W artykule "Konserwacja predykcyjna i wykrywanie anomalii w silnikach statków kosmicznych oparte na uczeniu glębokim" przedstawiono inteligentną platformę wykorzystującą techniki uczenia glębokiego do monitorowania stanu technicznego silników statków kosmicznych, identyfikowania nietypowych warunków pracy oraz przewidywania potencjalnych awarii, zanim do nich dojdzie. Dzięki analizie danych z czujników zebranych podczas pracy silnika proponowane podejście pozwala wykrywac ukryte wzorce i wczesne oznaki pogorszenia stanu technicznego, umożliwiając terminowe przeprowadzenie konserwacji i zmniejszając ryzyko niepowodzenia misji. Zaawansowane modele sieci neuronowych, takie jak architektury rekurencyjne i konwolucyjne, zwiększają dokladnośc wykrywania usterek i wspierają podejmowanie decyzji w czasie rzeczywistym. Proponowany system zwiększa niezawodnośc statków kosmicznych, minimalizuje koszty konserwacji, wydluża żywotnośc silników oraz przyczynia się do bezpieczniejszych i bardziej wydajnych misji kosmicznych. Badania te pokazują potencjal sztucznej inteligencji w zakresie transformacji strategii konserwacji predykcyjnej w przemyśle lotniczym i kosmicznym.
"synopsis" may belong to another edition of this title.
Seller: Grand Eagle Retail, Bensenville, IL, U.S.A.
Paperback. Condition: new. Paperback. W artykule "Konserwacja predykcyjna i wykrywanie anomalii w silnikach statkow kosmicznych oparte na uczeniu glebokim" przedstawiono inteligentna platforme wykorzystujaca techniki uczenia glebokiego do monitorowania stanu technicznego silnikow statkow kosmicznych, identyfikowania nietypowych warunkow pracy oraz przewidywania potencjalnych awarii, zanim do nich dojdzie. Dzieki analizie danych z czujnikow zebranych podczas pracy silnika proponowane podejscie pozwala wykrywac ukryte wzorce i wczesne oznaki pogorszenia stanu technicznego, umozliwiajac terminowe przeprowadzenie konserwacji i zmniejszajac ryzyko niepowodzenia misji. Zaawansowane modele sieci neuronowych, takie jak architektury rekurencyjne i konwolucyjne, zwiekszaja dokladnosc wykrywania usterek i wspieraja podejmowanie decyzji w czasie rzeczywistym. Proponowany system zwieksza niezawodnosc statkow kosmicznych, minimalizuje koszty konserwacji, wydluza zywotnosc silnikow oraz przyczynia sie do bezpieczniejszych i bardziej wydajnych misji kosmicznych. Badania te pokazuja potencjal sztucznej inteligencji w zakresie transformacji strategii konserwacji predykcyjnej w przemysle lotniczym i kosmicznym. This item is printed on demand. Shipping may be from multiple locations in the US or from the UK, depending on stock availability. Seller Inventory # 9786630086836
Seller: PBShop.store US, Wood Dale, IL, U.S.A.
PAP. Condition: New. New Book. Shipped from UK. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000. Seller Inventory # L0-9786630086836
Seller: PBShop.store UK, Fairford, GLOS, United Kingdom
PAP. Condition: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000. Seller Inventory # L0-9786630086836
Quantity: Over 20 available
Seller: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Germany
Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 72 pp. Polnisch. Seller Inventory # 9786630086836
Seller: AHA-BUCH GmbH, Einbeck, Germany
Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - W artykule 'Konserwacja predykcyjna i wykrywanie anomalii w silnikach statków kosmicznych oparte na uczeniu gżżbokim' przedstawiono inteligentnż platformż wykorzystujżcż techniki uczenia gżżbokiego do monitorowania stanu technicznego silników statków kosmicznych, identyfikowania nietypowych warunków pracy oraz przewidywania potencjalnych awarii, zanim do nich dojdzie. Dziżki analizie danych z czujników zebranych podczas pracy silnika proponowane podejżcie pozwala wykrywä ukryte wzorce i wczesne oznaki pogorszenia stanu technicznego, umożliwiajżc terminowe przeprowadzenie konserwacji i zmniejszajżc ryzyko niepowodzenia misji. Zaawansowane modele sieci neuronowych, takie jak architektury rekurencyjne i konwolucyjne, zwiżkszajż dokżadnożż wykrywania usterek i wspierajż podejmowanie decyzji w czasie rzeczywistym. Proponowany system zwiżksza niezawodnożż statków kosmicznych, minimalizuje koszty konserwacji, wydżuża żywotnożż silników oraz przyczynia siż do bezpieczniejszych i bardziej wydajnych misji kosmicznych. Badania te pokazujż potencjä sztucznej inteligencji w zakresie transformacji strategii konserwacji predykcyjnej w przemyżle lotniczym i kosmicznym. Seller Inventory # 9786630086836
Seller: CitiRetail, Stevenage, United Kingdom
Paperback. Condition: new. Paperback. W artykule "Konserwacja predykcyjna i wykrywanie anomalii w silnikach statkow kosmicznych oparte na uczeniu glebokim" przedstawiono inteligentna platforme wykorzystujaca techniki uczenia glebokiego do monitorowania stanu technicznego silnikow statkow kosmicznych, identyfikowania nietypowych warunkow pracy oraz przewidywania potencjalnych awarii, zanim do nich dojdzie. Dzieki analizie danych z czujnikow zebranych podczas pracy silnika proponowane podejscie pozwala wykrywac ukryte wzorce i wczesne oznaki pogorszenia stanu technicznego, umozliwiajac terminowe przeprowadzenie konserwacji i zmniejszajac ryzyko niepowodzenia misji. Zaawansowane modele sieci neuronowych, takie jak architektury rekurencyjne i konwolucyjne, zwiekszaja dokladnosc wykrywania usterek i wspieraja podejmowanie decyzji w czasie rzeczywistym. Proponowany system zwieksza niezawodnosc statkow kosmicznych, minimalizuje koszty konserwacji, wydluza zywotnosc silnikow oraz przyczynia sie do bezpieczniejszych i bardziej wydajnych misji kosmicznych. Badania te pokazuja potencjal sztucznej inteligencji w zakresie transformacji strategii konserwacji predykcyjnej w przemysle lotniczym i kosmicznym. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability. Seller Inventory # 9786630086836
Quantity: 1 available
Seller: buchversandmimpf2000, Emtmannsberg, BAYE, Germany
Taschenbuch. Condition: Neu. This item is printed on demand - Print on Demand Titel. Neuware -W artykule 'Konserwacja predykcyjna i wykrywanie anomalii w silnikach statków kosmicznych oparte na uczeniu gżżbokim' przedstawiono inteligentnż platformż wykorzystujżcż techniki uczenia gżżbokiego do monitorowania stanu technicznego silników statków kosmicznych, identyfikowania nietypowych warunków pracy oraz przewidywania potencjalnych awarii, zanim do nich dojdzie. Dziżki analizie danych z czujników zebranych podczas pracy silnika proponowane podejżcie pozwala wykrywä ukryte wzorce i wczesne oznaki pogorszenia stanu technicznego, umożliwiajżc terminowe przeprowadzenie konserwacji i zmniejszajżc ryzyko niepowodzenia misji. Zaawansowane modele sieci neuronowych, takie jak architektury rekurencyjne i konwolucyjne, zwiżkszajż dokżadnożż wykrywania usterek i wspierajż podejmowanie decyzji w czasie rzeczywistym. Proponowany system zwiżksza niezawodnożż statków kosmicznych, minimalizuje koszty konserwacji, wydżuża żywotnożż silników oraz przyczynia siż do bezpieczniejszych i bardziej wydajnych misji kosmicznych. Badania te pokazujż potencjä sztucznej inteligencji w zakresie transformacji strategii konserwacji predykcyjnej w przemyżle lotniczym i kosmicznym. 72 pp. Polnisch. Seller Inventory # 9786630086836
Seller: preigu, Osnabrück, Germany
Taschenbuch. Condition: Neu. UTRZYMANIE RUCHU OPARTE NA DEEP LEARNINGU | I WYKRYWANIE ANOMALII W SILNIKACH POJAZDÓW KOSMICZNYCH | Ms. D. Banu Kranthi (u. a.) | Taschenbuch | Polnisch | 2026 | Wydawnictwo Nasza Wiedza | EAN 9786630086836 | Verantwortliche Person für die EU: preigu GmbH & Co. KG, Lengericher Landstr. 19, 49078 Osnabrück, mail[at]preigu[dot]de | Anbieter: preigu Print on Demand. Seller Inventory # 136936277