《表1 训练所需数据集：基于自适应神经网络的矿井提升机故障诊断》
提示：宽带有限、当前游客访问压缩模式
对下载的数据集进行整理后，随机抽取部分作为验证数据，并按照3∶1的比例分为训练样本集和测试集，如表1所示。
| 图表编号 | XD00166637700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.01 |
| 作者 | 王建军、武秋俊、王晋涛 |
| 绘制单位 | 河北机电职业技术学院、河北机电职业技术学院、河北机电职业技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 数据集类别划分：一种基于深度神经网络的滚动轴承故障诊断方法》2020.09.01
- 《表6 约简对应规则集：矿井提升机运行状态监测与故障诊断研究》2020.11.28
- 《表1 特征矩阵数据：基于BP神经网络的风电系统控制器I/O硬件故障自诊断方法》2020.05.25
- 《表1 数据描述：基于深度一维残差卷积自编码网络的齿轮箱故障诊断》2020.04.05
- 《表1 数据描述：基于深度一维残差卷积自编码网络的齿轮箱故障诊断》2020.04.05
- 《表2 属性集的数据特征：基于自适应鲸鱼优化算法结合Elman神经网络的股市收盘价预测算法》2020.05.10
- 《表1 数据集的详细信息：基于稠密卷积网络的轴承故障诊断》2020.08.18
- 《表1 轴承数据集信息：基于EEMD和堆叠稀疏自编码的滚动轴承故障诊断方法》2020.04.18
- 《表1 训练数据：基于自适应神经网络的时序数据n步预测算法》2019.10.31
- 《表3 自适应果蝇优化神经网络算法故障诊断结果》2019.09.25
- 《表2 训练数据：基于概率神经网络的燃气调压器故障诊断模型》2019.09.01
- 《表2 仿真诊断结果：基于自适应遗传优化RBF神经网络的船舶柴油机故障诊断》2019.07.01
- 《表1 训练数据：基于LVQ神经网络的高压断路器机械故障诊断方法》2019.08.16
- 《表1 数据集明细：基于深度神经网络的提升机轴承故障诊断研究》2019.08.15
- 《表1 故障数据样本：基于自组织映射神经网络对低压断路器的故障诊断》2019.02.25
- 《表2 振动位移评价标准：基于本体的矿井提升机主轴系统故障诊断方法》2019.01.01
- 《表2 训练集数据描述：基于无损约束降噪稀疏自编码的滚动轴承故障诊断技术》2019.02.08
- 《表1 训练样本数据：基于BP神经网络的整流电路的故障诊断》2018.04.01
- 《表1 部分训练数据集：基于遗传规划的导弹自适应控制方法研究》2018.04.01
- 《表1 训练样本数据：基于BP神经网络的涡轴发动机故障诊断研究》2019.12.30