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

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

Article de revue (2022)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Voir chez l'éditeur officiel
Département:
Département de génie mécanique
Adresse 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
OAI:
oai:publications.polymtl.ca:50544
ORCID
Date du dépôt:
18 avr. 2023 14:59
Dernière modification:
14 oct. 2026 14:06
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

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document