Cristin-resultat-ID: 2020560
Sist endret: 13. september 2022, 14:56
NVI-rapporteringsår: 2022
Resultat
Vitenskapelig artikkel
2022

A sustainable deep learning framework for fault detection in 6G Industry 4.0 heterogeneous data environments

Bidragsytere:
  • Tinhinane Mezair
  • Youcef Djenouri
  • Asma Belhadi
  • Gautam Srivastava og
  • Jerry Chun-Wei Lin

Tidsskrift

Computer Communications
ISSN 0140-3664
e-ISSN 1873-703X
NVI-nivå 1
Finn i kanalregisteret

Om resultatet

Vitenskapelig artikkel
Publiseringsår: 2022
Publisert online: 2022
Volum: 187
Sider: 164 - 171
Open Access

Lenker

original online (doi)

Importkilder

Scopus-ID: 2-s2.0-85125536750

Beskrivelse Beskrivelse

Tittel

A sustainable deep learning framework for fault detection in 6G Industry 4.0 heterogeneous data environments

Bidragsytere

Tinhinane Mezair

  • Tilknyttet:
    Forfatter
    ved Algerie

Youcef Djenouri

  • Tilknyttet:
    Forfatter
    ved Mathematics and Cybernetics ved SINTEF AS

Asma Belhadi

  • Tilknyttet:
    Forfatter
    ved School of Economics, Innovation, and Technology ved Høyskolen Kristiania

Gautam Srivastava

  • Tilknyttet:
    Forfatter
    ved China Medical University
  • Tilknyttet:
    Forfatter
    ved Brandon University

Jerry Chun-Wei Lin

  • Tilknyttet:
    Forfatter
    ved Institutt for datateknologi, elektroteknologi og realfag ved Høgskulen på Vestlandet
1 - 5 av 5