Login
Registrati
Reimposta password
Pubblica & Distribuisci
Soluzioni Editoriali
Soluzioni di Distribuzione
Temi
Architettura e design
Arti
Business e Economia
Chimica
Chimica industriale
Farmacia
Filosofia
Fisica
Geoscienze
Ingegneria
Interesse generale
Legge
Letteratura
Linguistica e semiotica
Matematica
Medicina
Musica
Scienze bibliotecarie e dell'informazione, studi library
Scienze dei materiali
Scienze della vita
Scienze informatiche
Scienze sociali
Sport e tempo libero
Storia
Studi classici e del Vicino Oriente antico
Studi culturali
Studi ebraici
Teologia e religione
Pubblicazioni
Riviste
Libri
Atti
Editori
Blog
Contatti
Cerca
EUR
USD
GBP
Italiano
English
Deutsch
Polski
Español
Français
Italiano
Carrello
Home
Riviste
Acta Mechanica et Automatica
Volume 16 (2022): Numero 2 (June 2022)
Accesso libero
Bearing Fault Detection and Diagnosis Based on Densely Connected Convolutional Networks
Julius Niyongabo
Julius Niyongabo
,
Yingjie Zhang
Yingjie Zhang
e
Jérémie Ndikumagenge
Jérémie Ndikumagenge
| 24 mar 2022
Acta Mechanica et Automatica
Volume 16 (2022): Numero 2 (June 2022)
INFORMAZIONI SU QUESTO ARTICOLO
Articolo precedente
Articolo Successivo
Sommario
Bibliografia
Autori
Articoli in questo Numero
Anteprima
PDF
Cita
CONDIVIDI
Pubblicato online:
24 mar 2022
Pagine:
130 - 135
Ricevuto:
18 dic 2021
Accettato:
12 feb 2022
DOI:
https://doi.org/10.2478/ama-2022-0017
Parole chiave
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.
Julius Niyongabo
Doctoral School, University of Burundi,
Burundi
Yingjie Zhang
College of Computer Science and Electronic Engineering Hunan University
China
Jérémie Ndikumagenge
Faculty of Engineering Science, Department of Information and Communication Technology, University of Burundi
Burundi