0
  • DE
  • EN
  • FR
  • Base de données et galerie internationale d'ouvrages d'art et du génie civil

Publicité

A fine-tuning deep learning framework to palliate data distribution shift effects in rotary machine fault detection

Auteur(s): ORCID (Department of Engineering, University of Campania “L. Vanvitelli,” Aversa, Italy)
ORCID (Department of Engineering, University of Campania “L. Vanvitelli,” Aversa, Italy)
ORCID (College of Engineering, Birmingham City University, Birmingham, UK)
ORCID (Department of Engineering, University of Campania “L. Vanvitelli,” Aversa, Italy)
(Department of Engineering, University of Campania “L. Vanvitelli,” Aversa, Italy)
Médium: article de revue
Langue(s): anglais
Publié dans: Structural Health Monitoring
DOI: 10.1177/14759217241295951
Structurae ne peut pas vous offrir cette publication en texte intégral pour l'instant. Le texte intégral est accessible chez l'éditeur. DOI: 10.1177/14759217241295951.
  • Informations
    sur cette fiche
  • Reference-ID
    10812137
  • Publié(e) le:
    17.01.2025
  • Modifié(e) le:
    17.01.2025
 
Structurae coopère avec
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine