《表2 深度卷积神经网络模型》
为了体现故障变量与卷积核匹配的重要性,本文提出4种深度卷积神经网络模型,其网络模型见表2,然后选择表2中识别率最高的AC-CNN模型作为最终的网络模型。模型训练涉及的参数主要包含输入层故障变量重构情况、每个卷积层的滤波器数量和卷积核尺寸。
图表编号 | XD00122980700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.16 |
作者 | 衷路生、吴春磊 |
绘制单位 | 华东交通大学电气与自动化工程学院、华东交通大学电气与自动化工程学院 |
更多格式 | 高清、无水印(增值服务) |
为了体现故障变量与卷积核匹配的重要性,本文提出4种深度卷积神经网络模型,其网络模型见表2,然后选择表2中识别率最高的AC-CNN模型作为最终的网络模型。模型训练涉及的参数主要包含输入层故障变量重构情况、每个卷积层的滤波器数量和卷积核尺寸。
图表编号 | XD00122980700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.16 |
作者 | 衷路生、吴春磊 |
绘制单位 | 华东交通大学电气与自动化工程学院、华东交通大学电气与自动化工程学院 |
更多格式 | 高清、无水印(增值服务) |