Diagnóstico de fallas de máquinas: experimentos con diferentes mecanismos de atención utilizando una arquitectura ligera SqueezeNet
Autores: Zabin, Mahe; Choi, Ho-Jin; Kabir, Muhammad Kubayeeb; Kabir, Anika Nahian Binte; Uddin, Jia
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Diagnóstico de fallas de máquinas: experimentos con diferentes mecanismos de atención utilizando una arquitectura ligera SqueezeNet
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Inteligencia artificial
Modelos de aprendizaje profundo
Clasificación de fallas
Complejidad computacional
Autoatención
SqueezeNet
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
A medida que avanza la tecnología de inteligencia artificial, los modelos de aprendizaje profundo se utilizan cada vez más para la clasificación de fallas en máquinas. Sin embargo, una desventaja significativa de los modelos actuales de vanguardia es su alta complejidad computacional, lo que los hace inadecuados para su implementación en dispositivos portátiles.
Descripción
A medida que avanza la tecnología de inteligencia artificial, los modelos de aprendizaje profundo se utilizan cada vez más para la clasificación de fallas en máquinas. Sin embargo, una desventaja significativa de los modelos actuales de vanguardia es su alta complejidad computacional, lo que los hace inadecuados para su implementación en dispositivos portátiles.