مدل ترکیبی CNN–Transformer برای پیشبینی RUL بر اساس دادههای NASA CMAPSS
-توسعه یک مدل یادگیری عمیق جهت پیشبینی عمر باقیمانده موتور (RUL) با استفاده از دادههای چندحسی
-ترکیب رمزگذارهای 1D CNN و Transformer برای استخراج ویژگیهای زمانی از دادهها
-پیادهسازی کامل فرایند پیشپردازش شامل نرمالسازی و تقسیم پنجرهای دادهها
-استفاده از تابع زیان نامتقارن جهت کاهش خطای بحرانی در برآورد بیش از حد عمر موتور
-تجسم نتایج پیشبینی با نمودارهای منحنی RUL، پراکنش، و توزیع خطا