Резултати
еНаука >
Резултати >
Optimizing Bearing Fault Diagnosis in Rotating Electrical Machines Using Deep Learning and Frequency Domain Features
| Назив: | Optimizing Bearing Fault Diagnosis in Rotating Electrical Machines Using Deep Learning and Frequency Domain Features | Аутори: | Eduardo Quiles-Cucarella; Alejandro García-Bádenas; Ignacio Agustí-Mercader; Guillermo Escrivá-Escrivá | Остала ауторства: | Recezent Slavica Prvulović   |
Година: | 2025 | Публикација: | Applied Sciences | ISSN: | 2076-3417 Applied Sciences-Basel Претражи идентификатор |
Издавач: | Switzerland, Basel: Multidisciplinary Digital Publishing Institute - MDPI | Тип резултата: | Уређивачки рад | Колација: | vol. 15 br. 6 str. 3132-3132 | DOI: | 10.3390/app15063132 | WoS-ID: | 001453569300001 | Scopus-ID: | 2-s2.0-105000992287 | URI: | https://enauka.gov.rs/handle/123456789/988286 | URL: | https://www.mdpi.com/2076-3417/15/6/3132 | Извор метаподатака: | (Preuzeto iz KNR-a) Prvulović, Slavica | Напомена: | Recezent Slavica Prvulović | М-категорија: | Мп категорија ће бити приказана накнадно. |
Резултати на еНаука су заштићени ауторским правима и сва права су задржана, осим ако није другачије назначено.