《表3 6种模型对照实验结果表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于BiSNet的航天发动机转子智能健康监控》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为对比Bi SNet与常用模型在本模拟数据集上的性能，根据文献[12]调研的现阶段常用故障诊断网络——全连接神经网络、卷积神经网络和循环神经网络，结合本数据集为序列振动数据特点，因此选用主流循环神经网络——长短期记忆网络LSTM（Long Short Term Memory Network）[12]组合全连接神经网络作为对比Bi SNet的基准神经网络，在发动机某部件转子振动信号模拟数据集上采用传统常用的阈值判定法[13]与四种基准对比神经网络模型（单LSTM回归、双LSTM回归、单LSTM分类、双LSTM分类）以及Bi SNet网络共6种模型进行训练评估，得到实验结果对照如表3所示。