标题 |
SEFormer: A Lightweight CNN-Transformer Based on Separable Multiscale Depthwise Convolution and Efficient Self-Attention for Rotating Machinery Fault Diagnosis
SEFormer:一种基于可分离多尺度深度卷积和高效自注意力的轻量级CNN-Transformer,用于旋转机械故障诊断
相关领域
可分离空间
变压器
计算机科学
卷积(计算机科学)
断层(地质)
算法
人工智能
工程类
数学
电气工程
数学分析
电压
地质学
人工神经网络
地震学
|
网址 | |
DOI | |
其它 |
期刊:Computers, materials & continua 作者:Hongxing Wang; Xinge Ju; Zhu Hua; Huafeng Li 出版日期:2024-01-01 |
求助人 | |
下载 | 暂无链接,等待应助者上传 |
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|