Rezultati
eNauka >
Rezultati >
An unsupervised fault diagnosis method for rolling bearing using STFT and generative neural networks
![](https://cdn3.iconfinder.com/data/icons/flat-actions-icons-9/512/Tick_Mark-256.png)
Naziv: | An unsupervised fault diagnosis method for rolling bearing using STFT and generative neural networks | Autori: | Tao, Hongfeng; Wang, Peng; Chen, Yiyang; Stojanović, Vladimir ![]() ![]() |
Godina: | 2020 | Publikacija: | Journal of the Franklin Institute | ISSN: | 0016-0032![]() ![]() |
Tip rezultata: | Naučni članak | Kolacija: | vol. 357 br. 11 str. 7286-7307 | DOI: | 10.1016/j.jfranklin.2020.04.024 | WoS-ID: | 000548504000016 | Scopus-ID: | 2-s2.0-85085745239 | URI: | https://scidar.kg.ac.rs/handle/123456789/12803 https://enauka.gov.rs/handle/123456789/334637 |
Izvor metapodataka: | Migrirano iz RIS podataka | M-kategorija: | 21aM21a - Rad u međ. časopisu izuzetnih vrednosti |
![](/image/scopus.png)
SCOPUSTM
![](/image/opencitations.png)
OpenCitations
![](/image/wos.png)
WEB OF SCIENCETM
Alt metrika
Dimensions
Unpaywall
Rezultati na eNauka su zaštićeni autorskim pravima i sva prava su zadržana, osim ako nije drugačije naznačeno.