메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 / 회원가입
고객센터 ENG
주제분류
인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG
학술저널
오류 신고하기해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

논문 기본 정보

저자정보
(Chonnam National University) (Hanoi University of Science and Technology) (Chonnam National University)
저널정보
한국디지털콘텐츠학회 The Journal of Contents Computing JCC Vol.2 No.2
오류 신고하기
표지

피인용 0

검색

    초록·키워드

    Machine monitoring plays a vital role in modern manufacturing; thus, studies on technics that are able to be adapted to create automatic monitoring processes are necessary. Based on the nonstationary characteristics of signal collected from machine"s components and the advent of deep neural networks, the paper will illustrate some highlighted points of time-frequency signal processing and proposed an intelligent process for bearing fault diagnosis based on a state-of-the-art convolutional network, namely ResNeXt.
    #Nonstationary #Vibration #Deep learning #time-frequency domain #bearing fault diagnosis

    본문·목차

    최근 본 자료 전체보기

      260723_DBpiaAI질문3
      260319_딥리서치
      260319_AI리더
      260728 커뮤니티 리오픈 이벤트
      260304_아그논문롤
      260127_아그논문
      260604_KRpiaAI
      260127_AI뷰어
      260731_새학기준비클래스
      UCI(KEPA) : I410-ECN-0101-2021-004-001465463