您当前的位置：
首页 >
文章列表页 >
基于多特征融合与插值卷积自编码器的机械异常声音检测研究
人工智能 | 更新时间：2025-02-26
|

    • 基于多特征融合与插值卷积自编码器的机械异常声音检测研究

    • Research on Detection of Mechanical Abnormal Sounds Based on Multi-feature Fusion and Interpolation Convolutional Neural Auto-Encoder

    • “在工业自动化领域，专家提出了一种多特征融合和插值卷积自编码器的异常声音检测方法，准确率达99%，为避免重大损失提供解决方案。”
    • 软件导刊   2025年24卷第2期 页码：40-47

    • DOI：10.11907/rjdk.232302    

      中图分类号： TP183

    • 收稿日期：2024-01-22，

      纸质出版日期：2025-02-28

    移动端阅览

  • 史爱武,马淑然.基于多特征融合与插值卷积自编码器的机械异常声音检测研究[J].软件导刊,2025,24(02):40-47. DOI： 10.11907/rjdk.232302.

    SHI Aiwu,MA Shuran.Research on Detection of Mechanical Abnormal Sounds Based on Multi-feature Fusion and Interpolation Convolutional Neural Auto-Encoder[J].Software Guide,2025,24(02):40-47. DOI： 10.11907/rjdk.232302.

  •  
  •  

0

浏览量

50

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于结合策略的自动调制识别协作模型
基于M-C-G神经网络的多文档自动摘要方法
基于深度学习的心脏MRI图像分割综述
基于多层级隐式自增强的谣言检测方法

相关作者

马圣雨
石坚
宋逸杰
陈丽萍
高岩
高 阳
闫仁武
袁双双

相关机构

河南理工大学 计算机科学与技术学院
嘉兴南湖学院 图书馆
嘉兴学院 信息网络与智能研究院
江西理工大学 理学院
江苏科技大学 计算机学院
0