banca dati delle tesi e dissertazioni accademiche elettroniche
| Tipo di tesi | Tesi di laurea magistrale | ||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Autore | DRUSIANI, MATTEO | ||||||||||||||||||||||||||||||
| URN | etd-11072019-120747 | ||||||||||||||||||||||||||||||
| Titolo | Applicazioni di Deep Learning per Conditiopn Monitoring di componenti meccanici | ||||||||||||||||||||||||||||||
| Titolo in inglese | Deep Learning Solutions for Condition Monitoring of mechanical components | ||||||||||||||||||||||||||||||
| Struttura | Dipartimento di Ingegneria "Enzo Ferrari" | ||||||||||||||||||||||||||||||
| Corso di studi | Ingegneria Informatica (D.M.270/04) | ||||||||||||||||||||||||||||||
| Commissione |
|
||||||||||||||||||||||||||||||
| Parole chiave |
|
||||||||||||||||||||||||||||||
| Data inizio appello | 2019-12-02 | ||||||||||||||||||||||||||||||
| Disponibilità | Accesso limitato: si può decidere quali file della tesi rendere accessibili. Disponibilità mixed (scegli questa opzione se vuoi rendere inaccessibili tutti i file della tesi o parte di essi) | ||||||||||||||||||||||||||||||
| Data di rilascio | 2059-12-02 | ||||||||||||||||||||||||||||||
Riassunto analitico
Condition Monitoring is one of the crucial fields in the "industry 4.0" world. The aim of the thesis is developing robust Deep Learning Models for condition monitoring of mechanical components in a real working environments. Many different architectures, training approaches and models are exploited, studied and applied on the problem. The obtained results are compared with Machine Learning models created for solving the same task and developed by third part. |
|||||||||||||||||||||||||||||||
Abstract
Condition Monitoring is one of the crucial fields in the "industry 4.0" world. The aim of the thesis is developing robust Deep Learning Models for condition monitoring of mechanical components in a real working environments. Many different architectures, training approaches and models are exploited, studied and applied on the problem. The obtained results are compared with Machine Learning models created for solving the same task and developed by third part. |
|||||||||||||||||||||||||||||||
| File |
|
||||||||||||||||||||||||||||||