《表4 分类算法的结果:基于动力学仿真数据的高速列车蛇行状态识别》
表4为常见的机器学习和深度学习方法的分类结果。结果表明,无论是机器学习模型还是深度学习模型,均能通过仿真数据进行训练,再来识别和分类真实数据中的蛇行失稳状态,并得到了较好的结果。这说明了基于高速列车的仿真模型获得的数据能够用于深度学习模型的训练,从而解决实测数据中蛇行失稳样本少,且难以采集的问题,从而能够通过有限的实际数据建立更为复杂的深度学习模型。
图表编号 | XD00210283300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.31 |
作者 | 赵飞、宁静、方明宽、陈春俊 |
绘制单位 | 西南交通大学机械工程学院、西南交通大学机械工程学院、轨道交通运维技术与装备四川省重点实验室、西南交通大学机械工程学院、西南交通大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |