×
验证码:
换一张
忘记密码?
记住我
CORC
首页
科研机构
检索
知识图谱
申请加入
托管服务
登录
注册
在结果中检索
科研机构
兰州理工大学 [5]
内容类型
期刊论文 [5]
发表日期
2022 [2]
2021 [2]
2020 [1]
×
知识图谱
CORC
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
浏览/检索结果:
共5条,第1-5条
帮助
限定条件
专题:兰州理工大学
第一署名单位
第一作者单位
通讯作者单位
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
作者升序
作者降序
题名升序
题名降序
发表日期升序
发表日期降序
提交时间升序
提交时间降序
基于长序列的航空发动机剩余寿命预测方法
期刊论文
北京航空航天大学学报, 2022, 页码: 1-16
作者:
郭俊锋
;
刘国华
;
刘国伟
收藏
  |  
浏览/下载:11/0
  |  
提交时间:2022/09/22
堆叠膨胀卷积
剩余使用寿命预测
Hyperband超参数优化算法
航空发动机
长序列信号
Fusing Attention Network based on Dilated Convolution for Super Resolution
期刊论文
IEEE Transactions on Cognitive and Developmental Systems, 2022
作者:
Song, Zhaoyang
;
Zhao, Xiaoqiang
;
Hui, Yongyong
;
Jiang, Hongmei
收藏
  |  
浏览/下载:9/0
  |  
提交时间:2022/07/20
Convolution
Data mining
Filtration
Image reconstruction
Locks (fasteners)
Optical resolving power
Quality control
Dilated convolutional attention module.
Features extraction
High-frequency informations
Images reconstruction
Information filter
Multi feature attention block
Multifeatures
Single super resolution
Superresolution
Rolling Bearing Fault Diagnosis Based on One-Dimensional Dilated Convolution Network With Residual Connection
期刊论文
IEEE ACCESS, 2021, 卷号: 9, 页码: 31078-31091
作者:
Liang, Haopeng
;
Zhao, Xiaoqiang
收藏
  |  
浏览/下载:21/0
  |  
提交时间:2021/03/12
Convolution
Fault diagnosis
Feature extraction
Rolling bearings
Vibrations
Kernel
Load modeling
Different load domains
different noisy environments
dilated convolution
one-dimensional convolution neural network
rolling bearing fault diagnosis
residual connection
Rolling Bearing Fault Diagnosis Based on One-Dimensional Dilated Convolution Network with Residual Connection
期刊论文
IEEE Access, 2021, 卷号: 9, 页码: 31078-31091
作者:
Liang, Haopeng
;
Zhao, Xiaoqiang
收藏
  |  
浏览/下载:63/0
  |  
提交时间:2021/04/12
Convolution
Failure analysis
Fault detection
Multilayer neural networks
Time domain analysis
Connection structures
Convolution neural network
Feature learning
Noisy environment
Residual structure
Rolling bearings
Time-domain signal
Weight coefficients
Fault Diagnosis Method for Rolling Bearing under Variable Working Conditions Using Improved Residual Neural Network
期刊论文
Hsi-An Chiao Tung Ta Hsueh/Journal of Xi'an Jiaotong University, 2020, 卷号: 54, 期号: 9, 页码: 23-31
作者:
Zhao, Xiaoqiang
;
Liang, Haopeng
收藏
  |  
浏览/下载:17/0
  |  
提交时间:2020/11/14
Convolution
Failure analysis
Fault detection
Microphones
Neural networks
Time domain analysis
End-to-end connections
Fault diagnosis method
Feature information
Generalization ability
Learning efficiency
Neural network method
Time-varying characteristics
Working environment
©版权所有 ©2017 CSpace - Powered by
CSpace