Comparison of Conditional and Non-Conditional Data Augmentation Approaches with Generative Adversarial Networks: A Case Study on Bearing Fault Diagnosis
Procedia Computer Science · 2025 · 270 · 1696-1705
DOI: 10.1016/j.procs.2025.09.290 ↗Kurz gefasst
Fachartikel in der Zeitschrift Procedia Computer Science, 2025. Verfasst von Timo König und 4 weiteren Autor:innen. Die Arbeit wurde bisher 2-mal zitiert (Crossref) und nennt 26 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0). Gefördert von: Bundesministerium für Wirtschaft und Klimaschutz.
Abstract (Originalsprache)
Kein Abstract verfügbar.
Förderung
- Bundesministerium für Wirtschaft und Klimaschutz
Zitieren
APA
König, T., Ramananda, A. M., Wagner, F., Kley, M., & Liebschner, M. (2025). Comparison of Conditional and Non-Conditional Data Augmentation Approaches with Generative Adversarial Networks: A Case Study on Bearing Fault Diagnosis. Procedia Computer Science, 270, 1696-1705. https://doi.org/10.1016/j.procs.2025.09.290
Vancouver
König T, Ramananda AM, Wagner F, Kley M, Liebschner M. Comparison of Conditional and Non-Conditional Data Augmentation Approaches with Generative Adversarial Networks: A Case Study on Bearing Fault Diagnosis. Procedia Computer Science. 2025;270:1696-1705. doi:10.1016/j.procs.2025.09.290
BibTeX
@article{Knig2025,
author = {König, Timo and Ramananda, Akash Mangaluru and Wagner, Fabian and Kley, Markus and Liebschner, Marcus},
title = {Comparison of Conditional and Non-Conditional Data Augmentation Approaches with Generative Adversarial Networks: A Case Study on Bearing Fault Diagnosis},
journal = {Procedia Computer Science},
year = {2025},
volume = {270},
pages = {1696--1705},
doi = {10.1016/j.procs.2025.09.290}
}
EUVIMED