diplomsko delo Visokošolskega strokovnega študijskega programa I. stopnje Strojništvo
Gregor Balkovec (Author), Janko Slavič (Mentor)

Abstract

Obravnavan je potencial strojnega učenja pri identifikaciji napak v ležajih. V začetku je predstavljeno stanje znanosti na tem področju, katere metode strojnega učenja se uporabljajo in njihova uspešnost. Nato so predstavljene osnove najpogostejših metod. Sledi implementacija teh metod na novem naboru podatkov, ki predstavlja bolj realne pogoje vgradnje ležajev. Na koncu so metode primerjane med seboj.

Keywords

diplomske naloge;strojno učenje;umetna inteligenca;k-bližnjih sosedov;metoda podpornih vektorjev;večslojni perceptron;python;scikit-learn;

Data

Language: Slovenian
Year of publishing:
Typology: 2.11 - Undergraduate Thesis
Organization: UL FS - Faculty of Mechanical Engineering
Publisher: [G. Balkovec]
UDC: 004.85:621.822(043.2)
COBISS: 30104067 Link will open in a new window
Views: 360
Downloads: 124
Average score: 0 (0 votes)
Metadata: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Other data

Secondary language: English
Secondary title: The potential of machine learning for fault identification in rotor dynamics
Secondary abstract: The potential of machine learning for fault identification in bearings is discussed. Firstly, the current state in the field is presented, which machine learning methods are most commonly used and their applicability. Secondly, the basics of selected methods are presented. Finally, the implementation of selected methods on a bearing dataset is discussed. In the end, the methods are compared with each other.
Secondary keywords: machine learning;artificial intelligence;k-nearest neighbor;support-vector machine;multilayer perceptron;python;scikit-learn;
Type (COBISS): Bachelor thesis/paper
Study programme: 0
Embargo end date (OpenAIRE): 1970-01-01
Thesis comment: Univ. v Ljubljani, Fak. za strojništvo
Pages: XXII, 44 str.
ID: 12039060
Recommended works:
, diplomsko delo Visokošolskega strokovnega študijskega programa I. stopnje Strojništvo
, s Pythonom do prvega klasifikatorja
, ǂa ǂsurvey of issues
, diplomsko delo Visokošolskega strokovnega študijskega programa I. stopnje Strojništvo
, magistrsko delo magistrskega študijskega programa II. stopnje Strojništvo