Magyar
Toggle navigation
Tudóstér
Magyar
Tudóstér
Keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Böngészés
Saját polc tartalma
(
0
)
Korábbi keresések
CCL parancs
CCL
Összesen 3 találat.
#/oldal:
12
36
60
120
Rövid
Hosszú
MARC
Részletezés:
Rendezés:
Szerző növekvő
Szerző csökkenő
Cím növekvő
Cím csökkenő
Dátum növekvő
Dátum csökkenő
1.
001-es BibID:
BIBFORM062182
Első szerző:
Deák Krisztián (gépészmérnök)
Cím:
Tool Condition Monitoring Using Machine Learning / Deák Krisztián, Kocsis Imre, Vámosi Attila, Keviczki Zoltán
Dátum:
2014
ISBN:
978-963-473-751-3
Tárgyszavak:
Műszaki tudományok
Gépészeti tudományok
előadáskivonat
könyvrészlet
Megjelenés:
Proceedings of the 2nd International Scientific Conference on Advances in Mechanical Engineering (ISCAME 2014) / ed. Sándor Bodzás, Tamás Mankovits. - p. 15-33. -
További szerzők:
Kocsis Imre (1969-) (matematikus, gépészmérnök)
Vámosi Attila (1979-) (mérnök, informatikus)
Keviczki Zoltán
Internet cím:
Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:
2.
001-es BibID:
BIBFORM053443
Első szerző:
Deák Krisztián (gépészmérnök)
Cím:
Failure diagnostics with SVM in machine maintenance engineering / Krisztián Deák, Imre Kocsis, Attila Vámosi, Zoltán Keviczki
Dátum:
2014
ISSN:
1583-0691
Megjegyzések:
Failure diagnostics as a part of condition monitoring (CM) technique is inevitable in modern industrial practice. Condition Based Maintenance (CBM) identifies all problems that cause further failures and suggests maintenance periods. Reducing maintenance costs and enhancing system availability are largely depends on information provided by precise and accurate failure diagnostics. The approach can be used widely in the several field of the industry. Data acquisition is related to measurement then data processing, feature extraction is needed, finally failure identification. In this paper Support Vector Machine (SVM) is discussed how to be used for diagnosing machines and machine elements. The aim of using SVM is to diagnose the system at a certain moment or predict its actual state in the future. SVM is progressing rapidly several new advances are revealed as the part of machine learning techniques. Due to experiments SVM efficiency could be approximately 90% or even higher.
Tárgyszavak:
Műszaki tudományok
Gépészeti tudományok
idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:
Analele Universităţii din Oradea. Fascicula Inginerie Managerială şi Tehnologică = Annals of the Oradea University. Fascicle of Management and Technological Engineering. - 23 : 1 (2014), p. 19-24. -
További szerzők:
Kocsis Imre (1969-) (matematikus, gépészmérnök)
Vámosi Attila (1979-) (mérnök, informatikus)
Keviczki Zoltán
Internet cím:
Intézményi repozitóriumban (DEA) tárolt változat
DOI
Borító:
Saját polcon:
3.
001-es BibID:
BIBFORM053490
Első szerző:
Deák Krisztián (gépészmérnök)
Cím:
Failure diagnostics with SVM in machine maintenance engineering / Krisztián Deák, Imre Kocsis, Attila Vámosi, Zoltán Keviczki
Dátum:
2014
ISBN:
978 606 10 1276 3
Tárgyszavak:
Műszaki tudományok
Gépészeti tudományok
előadáskivonat
könyvrészlet
Megjelenés:
IMT Oradea - 2014 : Proceedings of the annual session of scientific papers / ed. Colin Baban, Florin Sandu Blaga, Gavril Grebenisan, Alexandru-Viorel Pele, Mircea Teodor Pop, Alexandru Rus, Radu Catalin Tarca. - p. 23-28. -
További szerzők:
Kocsis Imre (1969-) (matematikus, gépészmérnök)
Vámosi Attila (1979-) (mérnök, informatikus)
Keviczki Zoltán
Internet cím:
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:
Rekordok letöltése
1
Corvina könyvtári katalógus v8.2.27
© 2023
Monguz kft.
Minden jog fenntartva.