| 标题 |
Rolling Bearing Fault Diagnosis via Meta-BOHB Optimized CNN–Transformer Model and Time-Frequency Domain Analysis 基于Meta-BOHB优化CNN Transformer模型和时频域分析的滚动轴承故障诊断
相关领域
超参数
计算机科学
卷积神经网络
人工智能
深度学习
超参数优化
机器学习
断层(地质)
信号处理
贝叶斯网络
人工神经网络
模式识别(心理学)
滚动轴承
钥匙(锁)
理论(学习稳定性)
特征学习
贝叶斯概率
趋同(经济学)
快速傅里叶变换
方位(导航)
贝叶斯优化
数据挖掘
可靠性(半导体)
贝叶斯推理
希尔伯特-黄变换
特征提取
频域
时域
一套
故障检测与隔离
一般化
失效模式及影响分析
工程类
特征(语言学)
振动
领域知识
离散傅里叶变换(通用)
|
| 网址 | |
| DOI | |
| 其它 |
期刊:Sensors 作者:Yi-Kang Wang; He Jiang; Baoqi Tong; Shiwei Song; Yi-Kang Wang; et al 出版日期:2025-11-12 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时,文件已从服务器自动删除,无法下载。 |
|
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)