Edition 2 (June 2022)
Accès libre
Bearing Fault Detection and Diagnosis Based on Densely Connected Convolutional Networks
Julius Niyongabo
Julius Niyongabo
,
Yingjie Zhang
Yingjie Zhang
et
Jérémie Ndikumagenge
Jérémie Ndikumagenge
| 24 mars 2022
Acta Mechanica et Automatica
Édition 16 (2022): Edition 2 (June 2022)
À propos de cet article
Article précédent
Article suivant
Résumé
Références
Auteurs
Articles dans cette édition
Aperçu
PDF
Citez
Partagez
Publié en ligne:
24 mars 2022
Pages:
130 - 135
Reçu:
18 déc. 2021
Accepté:
12 févr. 2022
DOI:
https://doi.org/10.2478/ama-2022-0017
Mots clés
bearing
,
deep learning
,
machine learning
,
transfer learning
,
fault detection and diagnosis
,
CWRU dataset
© 2022 Julius Niyongabo et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.