《表2 模型参数表:基于改进型深度网络数据融合的滚动轴承故障识别》
卷积网络模型为图4所示的“卷积-池化-卷积-池化-卷积-池化-卷积-池化-卷积-池化-全连接-softmax分类器”结构,五层的卷积池化结构从1 024维的原始时域信号提取特征,全连接层实现信息整合和目标分类。基于感受野理论的卷积核设计[11],卷积核大小和数量须合适,在尽可能完整地提取有效特征的情况下尽量避免冗余的参数,模型具体参数见表2。图4中BN是批量标准化(batch normalization),它可以有效缓解训练中的梯度消失/爆炸现象,加快模型的训练速度。
图表编号 | XD0030839800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 冯新扬、张巧荣、李庆勇 |
绘制单位 | 河南财经政法大学计算机与信息工程学院、河南财经政法大学计算机与信息工程学院、河南财经政法大学计算机与信息工程学院、山东大学青岛校区公共(创新)实验教学中心、山东大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |