×
验证码:
换一张
忘记密码?
记住我
×
登录
中文版
|
English
中国科学院南京天文光学技术研究所机构知识库
登录
注册
ALL
ORCID
题名
作者
学科领域
关键词
资助项目
文献类型
出处
收录类别
出版者
发表日期
存缴日期
学科门类
学习讨论厅
图片搜索
粘贴图片网址
首页
研究单元&专题
作者
文献类型
学科分类
知识图谱
新闻&公告
在结果中检索
研究单元&专题
期刊论文 [3]
会议论文 [1]
作者
侯旭 [2]
杜福嘉 [2]
Quan Liu [1]
Sijiong Zh... [1]
吴佳佳 [1]
徐灵哲 [1]
更多...
文献类型
期刊论文 [3]
会议论文 [1]
发表日期
2023 [2]
2020 [1]
2018 [1]
语种
英语 [2]
出处
Astronomy ... [1]
Computers ... [1]
IEEE TRANS... [1]
Proc. SPIE... [1]
资助项目
收录类别
资助机构
×
知识图谱
NIAOT OpenIR
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
浏览/检索结果:
共4条,第1-4条
帮助
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
发表日期升序
发表日期降序
作者升序
作者降序
题名升序
题名降序
WOS被引频次升序
WOS被引频次降序
期刊影响因子升序
期刊影响因子降序
提交时间升序
提交时间降序
A Current-Based Fault Diagnosis Method for Rotating Machinery With Limited Training Samples
期刊论文
IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT, 2023, 卷号: 72, 期号: *, 页码: 1-14
作者:
Hou X(侯旭)
;
Du FJ(杜福嘉)
;
Huang K(黄康)
浏览
  |  
Adobe PDF(4534Kb)
  |  
收藏
  |  
浏览/下载:47/15
  |  
提交时间:2024/03/18
Comb filter kernel(CF-kernel)
motor current signal analysis
convolutional neural network(CNN)
fault diagnosis
limited training sample
Machine learning-based seeing estimation and prediction using multi-layer meteorological data at Dome A,Antarctica
期刊论文
Astronomy and Computing, 2023, 卷号: 100710, 期号: 43, 页码: 1-12
作者:
Hou X(侯旭)
;
Du FJ(杜福嘉)
浏览
  |  
Adobe PDF(2162Kb)
  |  
收藏
  |  
浏览/下载:32/8
  |  
提交时间:2024/03/19
The Unanticipated States of Direct Drive System of Extremely Large Telescope in Extreme Environment
会议论文
Proc. SPIE 11445, California, United States, 2020-12-13
作者:
Yang SH(杨世海)
;
Li Y(李运)
;
Wu JJ(吴佳佳)
;
Xu LZ(徐灵哲)
;
Gu XJ(顾晓杰)
;
Xu J(徐进)
浏览
  |  
Adobe PDF(4135Kb)
  |  
收藏
  |  
浏览/下载:382/120
  |  
提交时间:2021/03/30
Large Telescope
Unanticipated States
Fault Diagnosis
Telescope Control System
Antarctica
Multi-view pedestrian captioning with an attention topic CNN model
期刊论文
Computers in Industry, 2018, 期号: 97, 页码: 47-53
作者:
Quan Liu
;
Sijiong Zhang
浏览
  |  
Adobe PDF(1033Kb)
  |  
收藏
  |  
浏览/下载:390/151
  |  
提交时间:2019/02/02
Image Captioning
Pedestrian Description
Multi-view Captions