Buchumschlag

Learning to Hear Broken Motors: Signature-Guided Data Augmentation for Induction-Motor Diagnostics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ali, Saraa, Khizhik, Aleksandr, Svirin, Stepan, Ryzhikov, Artem, Derkach, Denis
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Intelligent Algorithms For Signature Diagnostics Of Three-Phase Motors
von: Svirin, Stepan, et al.
Veröffentlicht: (2024)

Fault Diagnosis on Induction Motor using Machine Learning and Signal Processing
von: Samiullah, Muhammad, et al.
Veröffentlicht: (2024)

Temperature Estimation in Induction Motors using Machine Learning
von: Li, Dinan, et al.
Veröffentlicht: (2025)

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

Fault Analysis And Predictive Maintenance Of Induction Motor Using Machine Learning
von: Venkatesh, Kavana, et al.
Veröffentlicht: (2024)

A Multimodal Lightweight Approach to Fault Diagnosis of Induction Motors in High-Dimensional Dataset
von: Ali, Usman
Veröffentlicht: (2025)

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

Calibrating for the Future:Enhancing Calorimeter Longevity with Deep Learning
von: Ali, S., et al.
Veröffentlicht: (2024)

Ensemble Distributionally Robust Bayesian Optimisation
von: Ramazyan, Tigran, et al.
Veröffentlicht: (2026)

Motor Vehicle Accident Severity Prediction Via Machine Learning
von: Chandolu, Abhinav
Veröffentlicht: (2025)

Online Neural Networks for Change-Point Detection
von: Hushchyn, Mikhail, et al.
Veröffentlicht: (2020)

Learning Nonlinear Systems In-Context: From Synthetic Data to Real-World Motor Control
von: Jian, Tong, et al.
Veröffentlicht: (2026)

Uncertainty Quantification for Motor Imagery BCI -- Machine Learning vs. Deep Learning
von: Suurmeijer, Joris, et al.
Veröffentlicht: (2025)

Learning to Control DC Motor for Micromobility in Real Time with Reinforcement Learning
von: Poudel, Bibek, et al.
Veröffentlicht: (2021)

Decoding Motor Behavior Using Deep Learning and Reservoir Computing
von: Lan, Tian
Veröffentlicht: (2025)

Talking Trees: Reasoning-Assisted Induction of Decision Trees for Tabular Data
von: Yakushev, George, et al.
Veröffentlicht: (2025)

Foundational Policy Acquisition via Multitask Learning for Motor Skill Generation
von: Yamamori, Satoshi, et al.
Veröffentlicht: (2023)

Performance Modeling of Data Storage Systems using Generative Models
von: Al-Maeeni, Abdalaziz Rashid, et al.
Veröffentlicht: (2023)

The Challenge of Out-Of-Distribution Detection in Motor Imagery BCIs
von: Mulder, Merlijn Quincent, et al.
Veröffentlicht: (2026)

Longitudinal Digital Phenotyping for Early Cognitive-Motor Screening
von: Jimenez-Oviedo, Diego, et al.
Veröffentlicht: (2026)

Optimisation of the Accelerator Control by Reinforcement Learning: A Simulation-Based Approach
von: Ibrahim, Anwar, et al.
Veröffentlicht: (2025)

Unsupervised Adaptive Deep Learning Method For BCI Motor Imagery Decoding
von: Ouahidi, Yassine El, et al.
Veröffentlicht: (2024)

Predictive Maintenance of Electric Motors Using Supervised Learning Models: A Comparative Analysis
von: Baradaran, Amir Hossein
Veröffentlicht: (2025)

Geometry-Aware Deep Congruence Networks for Manifold Learning in Cross-Subject Motor Imagery
von: Manivannan, Sanjeev, et al.
Veröffentlicht: (2025)

LGL-BCI: A Motor-Imagery-Based Brain-Computer Interface with Geometric Learning
von: Lu, Jianchao, et al.
Veröffentlicht: (2023)

Leveraging Recurrent Neural Networks for Predicting Motor Movements from Primate Motor Cortex Neural Recordings
von: Wang, Yuanxi, et al.
Veröffentlicht: (2024)

Measuring and Mitigating Biases in Motor Insurance Pricing
von: Moriah, Mulah, et al.
Veröffentlicht: (2023)

RL-ABC: Reinforcement Learning for Accelerator Beamline Control
von: Ibrahim, Anwar, et al.
Veröffentlicht: (2026)

Global Optimisation of Black-Box Functions with Generative Models in the Wasserstein Space
von: Ramazyan, Tigran, et al.
Veröffentlicht: (2024)

Oscillatory Signatures of Parkinson's Disease: Central and Parietal EEG Alterations Across Multiple Frequency Bands
von: Lensky, Artem
Veröffentlicht: (2025)

Graph Neural Networks Uncover Geometric Neural Representations in Reinforcement-Based Motor Learning
von: Nardi, Federico, et al.
Veröffentlicht: (2024)

Abstractive summarization from Audio Transcription
von: Derkach, Ilia
Veröffentlicht: (2024)

Estimation of Motor Unit Parameters from Surface Electromyograms using an Informed Autoencoder
von: Balzereit, Kaja, et al.
Veröffentlicht: (2026)

Guided Data Augmentation for Offline Reinforcement Learning and Imitation Learning
von: Corrado, Nicholas E., et al.
Veröffentlicht: (2023)

MVCNet: Multi-View Contrastive Network for Motor Imagery Classification
von: Wang, Ziwei, et al.
Veröffentlicht: (2025)

Mathematical Insights into Protein Architecture: Persistent Homology and Machine Learning Applied to the Flagellar Motor
von: Lamine, Zakaria, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for cross-subject Motor Imagery classification
von: Manivannan, Prithviraj, et al.
Veröffentlicht: (2024)

Multi-output Classification Framework and Frequency Layer Normalization for Compound Fault Diagnosis in Motor
von: Yi, Wonjun, et al.
Veröffentlicht: (2025)

Distilling Normalizing Flows
von: Walton, Steven, et al.
Veröffentlicht: (2025)

Perceptual Motor Learning with Active Inference Framework for Robust Lateral Control
von: Delavari, Elahe, et al.
Veröffentlicht: (2025)