《表1 网络结构参数:基于深度度量学习的电机故障诊断》
卷积网络层的结构直接影响了网络模型的效果,因此网络结构参数的选择尤为重要。本文经过多次测试对比,最终选取的CNN的具体结构参数如表1所示。网络采用Relu作为激活函数,初始化网络参数时使用Uniform均匀分布,范围为[-0.1,0.1]。网络使用Adam优化器,学习率设置为0.06。Dropout设置为0.7,用来避免网络出现过拟合现象。这种结构既保证网络能学习到尽可能多的特征,同时也防止了过拟合现象。
图表编号 | XD00161936200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.18 |
作者 | 张永宏、王逸飞、赵晓平、吴家新、王丽华 |
绘制单位 | 南京信息工程大学自动化学院、南京信息工程大学自动化学院、南京信息工程大学计算机与软件学院、南京信息工程大学江苏省网络监控中心、南京信息工程大学计算机与软件学院、南京信息工程大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |