- 博客(2)
- 收藏
- 关注
RSS订阅原创 基于主成分分析（PCA）的信号特征可视化
将原始真实信号和生成的信号组合在一个数据矩阵中。您可以通过利用前三个主成分来可视化信号特征。使用前三个主成分绘制所有信号的特征。在PCA子空间中，生成信号的分布与真实信号的分布相似。对真实信号的特征执行 PCA，并将生成信号的特征投射到同一个 PCA 子空间。提取特征，包括常见信号统计信息，例如均值和方差以及频谱特征。修改生成的正常和故障信号以及实际正常和故障信号的标签。每行对应一个信号的特征。1 — 生成的健康信号。2 — 生成的故障信号。3 — 真正的健康信号。4 — 真正的故障信号。
2023-12-04 11:37:39
86
原创 使用条件 GAN 实现数据扩充
为了监控训练进度，使用两个固定的随机值数组输入到生成器中，以及两个网络的分数图来显示生成的健康和错误信号。helper 函数将生成器和判别器网络、一小批输入数据和随机值数组作为输入，并返回相对于网络中可学习参数的损失梯度和两个网络的分数。使用一系列具有 1.1 刻度的泄漏 ReLU 层的一维卷积层，将生成的数组下采样到标量预测分数，这些分数是 1×1×0 数组。将生成器上的函数与一批 1×1×100 随机值和标签数组一起使用，以生成合成信号并恢复对原始流量信号执行的标准化步骤。
2023-12-04 11:33:13
473
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人