دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Machine Learning-based Fault Diagnosis for Industrial Engineering Systems (Advances in Intelligent Decision-making, Systems Engineering, and Project Management)
دانلود کتاب عیب‌یابی مبتنی بر یادگیری ماشین برای سیستم‌های مهندسی صنایع (پیشرفت در تصمیم‌گیری هوشمند، مهندسی سیستم‌ها و مدیریت پروژه)
مشخصات کتاب
Machine Learning-based Fault Diagnosis for Industrial Engineering Systems (Advances in Intelligent Decision-making, Systems Engineering, and Project Management)
ویرایش:
نویسندگان: Rui Yang. Maiying Zhong
سری:
ISBN (شابک) : 1032147253, 9781032147253
ناشر: CRC Pr I Llc
سال نشر: 2022
تعداد صفحات: 80
[93]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 Mb
قیمت کتاب (تومان) : 54,000
در صورت تبدیل فایل کتاب Machine Learning-based Fault Diagnosis for Industrial Engineering Systems (Advances in Intelligent Decision-making, Systems Engineering, and Project Management) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب عیب‌یابی مبتنی بر یادگیری ماشین برای سیستم‌های مهندسی صنایع (پیشرفت در تصمیم‌گیری هوشمند، مهندسی سیستم‌ها و مدیریت پروژه) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب عیب‌یابی مبتنی بر یادگیری ماشین برای سیستم‌های مهندسی صنایع (پیشرفت در تصمیم‌گیری هوشمند، مهندسی سیستم‌ها و مدیریت پروژه)
این کتاب تکنیک های پیشرفته ای را برای جبران دقیق و تشخیص عیب سیستم های حرکتی دقیق و ماشین آلات دوار ارائه می دهد. تکنیک‌ها و کاربردها از طریق آزمایش‌ها و مطالعات موردی برای جبران دقیق دقیق و تشخیص خطا همراه با معرفی روش‌های یادگیری ماشین و یادگیری عمیق ارائه می‌شوند.
توضیحاتی درمورد کتاب به خارجی
This book provides advanced techniques for precision compensation and fault diagnosis of precision motion systems and rotating machinery. Techniques and applications through experiments and case studies for intelligent precision compensation and fault diagnosis are offered along with the introduction of machine learning and deep learning methods.
