《表4 三组训练样本的详细信息》
为进一步验证本文方法的优越性,比较4种迁移学习模型在小样本情况下的性能,设置了3组不同容量的训练样本,如表4所示。对4种工况下的12个案例组合进行研究,训练和测试方法与上述相同。结果如表5所示,在相同样本容量下比较,SAE+Softmax+HKL诊断网络在12个案例中的诊断精度都是最高的,相较于FTNN,平均提升2.29%,其中提升最大的达到10.46%,最小有0.19%。
图表编号 | XD00222490100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 张根保、李浩、冉琰、李裘进 |
绘制单位 | 重庆大学机械工程学院、重庆大学机械传动国家重点实验室、重庆文理学院智能制造工程学院、重庆大学机械工程学院、重庆大学机械工程学院、重庆大学机械传动国家重点实验室、重庆大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |