Low-Power Vibration-Based Predictive Maintenance for Industry 4.0 Using Neural Networks: A Survey
Vasilache, Alexandru
1; Nitzsche, Sven 1; Floegel, Daniel 2; Schuermann, Tobias
2; Dosky, Stefan von; Bierweiler, Thomas; Mußler, Marvin; Kälber, Florian; Hohmann, Soeren 2; Becker, Juergen 1
1 Institut für Technik der Informationsverarbeitung (ITIV), Karlsruher Institut für Technologie (KIT)
2 Institut für Regelungs- und Steuerungssysteme (IRS), Karlsruher Institut für Technologie (KIT)
1; Nitzsche, Sven 1; Floegel, Daniel 2; Schuermann, Tobias
2; Dosky, Stefan von; Bierweiler, Thomas; Mußler, Marvin; Kälber, Florian; Hohmann, Soeren 2; Becker, Juergen 11 Institut für Technik der Informationsverarbeitung (ITIV), Karlsruher Institut für Technologie (KIT)
2 Institut für Regelungs- und Steuerungssysteme (IRS), Karlsruher Institut für Technologie (KIT)
| Zugehörige Institution(en) am KIT | Institut für Regelungs- und Steuerungssysteme (IRS) Institut für Technik der Informationsverarbeitung (ITIV) |
| Publikationstyp | Proceedingsbeitrag |
| Publikationsjahr | 2026 |
| Sprache | Englisch |
| Identifikator | ISBN: 978-3-032-25307-1 ISSN: 1865-0929 KITopen-ID: 1000194066 |
| Erschienen in | Machine Learning and Principles and Practice of Knowledge Discovery in Databases : International Workshops of ECML PKDD 2024, Vilnius, Lithuania, September 9–13, 2024, Revised Selected Papers, Part I. Ed.: M. Cerrato |
| Veranstaltung | European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD 2024), Vilnius, Litauen, 09.09.2024 – 13.09.2024 |
| Verlag | Springer Nature Switzerland |
| Seiten | 149-161 |
| Serie | Communications in Computer and Information Science (CCIS) ; 2558 |
| Vorab online veröffentlicht am | 08.05.2026 |
| Externe Relationen | Abstract/Volltext |
| Nachgewiesen in | OpenAlex Scopus |