《表4 综合评价指标体系：基于改进深层极限学习机的故障诊断方法》

  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

《基于改进深层极限学习机的故障诊断方法》

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

目前关于深层网络的参数设定没有系统性的方法来确定，大多通过经验采取交叉验证来获取最优参数，笔者采用n-fold交叉验证方法。本研究的SNP-DELM采用5层网络结构，具体维数为3 000-1 500-500-100-4(4为标签矩阵的维度），激活函数采用sigmoid函数，隐含层参数为：α=0.6，γ=0.4，λ=10-5，C=10-8，k=15。普通深层DELM隐藏层参数也设置为3 000-1 500-500-100-4，激活函数为sigmoid函数，DELM的C设置为10-8。单层ELM网络结构设定为3 000-100-4，C设定为10-8。SAE的网络维数也为3 000-1 500-500-100-4，激活函数为sigmoid函数，学习率为0.5，批次为20，迭代次数为100，分类器为softmax。CNN第1个卷积层共有7个11*11卷积核，第1个池化层池化核为5*5；第2个卷积层共有18个5*5卷积核，第2个池化层池化核为2*2，学习率为0.5，批次为20，迭代次数为100，分类器为softmax。为减少随机初始权值对分类效果的影响，共作10次测试，诊断结果如表4所示，其准确率如图10所示，所提出算法10次运算结果混淆矩阵如图11所示。