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

Graph Neural Networks With Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data

Aleksandr Kovalenko, Vitaliy Pozdnyakov, Ilya Makarov

IEEE Access · 2024 · 12 · 152860-152872

DOI: 10.1109/access.2024.3481331 ↗

Kurz gefasst

Fachartikel in der Zeitschrift IEEE Access, 2024. Verfasst von Aleksandr Kovalenko und 2 weiteren Autor:innen. Die Arbeit wurde bisher 38-mal zitiert (Crossref) und nennt 64 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0). Gefördert von: Analytical Center for the Government of the Russian Federation.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Analytical Center for the Government of the Russian Federation

Zitieren

APA

Kovalenko, A., Pozdnyakov, V., & Makarov, I. (2024). Graph Neural Networks With Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data. IEEE Access, 12, 152860-152872. https://doi.org/10.1109/access.2024.3481331

Vancouver

Kovalenko A, Pozdnyakov V, Makarov I. Graph Neural Networks With Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data. IEEE Access. 2024;12:152860-152872. doi:10.1109/access.2024.3481331

BibTeX
@article{Kovalenko2024,
  author = {Kovalenko, Aleksandr and Pozdnyakov, Vitaliy and Makarov, Ilya},
  title = {Graph Neural Networks With Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data},
  journal = {IEEE Access},
  year = {2024},
  volume = {12},
  pages = {152860--152872},
  doi = {10.1109/access.2024.3481331}
}
Kostenlos starten →