Wykaz publikacji wybranego autora

Tomasz Barszcz, prof. dr hab. inż.

profesor zwyczajny

Wydział Inżynierii Mechanicznej i Robotyki
WIMiR-krm, Katedra Robotyki i Mechatroniki

  • 2018

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / inżynieria mechaniczna

[poprzednia klasyfikacja] obszar nauk technicznych / dziedzina nauk technicznych / automatyka i robotyka

Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0002-1656-4930 orcid iD

ResearcherID: HHS-2538-2022

Scopus: 25521161400

PBN: 5e709208878c28a04738eece

OPI Nauka Polska

System Informacyjny AGH (SkOs)

1
2

  • Concept of automated malfunction detection of large turbomachinery using machine learning on transient data — Metoda automatycznej detekcji niesprawności dużych turbozespołów z zastosowaniem metod uczenia maszynowego na danych ze stanów przejściowych / Tomasz BARSZCZ, Mateusz Zabaryłło // Diagnostyka / Polskie Towarzystwo Diagnostyki Technicznej ; ISSN 1641-6414. — 2019 vol. 20 no. 1, s. 63–71. — Bibliogr. s. 70–71, Abstr., Streszcz.. — Publikacja dostępna online od: 2018-12-17. — W spisie treści numeru inny tytuł: Concept of automated fault detection of large turbomachinery using Machine Learning on transient data. — M. Zabaryłło - afiliacja: General Electric Sp. z o. o., Elbląg. — tekst: http://www.diagnostyka.net.pl/pdf-100399-32504?filename=Concept%20of%20automated.pdf

    orcid iD

  • słowa kluczowe: uczenie maszynowe, turbozespół, dane ze stanów przejściowych, modelowanie wirników

    keywords: machine learning, turbomachinery, digital twin, rotor modelling, transient data

    cyfrowy identyfikator dokumentu: 10.29354/diag/100399

3
4