Buchumschlag

Application of a Dense Fusion Attention Network in Fault Diagnosis of Centrifugal Fan

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Ruijun, Liu, Yuan, Fan, Zhixia, Xu, Xiaogang, Wang, Huijie
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Attention-Based Multiscale Temporal Fusion Network for Uncertain-Mode Fault Diagnosis in Multimode Processes
von: Li, Guangqiang, et al.
Veröffentlicht: (2025)

Unsupervised Multi-Attention Meta Transformer for Rotating Machinery Fault Diagnosis
von: Wang, Hanyang, et al.
Veröffentlicht: (2025)

TDANet: A Novel Temporal Denoise Convolutional Neural Network With Attention for Fault Diagnosis
von: Li, Zhongzhi, et al.
Veröffentlicht: (2024)

An End-to-End Comprehensive Gear Fault Diagnosis Method Based on Multi-Scale Feature-Level Fusion Strategy
von: Qiao, Bowei, et al.
Veröffentlicht: (2025)

Multi-Level Temporal Graph Networks with Local-Global Fusion for Industrial Fault Diagnosis
von: Aryal, Bibek, et al.
Veröffentlicht: (2026)

Polarized Direct Cross-Attention Message Passing in GNNs for Machinery Fault Diagnosis
von: Shi, Zongyu, et al.
Veröffentlicht: (2026)

Neural Factorization-based Bearing Fault Diagnosis
von: Li, Zhenhao, et al.
Veröffentlicht: (2025)

UniFault: A Fault Diagnosis Foundation Model from Bearing Data
von: Eldele, Emadeldeen, et al.
Veröffentlicht: (2025)

DF-GNN: Dynamic Fusion Framework for Attention Graph Neural Networks on GPUs
von: Liu, Jiahui, et al.
Veröffentlicht: (2024)

Can Hessian-Based Insights Support Fault Diagnosis in Attention-based Models?
von: Jahan, Sigma, et al.
Veröffentlicht: (2025)

Deep Learning Approach to Bearing and Induction Motor Fault Diagnosis via Data Fusion
von: Sehri, Mert, et al.
Veröffentlicht: (2025)

Efficient and Interpretable Neural Networks Using Complex Lehmer Transform
von: Ataei, Masoud, et al.
Veröffentlicht: (2025)

A Physics-Aware Attention LSTM Autoencoder for Early Fault Diagnosis of Battery Systems
von: Yang, Jiong
Veröffentlicht: (2025)

Class Incremental Fault Diagnosis under Limited Fault Data via Supervised Contrastive Knowledge Distillation
von: Zhang, Hanrong, et al.
Veröffentlicht: (2025)

RaaS: Reasoning-Aware Attention Sparsity for Efficient LLM Reasoning
von: Hu, Junhao, et al.
Veröffentlicht: (2025)

GRAF: Graph Attention-aware Fusion Networks
von: Kesimoglu, Ziynet Nesibe, et al.
Veröffentlicht: (2023)

MAMAF-Net: Motion-Aware and Multi-Attention Fusion Network for Stroke Diagnosis
von: Degerli, Aysen, et al.
Veröffentlicht: (2023)

Generation of Uncorrelated Residual Variables for Chemical Process Fault Diagnosis via Transfer Learning-based Input-Output Decoupled Network
von: Pan, Zhuofu, et al.
Veröffentlicht: (2024)

TFN: An Interpretable Neural Network with Time-Frequency Transform Embedded for Intelligent Fault Diagnosis
von: Chen, Qian, et al.
Veröffentlicht: (2022)

Overcoming Negative Transfer by Online Selection: Distant Domain Adaptation for Fault Diagnosis
von: Wang, Ziyan, et al.
Veröffentlicht: (2024)

MSRFormer: Road Network Representation Learning using Multi-scale Feature Fusion of Heterogeneous Spatial Interactions
von: Yang, Jian, et al.
Veröffentlicht: (2025)

Shapley-based Explainable AI for Clustering Applications in Fault Diagnosis and Prognosis
von: Cohen, Joseph, et al.
Veröffentlicht: (2023)

Fault Diagnosis across Heterogeneous Domains via Self-Adaptive Temporal-Spatial Attention and Sample Generation
von: Li, Guangqiang, et al.
Veröffentlicht: (2025)

Hypergraph Contrastive Sensor Fusion for Multimodal Fault Diagnosis in Induction Motors
von: Ali, Usman, et al.
Veröffentlicht: (2025)

Bearing Fault Diagnosis using Graph Sampling and Aggregation Network
von: Chen, Jiaying, et al.
Veröffentlicht: (2024)

Brain-Inspired Spiking Neural Networks for Industrial Fault Diagnosis: A Survey, Challenges, and Opportunities
von: Wang, Huan, et al.
Veröffentlicht: (2023)

The Binary Quantized Neural Network for Dense Prediction via Specially Designed Upsampling and Attention
von: Ding, Xingyu, et al.
Veröffentlicht: (2024)

A Spatio-Temporal Graph Neural Networks Approach for Predicting Silent Data Corruption inducing Circuit-Level Faults
von: Wei, Shaoqi, et al.
Veröffentlicht: (2025)

Twin Transformer using Gated Dynamic Learnable Attention mechanism for Fault Detection and Diagnosis in the Tennessee Eastman Process
von: Labbaf-Khaniki, Mohammad Ali, et al.
Veröffentlicht: (2024)

Selective Aggregation for Low-Rank Adaptation in Federated Learning
von: Guo, Pengxin, et al.
Veröffentlicht: (2024)

An Advanced Convolutional Neural Network for Bearing Fault Diagnosis under Limited Data
von: Sun, Shengke, et al.
Veröffentlicht: (2025)

BAFNet: Bilateral Attention Fusion Network for Lightweight Semantic Segmentation of Urban Remote Sensing Images
von: Wang, Wentao, et al.
Veröffentlicht: (2024)

Leveraging Auxiliary Task Relevance for Enhanced Bearing Fault Diagnosis through Curriculum Meta-learning
von: Wang, Jinze, et al.
Veröffentlicht: (2024)

Joint Attention-Guided Feature Fusion Network for Saliency Detection of Surface Defects
von: Jiang, Xiaoheng, et al.
Veröffentlicht: (2024)

DPFAGA-Dynamic Power Flow Analysis and Fault Characteristics: A Graph Attention Neural Network
von: Le, Tan, et al.
Veröffentlicht: (2025)

A Fault Diagnosis Method for Centrifugal Compressors Based on Ontology and Bayesian Network Fusion Reasoning
von: Xinxin Zhou, et al.
Veröffentlicht: (2025)

Multi-Head Attention as a Source of Catastrophic Forgetting in MoE Transformers
von: Chen, Anrui, et al.
Veröffentlicht: (2026)

Few-shot Class-incremental Fault Diagnosis by Preserving Class-Agnostic Knowledge with Dual-Granularity Representations
von: Yang, Zhendong, et al.
Veröffentlicht: (2025)

Multi-scale Quaternion CNN and BiGRU with Cross Self-attention Feature Fusion for Fault Diagnosis of Bearing
von: Liu, Huanbai, et al.
Veröffentlicht: (2024)

Fault Diagnosis and Quantification for Photovoltaic Arrays based on Differentiable Physical Models
von: Yang, Zenan, et al.
Veröffentlicht: (2025)