Buchumschlag

Hierarchical knowledge guided fault intensity diagnosis of complex industrial systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sha, Yu, Gou, Shuiping, Liu, Bo, Faber, Johannes, Liu, Ningtao, Schramm, Stefan, Stoecker, Horst, Steckenreiter, Thomas, Vnucec, Domagoj, Wetzstein, Nadine, Widl, Andreas, Zhou, Kai
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Hierarchical Knowledge Loss for Fault Intensity Diagnosis
von: Sha, Yu, et al.
Veröffentlicht: (2026)

A Review of Machine Learning for Cavitation Intensity Recognition in Complex Industrial Systems
von: Sha, Yu, et al.
Veröffentlicht: (2025)

SPGCL: Simple yet Powerful Graph Contrastive Learning via SVD-Guided Structural Perturbation
von: Deng, Hao, et al.
Veröffentlicht: (2026)

¿Mujeres en conflicto con la maternidad? La entrega de un hijo en adopción o la transgresión de un ideal materno
von: Nadine Schramm
Veröffentlicht: (2007)

Graph Neural Networks Based Anomalous RSSI Detection
von: Bertalanič, Blaž, et al.
Veröffentlicht: (2025)

A proposal to fault diagnosis in industrial systems using bio-inspired strategies
von: Lídice Camps Echevarría
Veröffentlicht: (2011)

Ultra-imbalanced classification guided by statistical information
von: Jin, Yin, et al.
Veröffentlicht: (2024)

The fault in our sirens: Hierarchical diagnosis of waveform systematics in Hubble-Lemaître constant measurements
von: Dhani, Arnab, et al.
Veröffentlicht: (2025)

Few-shot fault diagnosis based on multi-scale graph convolution filtering for industry
von: Gan, Mengjie, et al.
Veröffentlicht: (2024)

Self-degraded contrastive domain adaptation for industrial fault diagnosis with bi-imbalanced data
von: Chen, Gecheng, et al.
Veröffentlicht: (2024)

Safe diagnosis of pattern faults of stochastic discrete‐event systems and verification algorithm
von: Hongzhen Zhu, et al.
Veröffentlicht: (2024)

Developing the construction industry for employment-intensive infrastructure investments: guide
von: Andreas Beusch, et al.
Veröffentlicht: (2019)

Prediction of Distant Metastasis in Head and Neck Cancer Patients Using Tumor and Peritumoral Multi-Modal Deep Learning
von: Tong, Nuo, et al.
Veröffentlicht: (2025)

Toward a foundation model for heavy-ion collision experiments based on point-cloud diffusion
von: Kuttan, Manjunath Omana, et al.
Veröffentlicht: (2024)

Ultra fast, event-by-event heavy-ion simulations for next generation experiments
von: Kuttan, Manjunath Omana, et al.
Veröffentlicht: (2025)

Canonical variate residual analysis for industrial processes fault detection
von: Yuting Li, et al.
Veröffentlicht: (2024)

Dynamic fault detection and diagnosis of industrial alkaline water electrolyzer process with variational Bayesian dictionary learning
von: Zhang, Qi, et al.
Veröffentlicht: (2024)

A novel fault diagnosis method for imbalanced datasets based on MCNN‐Transformer model in industrial processes
von: Rongyang Lu
Veröffentlicht: (2024)

On a Question of Erdős and Nešetřil About Minimal Cuts in a Graph
von: Domagoj Bradač
Veröffentlicht: (2024)

Nearly tight exponents for off-diagonal Ramsey numbers
von: Bradač, Domagoj
Veröffentlicht: (2026)

On a question of Erdős and Nešetřil about minimal cuts in a graph
von: Bradač, Domagoj
Veröffentlicht: (2024)

Adaptively Enhancing Facial Expression Crucial Regions via Local Non-Local Joint Network
von: Shi, Guanghui, et al.
Veröffentlicht: (2022)

Bridging academia and industry: A comprehensive review of advances, gaps, and future directions of fault detection and diagnosis ( FDD ) systems in the chemical industry
von: Sumana Roy, et al.
Veröffentlicht: (2025)

WiseMind: a knowledge-guided multi-agent framework for accurate and empathetic psychiatric diagnosis
von: Wu, Yuqi, et al.
Veröffentlicht: (2025)

Observer‐based fault diagnosis for autonomous systems
von: Agus Hasan
Veröffentlicht: (2024)

Interval parity relations design for fault diagnosis
von: Alexey Zhirabok, et al.
Veröffentlicht: (2024)

Expert knowledge-guided feature selection for data-based industrial process monitoring.
von: Cesar Uribe
Veröffentlicht: (2012)

Research on Dual Three‐Level Drive Topology and Modulation Method of Open‐End Winding PMSM With Dual Voltage Gain
von: Liping Zhong, et al.
Veröffentlicht: (2025)

A novel deep multi‐task learning model for spatial–temporal fault detection and diagnosis in industrial systems
von: Muhammad Asfandyar Shahid, et al.
Veröffentlicht: (2025)

Approaching epidemiological dynamics of COVID-19 with physics-informed neural networks
von: Han, Shuai, et al.
Veröffentlicht: (2023)

Application of intense pulsed light in the development of poly(vinyl butyral)‐based all‐solid‐state Ag/AgCl reference electrodes
von: Sara Krivačić, et al.
Veröffentlicht: (2024)

Classifier-guided neural blind deconvolution: a physics-informed denoising module for bearing fault diagnosis under heavy noise
von: Liao, Jing-Xiao, et al.
Veröffentlicht: (2024)

Bayesian Differentiable Physics for Cloth Digitalization
von: Gong, Deshan, et al.
Veröffentlicht: (2024)

A fast and stable fault diagnosis framework for industrial processes using a reconstruction‐based autoencoder and NSGA ‐ II
von: Kangshu Ying, et al.
Veröffentlicht: (2026)

Willow Notes
von: Wetzstein, A.
Veröffentlicht: (1900)

Dual-space Hierarchical Learning for Goal-guided Conversational Recommendation
von: Chen, Can, et al.
Veröffentlicht: (2023)

Why are the dilepton temperatures at the relativistic heavy-ion colliders are constant, T ~ 0.3 GeV?
von: Stoecker, Horst, et al.
Veröffentlicht: (2026)

A novel spatio‐temporal feature fusion‐based fault detection method for complex industrial processes
von: Jie Dong, et al.
Veröffentlicht: (2026)

Collaborative design of fault diagnosis and fault tolerance control under nested signal temporal logic specifications
von: Lu, Penghong, et al.
Veröffentlicht: (2025)

Model ‐based fault diagnosis and fault tolerant control in safety‐critical chemical reactors: An experimental study
von: Pu Du, et al.
Veröffentlicht: (2026)