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

Publicité

Multi-source domain adversarial graph convolutional networks for rolling mill health states diagnosis under variable working conditions

Auteur(s): ORCID (School of Information and Artificial Intelligence, Nanchang Institute of Science & Technology, Nanchang, China)
(School of Information and Artificial Intelligence, Nanchang Institute of Science & Technology, Nanchang, China)
(School of Information and Artificial Intelligence, Nanchang Institute of Science & Technology, Nanchang, China)
(School of Education, Nanchang Institute of Science & Technology, Nanchang, China)
(Department of Mechanical Engineering, Politecnico di Milano, Milan, Italy)
Médium: article de revue
Langue(s): anglais
Publié dans: Structural Health Monitoring, , n. 6, v. 23
Page(s): 3505-3524
DOI: 10.1177/14759217231225986
Structurae ne peut pas vous offrir cette publication en texte intégral pour l'instant. Le texte intégral est accessible chez l'éditeur. DOI: 10.1177/14759217231225986.
  • Informations
    sur cette fiche
  • Reference-ID
    10775650
  • Publié(e) le:
    29.04.2024
  • Modifié(e) le:
    10.11.2024
 
Structurae coopère avec
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine