《表1 基核函数:基于极限学习机的船舶柴油机故障诊断》
本文描述的深度网络结构包含5层AE-ELM,其中d表示隐含层节点数,激活函数选为Sigmoid函数。传统的D-ELM将端层特征用于分类,仅考虑最后一层的特征信息,也就是图3中表示非线性特征,然后用分类器进行分类。第一层和第二层构成数据的线性特征提取层,后面三层构成数据的非线性特征提取层,为充分利用数据的多种线性属性,将这两层特征级联起来,得到具备线性和非线性的特征,用于分类,并将这类特征称为多属性特征(MAF),将分类特征仅为最后一层的特征称为单属性特征(SAF)。鉴于多核函数优秀的高维映射能力,将多核极限学习机用于多属性特征的分类。本文中用到的基核函数为常见6种核函数,如表1所示。
图表编号 | XD0090172900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 吴建波、王春艳、洪华军、方伟 |
绘制单位 | 江南大学物联网工程学院、中国船舶科学研究中心软件工程中心、中国船舶科学研究中心软件工程中心、江南大学物联网工程学院 |
更多格式 | 高清、无水印(增值服务) |