研究论文
Multi-granularity hybrid graph adversarial network based on unsupervised domain adaptation for fault diagnosis
Li Jiang, Liangjia Wang, Liwen Mei, Wei Lei, Yibing Li
Wuhan University of Technology Zhengzhou University of Science and Technology Yutong (China) Nanjing Institute of Technology
来源Expert Systems with Applications
年份2026
阅读操作
确认中在文库中上传 PDF 后可生成中文音频讲解。
摘要与影响
摘要 · 节选
暂未获取摘要。可打开原文或 PDF，后续可基于全文生成更完整的速读。
逐年被引趋势
110
126
关键指标
1
被引次数 · OpenAlex
7.81
领域内被引倍数
同类平均 = 1
同类平均 = 1
前 4%
引用位次
同领域 · 同年份 · 同类型
同领域 · 同年份 · 同类型
30
参考文献
Google Scholar 与 OpenAlex 的被引统计范围不同，数值存在差异属正常。
AI 辅助阅读
依据：文献信息
论文问答
当前基于文献信息回答
可就本文提问；依据不足时会说明。
学术脉络
学科主题
计算机 / AIAdvanced Graph Neural Networks
Machine Fault Diagnosis Techniques · Machine Learning and ELM
参考文献 30
A theory of learning from different domains
被引 3,576Shai Ben-David, John Blitzer, Koby Crammer · Machine Learning · 2009
A New Convolutional Neural Network-Based Data-Driven Fault Diagnosis Method
被引 2,163Long Wen, Xinyu Li, Liang Gao · IEEE Transactions on Industrial Electronics · 2017
Multi-Layer domain adaptation method for rolling bearing fault diagnosis
被引 472Xiang Li, Zhang We, Qian Ding · Signal Processing · 2018
此处列出前 3 条
引用本文 1
Toward cross-domain zero-shot diagnosis: Integrating fault type and severity assessment in complex mechanical systems
被引 0Qiuyu Yang, Yuyi Lin, Jiangjun Ruan · ISA Transactions · 2026
按被引量排序，此处列出前 3 条