EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

Resource-efficient Edge AI solution for predictive maintenance

Viktor Artiushenko, Sebastian Lang, Christoph Lerez, Tobias Reggelin, Matthias Hackert-Oschätzchen

Procedia Computer Science · 2024 · 232 · 348-357

DOI: 10.1016/j.procs.2024.01.034 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Procedia Computer Science, 2024. Verfasst von Viktor Artiushenko und 4 weiteren Autor:innen. Die Arbeit wurde bisher 28-mal zitiert (Crossref) und nennt 21 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Zitieren

APA

Artiushenko, V., Lang, S., Lerez, C., Reggelin, T., & Hackert-Oschätzchen, M. (2024). Resource-efficient Edge AI solution for predictive maintenance. Procedia Computer Science, 232, 348-357. https://doi.org/10.1016/j.procs.2024.01.034

Vancouver

Artiushenko V, Lang S, Lerez C, Reggelin T, Hackert-Oschätzchen M. Resource-efficient Edge AI solution for predictive maintenance. Procedia Computer Science. 2024;232:348-357. doi:10.1016/j.procs.2024.01.034

BibTeX
@article{Artiushenko2024,
  author = {Artiushenko, Viktor and Lang, Sebastian and Lerez, Christoph and Reggelin, Tobias and Hackert-Oschätzchen, Matthias},
  title = {Resource-efficient Edge AI solution for predictive maintenance},
  journal = {Procedia Computer Science},
  year = {2024},
  volume = {232},
  pages = {348--357},
  doi = {10.1016/j.procs.2024.01.034}
}
Kostenlos starten →