Deep learning LSTM for predicting thermally induced geometric errors using rotary axes powers as input parameters

Huy Vu Ngoc, J. R. René Mayer et Elie Bitar-Nehme

Article de revue (2022)

Un lien externe est disponible pour ce document

Département:	Département de génie mécanique
URL de PolyPublie:	https://publications.polymtl.ca/50544/
Titre de la revue:	CIRP Journal of Manufacturing Science and Technology (vol. 37)
Maison d'édition:	Elsevier Ltd
DOI:	10.1016/j.cirpj.2021.12.009
URL officielle:	https://doi.org/10.1016/j.cirpj.2021.12.009
Date du dépôt:	18 avr. 2023 14:59
Dernière modification:	25 sept. 2024 16:40

Citer en APA 7:	Ngoc, H. V., Mayer, J. R. R., & Bitar-Nehme, E. (2022). Deep learning LSTM for predicting thermally induced geometric errors using rotary axes powers as input parameters. CIRP Journal of Manufacturing Science and Technology, 37, 70-80. https://doi.org/10.1016/j.cirpj.2021.12.009
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Répertoire des publications (EndNote)Simple Metadata

Statistiques

Actions réservées au personnel