Buchumschlag

CARLE: A Hybrid Deep-Shallow Learning Framework for Robust and Explainable RUL Estimation of Rolling Element Bearings

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Razzaq, Waleed, Zhao, Yun-Bo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Novel Multimodal RUL Framework for Remaining Useful Life Estimation with Layer-wise Explanations
von: Razzaq, Waleed, et al.
Veröffentlicht: (2025)

Developing Distance-Aware, and Evident Uncertainty Quantification in Dynamic Physics-Constrained Neural Networks for Robust Bearing Degradation Estimation
von: Razzaq, Waleed, et al.
Veröffentlicht: (2025)

Neuronal Stochastic Attention Circuit (NSAC) for Probabilistic Representation Learning
von: Razzaq, Waleed, et al.
Veröffentlicht: (2026)

FLUID: Continuous-Time Hyperconnected Sparse Transformer for Sink-Free Learning
von: Razzaq, Waleed, et al.
Veröffentlicht: (2026)

Neuronal Attention Circuit (NAC) for Representation Learning
von: Razzaq, Waleed, et al.
Veröffentlicht: (2025)

Utilizing Autoregressive Networks for Full Lifecycle Data Generation of Rolling Bearings for RUL Prediction
von: Wang, Junliang, et al.
Veröffentlicht: (2024)

An Unsupervised Framework for Dynamic Health Indicator Construction and Its Application in Rolling Bearing Prognostics
von: Sun, Tongda, et al.
Veröffentlicht: (2025)

HybridoNet-Adapt: A Domain-Adapted Framework for Accurate Lithium-Ion Battery RUL Prediction
von: Tran, Khoa, et al.
Veröffentlicht: (2025)

BACE-RUL: A Bi-directional Adversarial Network with Covariate Encoding for Machine Remaining Useful Life Prediction
von: Zhang, Zekai, et al.
Veröffentlicht: (2025)

Deep Minds and Shallow Probes
von: Lee, Su Hyeong, et al.
Veröffentlicht: (2026)

Hybrid Attribution Priors for Explainable and Robust Model Training
von: Zhang, Zhuoran, et al.
Veröffentlicht: (2025)

A Robust Deep Learning System for Motor Bearing Fault Detection: Leveraging Multiple Learning Strategies and a Novel Double Loss Function
von: Tran, Khoa, et al.
Veröffentlicht: (2023)

Enhancing Psychologists' Understanding through Explainable Deep Learning Framework for ADHD Diagnosis
von: Rehman, Abdul, et al.
Veröffentlicht: (2026)

A Survey on Explainable Deep Reinforcement Learning
von: Cheng, Zelei, et al.
Veröffentlicht: (2025)

Asymmetric-Loss-Guided Hybrid CNN-BiLSTM-Attention Model for Industrial RUL Prediction with Interpretable Failure Heatmaps
von: Abdullah, Mohammed Ezzaldin Babiker
Veröffentlicht: (2026)

ABE: A Unified Framework for Robust and Faithful Attribution-Based Explainability
von: Zhu, Zhiyu, et al.
Veröffentlicht: (2025)

F-Fidelity: A Robust Framework for Faithfulness Evaluation of Explainable AI
von: Zheng, Xu, et al.
Veröffentlicht: (2024)

An Explainable Ensemble Learning Framework for Crop Classification with Optimized Feature Pyramids and Deep Networks
von: Masud, Syed Rayhan, et al.
Veröffentlicht: (2026)

A Novel Preprocessing-Driven Approach to Remaining Useful Life (RUL) Prediction Using Temporal Convolutional Networks (TCN)
von: Imbert, Florent, et al.
Veröffentlicht: (2026)

Cloning Ideology and Style using Deep Learning
von: Beg, Omer, et al.
Veröffentlicht: (2022)

LeafLife: An Explainable Deep Learning Framework with Robustness for Grape Leaf Disease Recognition
von: Alam, B. M. Shahria, et al.
Veröffentlicht: (2026)

CNN-LSTM Hybrid Deep Learning Model for Remaining Useful Life Estimation
von: G, Muthukumar, et al.
Veröffentlicht: (2024)

REPEAT: Improving Uncertainty Estimation in Representation Learning Explainability
von: Wickstrøm, Kristoffer K., et al.
Veröffentlicht: (2024)

A Dual-Agent Adversarial Framework for Robust Generalization in Deep Reinforcement Learning
von: Xie, Zhengpeng, et al.
Veröffentlicht: (2025)

TeaLeafVision: An Explainable and Robust Deep Learning Framework for Tea Leaf Disease Classification
von: Ahamed, Rafi, et al.
Veröffentlicht: (2026)

A Distance-based Anomaly Detection Framework for Deep Reinforcement Learning
von: Zhang, Hongming, et al.
Veröffentlicht: (2021)

Quantifying Robustness: A Benchmarking Framework for Deep Learning Forecasting in Cyber-Physical Systems
von: Windmann, Alexander, et al.
Veröffentlicht: (2025)

Using Part-based Representations for Explainable Deep Reinforcement Learning
von: Kirtas, Manos, et al.
Veröffentlicht: (2024)

GRACE: A Language Model Framework for Explainable Inverse Reinforcement Learning
von: Sapora, Silvia, et al.
Veröffentlicht: (2025)

A Distributionally Robust Framework for Nuisance in Causal Effect Estimation
von: Tanimoto, Akira
Veröffentlicht: (2025)

Combining Deep Learning and Explainable AI for Toxicity Prediction of Chemical Compounds
von: Popescu, Eduard, et al.
Veröffentlicht: (2025)

Towards Explainable Deep Learning for Ship Trajectory Prediction in Inland Waterways
von: Legel, Tom, et al.
Veröffentlicht: (2026)

Explainable Machine Learning Framework for Cardiovascular Disease Diagnosis and Prognosis
von: Sourov, Md. Emon Akter, et al.
Veröffentlicht: (2025)

An Explainable Machine Learning Framework for the Accurate Diagnosis of Ovarian Cancer
von: Newaz, Asif, et al.
Veröffentlicht: (2023)

Controllable Data Generation by Deep Learning: A Review
von: Wang, Shiyu, et al.
Veröffentlicht: (2022)

Hybrid Cross-domain Robust Reinforcement Learning
von: Van, Linh Le Pham, et al.
Veröffentlicht: (2025)

Smart Grid: A Survey of Architectural Elements, Machine Learning and Deep Learning Applications and Future Directions
von: Thilakarathne, Navod Neranjan, et al.
Veröffentlicht: (2020)

Explainable Hierarchical Deep Learning Neural Networks (Ex-HiDeNN)
von: Batley, Reza T., et al.
Veröffentlicht: (2025)

Deep Disentangled Representation Network for Treatment Effect Estimation
von: Meng, Hui, et al.
Veröffentlicht: (2025)

Algorithms for Adversarially Robust Deep Learning
von: Robey, Alexander
Veröffentlicht: (2025)