QQ客服 官方微博 反馈留言

浏览/检索结果: 共8条，第1-8条 帮助 限定条件 内容类型：会议     已选(0)清除 条数/页：5101520253035404550556065707580859095100   排序方式：请选择作者升序作者降序题名升序题名降序发表日期升序发表日期降序提交时间升序提交时间降序 Identification of soot particles in air using polarization scattering method (CPCI-S收录) 会议 作者:  Li, Da[1,2];  Zeng, Nan[1,2];  Zeng, Maomao[1,2];  Liao, Ran[1,2];  Ma, Hui[1,2] 收藏  |  浏览/下载：1/0  |  提交时间：2019/04/11 Scattering  particles  polarization   Highly stable and efficient platinum nanoparticles supported on TiO2@Ru-C: investigations on the promoting effects of the interpenetrated TiO (CPCI-S收录) 会议 作者:  Li, Zuopeng[1];  Guo, Yong[1];  Liu, Zhen[2];  Wu, Xin[2];  Zeng, Jianhuang[2] 收藏  |  浏览/下载：13/0  |  提交时间：2019/04/11 TiO2@Ru  stability  electrocatalysts  utilization efficiency   Gearbox fault classification using S-transform and convolutional neural network (EI收录) 会议 Nanjing, China, 作者:  Zeng, Xueqiong[1];  Liao, Yixiao[1];  Li, Weihua[1,2] 收藏  |  浏览/下载：2/0  |  提交时间：2019/04/11 Bearings (structural)  Classification (of information)  Complex networks  Convolution  Feature extraction  Gears  Neural networks   Gearbox fault classification using S-transform and convolutional neural network (CPCI-S收录) 会议 作者:  Zeng, Xueqiong[1];  Liao, Yixiao[1];  Li, Weihua[1,2] 收藏  |  浏览/下载：7/0  |  提交时间：2019/04/11 classification  Convolutional neural network  S transform  gear  bearing   Machine fault classification using deep belief network (EI收录) 会议 Taipei, Taiwan, 作者:  Chen, Zhuyun[1];  Zeng, Xueqiong[1];  Li, Weihua[1];  Liao, Guanglan[2] 收藏  |  浏览/下载：2/0  |  提交时间：2019/04/11 Feature extraction   Characterizing the micro structure and kinetics of fast changing samples by simultaneous polarization measurements (CPCI-S收录) 会议 作者:  Liao, Ran[1];  He, Honghui[1];  Zeng, Nan[1];  Ma, Hui[1,2] 收藏  |  浏览/下载：2/0  |  提交时间：2019/04/11 optical scattering  polarization  dynamic sample  kinetics   Machine Fault Classification Using Deep Belief Network (CPCI-S收录) 会议 作者:  Chen, Zhuyun[1];  Zeng, Xueqiong[1];  Li, Weihua[1];  Liao, Guanglan[2] 收藏  |  浏览/下载：1/0  |  提交时间：2019/04/11 Feature Learning  Restricted Boltzmann Machine (RBM)  DBN  Deep Learning  Fault Classification   Electrochemical Behavior of Spherical LiFePO4/C Nanomaterial in Aqueous Electrolyte, and Novel Aqueous Rechargeable Lithium Battery with LiFe (CPCI-S收录) 会议 作者:  Zeng, Xiaoyuan;  Liu, Quanbin;  Chen, Meifeng;  Leng, Limin;  Shu, Ting 收藏  |  浏览/下载：8/0  |  提交时间：2019/04/11 Lithium ion battery  Electrochemical properties  LiFePO4  Aqueous electrolyte