En la actualidad, los métodos de aprendizaje profundo han sido ampliamente utilizados para mejorar la inteligencia y eficiencia en el diagnóstico de fallas. No obstante, la mayoría de los esquemas requieren una gran cantidad de datos e iteraciones para los parámetros de entrenamiento. Este documento presenta una propuesta de arquitectura de red siamesa ligera y de múltiples escalas para el diagnóstico de fallas, compuesta de dos módulos principales. La red propuesta fue validada mediante conjuntos de datos múltiples con diferentes cargas y velocidades. Los resultados muestran que el modelo tiene una mayor precisión, menos parámetros y una escala de comparación con el enfoque de línea de base a través de los experimentos realizados.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Efecto del proceso de descontaminación oxidante en las propiedades de corrosión del acero inoxidable 304L
Artículo:
Síntesis y caracterización de nuevas poliamidas solubles a partir de Acenaftohidrazinomercaptotriazol diamina
Artículo:
Modificación de fibras de avena mediante extrusión reactiva con peróxido de hidrógeno alcalino
Artículo:
Desarrollo de la alteración del vidrio HLW simulado a alta temperatura en el agua subterránea de Beishan
Artículo:
Detección electroquímica de lidocaína en oxihidróxido de cobalto trivalente. Una posibilidad teórica a evaluar
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Emisiones globales de gases de efecto invernadero provenientes de materiales de construcción residencial y comercial: estrategias de mitigación para 2060
Software:
Simulación del proceso de extracción sólido-líquido EXTSL