...
机译:大数据驱动作业在离散制造系统中剩余时间预测:基于深入的学习方法
Nanjing Univ Aeronaut & Astronaut Sch Mech & Elect Engn Nanjing Jiangsu Peoples R China|Purdue Univ Sch Mech Engn W Lafayette IN 47907 USA;
Nanjing Univ Aeronaut & Astronaut Sch Mech & Elect Engn Nanjing Jiangsu Peoples R China;
Nanjing Univ Aeronaut & Astronaut Sch Mech & Elect Engn Nanjing Jiangsu Peoples R China|Nanjing Univ Sci & Technol Sch Mech Engn Nanjing Jiangsu Peoples R China;
Purdue Univ Sch Mech Engn W Lafayette IN 47907 USA;
Nanjing Univ Aeronaut & Astronaut Sch Mech & Elect Engn Nanjing Jiangsu Peoples R China;
big data; job shop; jobs remaining time prediction; stacked sparse autoencoder; deep learning;
机译:基于增强学习的分布式动态数据驱动应用系统预测方法
机译:一类离散时间非线性系统的具有迭代预测算法的新型数据驱动终端迭代学习控制
机译:Covid-19模型时变参数的识别与预测:数据驱动的深度学习方法
机译:基于深度学习的新型编码器/解码器模型,用于剩余使用寿命预测
机译:数据驱动的非平稳EMA故障检测方法以及对剩余使用寿命的调查
机译:基于工件异常事件监控和智慧制造车间工具剩余使用寿命预测的车间主动调度
机译:Covid-19型号时变参数的识别与预测:数据驱动的深度学习方法