Q1 2026

DBDA-net: An interpretable multi-source domain adaptive model for bearing fault diagnosis using dual-end vibration signals

Ziang Du · Yanfei Liu · Zhaoqiang Wang · Congbao Tian · Qian Zhang
10.1007/s44443-026-00803-6 398 المشاهدات 0 الاقتباسات
0
الاقتباسات
398
المشاهدات
الملخص غير متوفر لهذا المنشور.
الاستشهاد بهذا المقال (APA)
Ziang, D., Yanfei, L., Zhaoqiang, W., Congbao, T., Qian, Z. (2026). DBDA-net: An interpretable multi-source domain adaptive model for bearing fault diagnosis using dual-end vibration signals. Journal of King Saud University - Computer and Information Sciences. https://doi.org/10.1007/s44443-026-00803-6
أبحاث ذات صلة
A lightweight model for indoor object detection in unstructured scenes based on joint attention and …
Zhizhong Xing; Leping Li; Ying Yang; Wei Zhou; Guolan Ma; Shaochun Chen; Lechun · 2026
13
استشهاد
424
DDM-YOLO: A lightweight oriented detection model for mature daylily fruits in complex environments
Minqiu Kuang; Xuejie Zou; Fangping Xie; Xiaojian Li; Shang Chen; Dawei Liu; Yuxu · 2026
8
استشهاد
430
Information guided Levy flight for robot search in unknown environments
Weitao Zhao; Zati Hakim Azizul; Xin Lyu; Weijie Kuang · 2026
4
استشهاد
411
3
استشهاد
504
Bridging the gap: A comprehensive survey on AI-driven digital twin networks for future wireless syst…
Yousef Sanjalawe; Salam Fraihat; Salam Al-E’mari; Sharif Naser Makhadmeh · 2026
3
استشهاد
417
الوصول
عرض النص الكامل عبر DOI
نُشر في
الرقم الدولي ISSN 1319-1578
الربعية Q1
درجة المؤشر القياس العربي 100
التخصص Computer Science & AI
الناشر Elsevier / King Saud University
الدولة 🇸🇦 Saudi Arabia
عرض ملف المجلة →
المؤلفون
تفاصيل النشر
السنة 2026
اللغة English
أُضيف في 06 Jul 2026