연구동향 분석
홈
알림
이용안내
오류접수
API
서비스소개
인기 연구 키워드 :
인기 활용 키워드 :
CNN 기반 딥러닝을 이용한 베어링 고장 진단의 정확도 및 계산 복잡도 분석
박재현
김철홍
2022년
활용도 Analysis
논문 Analysis
연구자 Analysis
활용도 Analysis
논문 Analysis
연구자 Analysis
활용도
공유도
영향력
논문상세정보
저자
박재현
김철홍
제어번호
108043524
학술지명
한국차세대컴퓨팅학회 논문지
권호사항
Vol. 18 No. 1 [ 2022 ]
발행처
한국차세대컴퓨팅학회
자료유형
학술저널
수록면
7-18
언어
Korean
출판년도
2022
등재정보
KCI등재
판매처
주제어
Complexity
Deep Learning
Fault Detection
Fault Diagnosis
Bearing
고장 진단
고장검출
딥 러닝
베어링
복잡도
참고문헌( 30)
유사주제 논문( 4,041)
딥 러닝 1,934건
Deep Learning 1,787건
Complexity 83건
Fault Diagnosis 60건
고장 진단 57건
Fault Detection 41건
bearing 37건
복잡도 22건
베어링 13건
고장검출 7건
인용/피인용
CNN 기반 딥러닝을 이용한 베어링 고장 진단의 정확 ...
' CNN 기반 딥러닝을 이용한 베어링 고장 진단의 정확도 및 계산 복잡도 분석' 의 주제별 논문영향력
논문영향력 요약
주제
Complexity
Deep Learning
Fault Detection
Fault Diagnosis
bearing
고장 진단
고장검출
딥 러닝
베어링
복잡도
동일주제 총논문수
논문피인용 총횟수
주제별 논문영향력의 평균
4,050
0
0.0%
자세히
주제별 논문영향력
논문영향력
주제
주제별 논문수
주제별 피인용횟수
주제별 논문영향력
주제어
Complexity
84
0
0.0%
Deep Learning
1,788
0
0.0%
Fault Detection
42
0
0.0%
Fault Diagnosis
61
0
0.0%
bearing
38
0
0.0%
고장 진단
58
0
0.0%
고장검출
8
0
0.0%
딥 러닝
1,935
0
0.0%
베어링
14
0
0.0%
복잡도
23
0
0.0%
계
4,051
0
0.0%
* 다른 주제어 보유 논문에서 피인용된 횟수
0
닫기
' CNN 기반 딥러닝을 이용한 베어링 고장 진단의 정확도 및 계산 복잡도 분석'
의 참고문헌
회전기계 결함신호 진단을 위한 신호처리 기술 개발
안병현
[2014]
진동신호 특성 예측및 분류를 통한 회전체 고장진단 방법
김동환
[2014]
스펙트로그램 이미지를 이용한 CNN 기반 자동화 기계 고장 진단 기법
강경원
[2020]
경량 딥러닝 기술동향
이용주
[2019]
Very Deep Convolutional Networks for Large-Scale Image Recognition
Karen Simonyan
[2015]
SqueezeNet : AlexNet-Level Accuracy with 50x Fewer Parameters And <0. 5MB Model Size>
Forrest N. Iandola
[2019]
Singularity analysis using continuous wavelet transform for bearing fault diagnosis
Qiao Sun
[2002]
ShuffleNetV2 : Practical Guidelines for Efficient CNN Architecture Design
Ningning Ma
[2018]
Rolling bearing fault detection using continuous deep belief network with locally linear embedding
Haidong Shao
[2018]
Rolling Bearing Fault Diagnosis Based on STFT Deep Learning and Sound Signals
Hongmei Liu
[2016]
MobileNets : Efficient Convolutional Neural Networks for Mobile Vision Application
Andrew G. Howard
[2020]
LeNet
Y. Lecun
[1998]
LSTM 오토인코더를 이용한 라디에이터 고장진단 사례연구
이정근
[2020]
Intelligent fault diagnosis of rolling bearing using deep wavelet auto-encoder with extreme learning machine
Haidong Shao
[2018]
Intelligent Diagnosis Method using Acoustic Emission Signals for Bearing under Complex Working Conditions
Minh Tuan Pham
[2020]
Fault diagnosis of rotating machinery using an intelligent order tracking system
Mingsian Bai
[2005]
Fault diagnosis of rolling element bearing with intrinsic mode function of acoustic emission data using APF-KNN
D. H. Pandya
[2013]
Fault Diagnosis of Rotating Machinery Based on Multisensor Information Fusion Using SVM and Time-Domain Features
Ling-li Jiang
[2014]
Fault Diagnosis of Rotary Machine Bearings Under Inconsistent Working Conditions
Muhammad Sohaib
[2020]
Fault Diagnosis of Bearings with Variable Rotational Speeds Using Convolutional Neural Networks
Viet Tra
[2019]
Efficient Sport Videos Classification via Convolutional Neural Network
노먼 칸
[2020]
Diagnosis of bearing defects under variable speed conditions using energy distribution maps of acoustic emission spectra and convolutional neural networks
Viet Tra
[2018]
Dempster-Shafer evidence theory for multi-bearing faults diagnosis
Kar Hoou Hui
[2019]
Deep Residual Learning for Image Recognition
Kaiming He
[2016]
CNN에 기반한 실제 환경에서의 색상 및 문자 인식
박현철
[2016]
Bearing fault identification and classification with convolutional neural network
Mukesh Bhadane
[2017]
An overview of gradient descent optimization algorithms
Sebastian Ruder
Accurate Bearing Fault Diagnosis under Variable Shaft Speed using Convolutional Neural Networks and Vibration Spectrogram
Minh Tuan Pham
[2020]
A deep learning method for bearing fault diagnosis based on Cyclic Spectral Coherence and Convolutional Neural Networks
Zhuyun Chen
[2020]
A Hybrid Feature Selection Scheme for Reducing Diagnostic Performance Deterioration Caused by Outlines in Data-Driven Diagnostics
M. Kang
[2016]
' CNN 기반 딥러닝을 이용한 베어링 고장 진단의 정확도 및 계산 복잡도 분석'
의 유사주제(
) 논문