《表1 模型结构参数:基于时频融合和注意力机制的深度学习行星齿轮箱故障诊断方法》
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
《基于时频融合和注意力机制的深度学习行星齿轮箱故障诊断方法》
使用RMSprop优化算法作为模型训练的优化器,在反向传播的过程中不断迭代更新参数,使得模型的预测结果更接近于真实值。RMSprop能够限制反向传播过程中梯度下降的振荡,使得网络能够获得更精确的计算结果。
图表编号 | XD0097370900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 孔子迁、邓蕾、汤宝平、韩延 |
绘制单位 | 重庆大学机械传动国家重点实验室、重庆大学机械传动国家重点实验室、重庆大学机械传动国家重点实验室、重庆大学机械传动国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |