Zobrazeno 1 - 10
of 23
pro vyhledávání: '"Acoustic anomaly detection"'
Publikováno v:
Sensors, Vol 21, Iss 14, p 4805 (2021)
Human operators often diagnose industrial machinery via anomalous sounds. Given the new advances in the field of machine learning, automated acoustic anomaly detection can lead to reliable maintenance of machinery. However, deep learning-driven anoma
Externí odkaz:
https://doaj.org/article/12bb61dbc8934afa8267f4e6b5f8fe06
Autor:
Gabriel Coelho, Luís Miguel Matos, Pedro José Pereira, André Ferreira, André Pilastri, Paulo Cortez
The growing usage of digital microphones has generated an increased interest in the topic of Acoustic Anomaly Detection (AAD). Indeed, there are several real-world AAD application domains, including working machines and in-vehicle intelligence (the m
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::5e3a709cb0b4a4458d401388b478a379
https://hdl.handle.net/1822/81433
https://hdl.handle.net/1822/81433
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Andre L. Ferreira, Pedro José Pereira, Gabriel José Dias Coelho, André Luiz Pilastri, Eduardo C. Nunes, Paulo Cortez, Luís Miguel Matos, Alexandrine Ribeiro
Publikováno v:
IFIP Advances in Information and Communication Technology
17th IFIP International Conference on Artificial Intelligence Applications and Innovations (AIAI)
17th IFIP International Conference on Artificial Intelligence Applications and Innovations (AIAI), Jun 2021, Hersonissos, Crete, Greece. pp.337-348, ⟨10.1007/978-3-030-79150-6_27⟩
IFIP Advances in Information and Communication Technology ISBN: 9783030791490
AIAI
17th IFIP International Conference on Artificial Intelligence Applications and Innovations (AIAI)
17th IFIP International Conference on Artificial Intelligence Applications and Innovations (AIAI), Jun 2021, Hersonissos, Crete, Greece. pp.337-348, ⟨10.1007/978-3-030-79150-6_27⟩
IFIP Advances in Information and Communication Technology ISBN: 9783030791490
AIAI
Recently, there have been advances in using unsupervised learning methods for Acoustic Anomaly Detection (AAD). In this paper, we propose an improved version of two deep AutoEncoders (AE) for unsupervised AAD for six types of working machines, namely
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::f54c3f8fd09f698fe57108689d96f764
https://hdl.handle.net/1822/73560
https://hdl.handle.net/1822/73560
Publikováno v:
Sensors (Basel, Switzerland)
Sensors, Vol 21, Iss 4805, p 4805 (2021)
Sensors, Vol 21, Iss 4805, p 4805 (2021)
Human operators often diagnose industrial machinery via anomalous sounds. Automated acoustic anomaly detection can lead to reliable maintenance of machinery. However, deep learning-driven anomaly detection methods often require an extensive amount of
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::1ea51b784a4c8b231cbaea38d4e0f8e9
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.