Accueil › Annuaire des chercheurs › Adel Boudiaf
Adel Boudiaf
Affiliation : Research Center in Industrial Technologies
- 17Publications (affiliation algérienne)
- 22Publications au total
- 328Citations
- 9Indice h
Profil de recherche
Adel Boudiaf compte 17 publications référencées (2015–2026). Ses travaux paraissent principalement dans « Journal of Failure Analysis and Prevention », « The International Journal of Advanced Manufacturing Technology » et « Sensors ». Son article le plus cité, « A Comparative Study of Various Methods of Bearing Faults Diagnosis Using the Case Western Reserve University Data » (2016), a été cité 138 fois. 9 de ces publications datent des trois dernières années d’activité. Ses travaux sont cosignés avec au moins 12 chercheurs, notamment dans des établissements de France.
C’est vous ? Faites connaître vos travaux
Créez gratuitement votre profil DzCademia et ajoutez vos articles : ils apparaîtront plus facilement sur Google et dans les assistants d’IA comme ChatGPT. Plus de personnes pourront vous lire et vous citer.
Créer mon profil gratuit Ajouter mes publicationsDomaines de recherche
- Industrial Vision Systems and Defect Detection
- Machine Fault Diagnosis Techniques
- Fault Detection and Control Systems
- Gear and Bearing Dynamics Analysis
- Non-Destructive Testing Techniques
Publications (17)
- Bearing fault diagnosis based on continuous wavelet transform, dynamic time warping, and multi-layer perceptron
- Hybrid Diagnostic Framework for Interpretable Bearing Fault Classification Using CNN and Dual-Stage Feature Selection
- FL-DDQN: A federated double deep Q-learning framework for enhancing irrigation management across family multi-farms environments
- YOLOv8-Based Photovoltaic Module Detection Using Aerial Imagery
- A Robust ML-Based Diagnostic Procedure for Rotating Machinery under Varying Noise, Speed, and Load Conditions
- Steel surface defect recognition using classifier combination
- Development of Hybrid Models Based on AlexNet and Machine Learning Approaches for Strip Steel Surface Defect Classification
- Steel Surface Defects Classification Based on Multi-Derivatives Locally Encoded Transform Feature Histogram (LETRIST) Features
- Computer Vision-Based PV Module Fault Recognition Using a Transfer Learning Approach
- Classification of Surface Defects on Steel Strip Images using Convolution Neural Network and Support Vector Machine
- Automatic surface defect recognition for hot-rolled steel strip using AlexNet convolutional neural network
- Binary Gabor pattern (BGP) descriptor and principal component analysis (PCA) for steel surface defects classification
- Image compression of surface defects of the hot-rolled steel strip using Principal Component Analysis
- Identification approaches for steel strip surface defects in hot rolling Process
- A Comparative Study of Various Methods of Bearing Faults Diagnosis Using the Case Western Reserve University Data
- A summary of vibration analysis techniques for fault detection and diagnosis in bearing
- Vibration-based gearbox fault diagnosis by DWPT and PCA approaches and an adaptive neuro-fuzzy inference system
Revues de publication
- Journal of Failure Analysis and Prevention × 3
- The International Journal of Advanced Manufacturing Technology × 2
- Sensors × 1
- Journal of Ambient Intelligence and Smart Environments × 1
- Lecture notes in networks and systems × 1
- International Conference on Applied Automation and Industrial Diagnostics (ICAAID) × 1
Publications par année
- 20261
- 20254
- 20244
- 20222
- 20201
- 20191
- 20181
- 20162
- 20151
Collaborations
Établissements partenaires : University of Guelma · Université Oran 1 Ahmed Ben Bella · University of Biskra · University of Boumerdes · University Center of Barika
Pays des co-auteurs : France
Co-auteurs
- Rachid Zaghdoudi
- Slimane Ziani
- Abdelmalek Bouguettaya
- Issam Attoui
- Said Benlahmidi
- Khaled Harrar
- Amine Dahane
- Hamid Séridi
- Abdelkrim Moussaoui
- A. Mellit
- Nadir Fergani
- Mohamed Elhachemi Saouli
Données bibliographiques issues d’OpenAlex (base ouverte).
Pourquoi choisir Dzcademia ?
Pour donner à vos travaux plus de chances d’être découverts et recommandés par les IA. Profils, articles et communications : donnez à votre recherche une présence publique structurée. Les métadonnées intégrées aident les moteurs de recherche et les assistants IA à identifier vos travaux et à comprendre leurs références.
Commenter avec Google
Connecte-toi avec Google pour commenter directement sur cette page.