Zobrazeno 1 - 10
of 233
pro vyhledávání: '"time-frequency image"'
Autor:
Ma, Shuang a, b, 1, Wang, Haifeng a, b, 1, Yu, Zhihao a, b, Du, Luyao d, Zhang, Ming a, b, ⁎, Fu, Qingxi b, c, ⁎⁎
Publikováno v:
In Engineering Analysis with Boundary Elements 1 December 2024 169 Part A
Publikováno v:
Gong-kuang zidonghua, Vol 49, Iss 8, Pp 106-113 (2023)
Fault diagnosis methods based on deep learning have high requirements for the quality of the dataset, requiring a large amount of data for good model training to achieve accurate fault diagnosis. However, the fault signals that can be collected in pr
Externí odkaz:
https://doaj.org/article/35e9508056b34c5ab52c915a90ee11c1
Publikováno v:
Remote Sensing, Vol 16, Iss 14, p 2582 (2024)
Intrapulse modulation classification of radar signals plays an important role in modern electronic reconnaissance, countermeasures, etc. In this paper, to improve the recognition rate at low signal-to-noise ratio (SNR), we propose a recognition metho
Externí odkaz:
https://doaj.org/article/8d08d5493428487ba1cec56cc8f470f5
Publikováno v:
IEEE Access, Vol 11, Pp 129205-129216 (2023)
Radar emitter classification plays an increasingly significant role in the electronic reconnaissance system. Due to many convolutional neural network (CNN)-based approaches suffer from insufficient spatial receptive fields and inadequate feature repr
Externí odkaz:
https://doaj.org/article/c05f9af07dc34bd19102a539e12fe7de
Publikováno v:
Applied Sciences, Vol 14, Iss 7, p 2917 (2024)
Deep learning has the characteristics of high efficiency, high accuracy and low knowledge dependence, and has become a hot method in the research field of rotating machinery fault diagnosis. The time–frequency transform can show both the time and f
Externí odkaz:
https://doaj.org/article/40729f13998b43b699d0115185ef05a0
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.
Publikováno v:
Gong-kuang zidonghua, Vol 48, Iss 9, Pp 42-48, 62 (2022)
Some of the existing fault diagnosis methods for rigid guide are only suitable for small sample data sets. Although some methods are suitable for large sample data sets, they ignore the multi-condition background in the actual working environment. Th
Externí odkaz:
https://doaj.org/article/2639285b21bf4f9187d0830324bba8a5
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.