采用DarkNet19模型作为基础,结合迁移学习用于故障识别任务。 在DarkNet19的基础上,引入了GRU和多头自注意力机制(MSA),以提高特征抓取能力。 数据预处理: 利用马尔可夫场将一维波形数据转化为图像数据,为模型输入做准备。 超参数优化: 针对DarkNet19-GRU-MSA模型的超参数,采用自适应t分布和莱维飞行改进的麻雀搜索法进...
将该方法应用于 IASCASCE Benchmark 框架结构数值模型及 3 层钢框架结构模型试验, 对比研究了多通道 MTF,单通道 MTF 和原始数据矩阵 3 种数据输入方式, CNN,长短时记忆 (long short term memory, 简称 LSTM) 神 经网络和深度神经网络 (deep neural network, 简称 DNN) 3 种网络模型, 以及噪声对框架结构...
将该方法应用于IASC⁃ASCE Benchmark框架结构数值模型及3层钢框架结构模型试验，对比研究了多通道MTF、单通道MTF和原始数据矩阵3种数据输入方式，CNN、长短时记忆（long short term memory，简称LSTM）神经网络和深度神经网络（deep neural network，简称DNN）3种网络模型，以及噪声对框架结构损伤识别准确率的影响。结果...
衡量镜头解像能力性能的指标-MTF曲线 MTF(Modulation Transfer Function,模量传递函数),是目前分析镜头解像能力的方法,可以用来评判镜头还原物体对比度的能力。说到MTF,不得不先提一下衡量镜头性能的两在重要指标--分辨率和反差。 一、分辨率: 分辨率(Resolution)又称分辨力、鉴别率、鉴别力、分析力、解像力和分辨本领,...
贝叶斯优化卷积神经网络-长短期记忆网络融合多头注意力机制多变量时间序列预测模型可以更好地处理多变量时间序列数据的复杂性。它可以自动搜索最优超参数配置,并通过卷积神经网络提取局部特征,利用LSTM网络建模序列中的长期依赖关系,并借助多头注意力机制捕捉变量之间的关联性,从而提高时间序列预测的准确性和性能。
涨点创新 | 基于 Informer-LSTM的并行预测模型 建模先锋 271 0 图卷积故障诊断,新增GAT、SGCN、GIN分类模型 建模先锋 36 0 超强!一区直接写!基于SSA+Informer-SENet故障诊断模型 建模先锋 44 0 独家创新 | KAN、KAN卷积结合注意力机制! 建模先锋 39 0 1DCNN-2DResNet并行故障诊断模型 建模先锋 74 0 ...
Cancel Create saved search Sign in Sign up Reseting focus {{ message }} ludhmtf / AlphaTree-graphic-deep-neural-network Public forked from weslynn/AlphaTree-graphic-deep-neural-network Notifications You must be signed in to change notification settings Fork 0 ...
情绪对股价走势无疑非常重要,当前的大多数研究依赖于低效的情绪数据集,这往往会导致模型性能不佳,[68]提出的两流门控循环单元发现比LSTM模型性能更佳。另外他们提出了Stock2Vec嵌入模型,并在使用哈佛IV-4的同时,对模型的稳健性进行了市场风险的证明。 [69]提出了一项聚光灯下的深度学习技术(spotlighted deep learni...
Python轴承故障诊断 (五)基于EMD-LSTM的故障分类 建模先锋 444 0 时频图像/多模态+顶会论文创新,故障诊断发文不是梦! 建模先锋 37 0 超强!一区直接写!基于SSA+Informer-SENet故障诊断模型 建模先锋 48 0 图卷积故障诊断,新增GAT、SGCN、GIN分类模型 建模先锋 39 0 Python轴承故障诊断 (13)基于故障信号...
1.一种CNN与ELM相结合的船舶分类识别方法2.一种LSTM与CNN相结合的步态识别方法3.一种动静结合的框架结构损伤识别方法4.基于Faster R-CNN的发动机叶片损伤识别方法研究5.不平衡样本下基于CVAE和CNN的结构损伤识别方法 因版权原因,仅展示原文概要,查看原文内容请购买©...