- 博客(136)
- 收藏
- 关注
RSS订阅原创 Python轴承故障诊断 | 多尺度特征交叉注意力融合模型
基于 FFT-VMD + BiTCN-BiGRU-CrossAttention 的诊断模型
2024-07-04 15:47:34
987
原创 独家首发 | 基于多级注意力机制的并行预测模型
基于：Transformer-BiGRUGlobalAttention-CrossAttention的并行预测模型!
2024-05-30 16:39:58
1075
原创 Python轴承故障诊断 (21)基于VMD-CNN-BiTCN的创新诊断模型
注意：本模型继续加入 轴承故障诊断—创新模型全家桶 中，之前购买的同学请及时更新下载!
2024-05-28 11:15:21
1290
原创 Python轴承故障诊断 (19)基于Transformer-BiLSTM的创新诊断模型
注意：本模型继续加入 轴承故障诊断—创新模型全家桶 中，之前购买的同学请及时更新下载!
2024-05-16 09:31:59
1056
3
原创 多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合
多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合
2024-05-15 13:57:00
1070
原创 注意力魔改 | 超强轴承故障诊断模型！
基于通道注意力SENet的改进VGG与基于全局注意力机制GlobalAttention的BiGRU并行轴承故障诊断模型!
2024-05-14 15:18:57
1337
原创 Python轴承故障诊断 (20)高创新故障识别模型（三）
基于交叉注意力CNN-BiTCN-CrossAttention的时空特征融合模型对故障数据的分类
2024-05-09 10:56:44
1034
原创 高创新 | CEEMDAN + SSA-TCN-BiLSTM-Attention预测模型
注意：本模型继续加入 麻雀优化算法—创新预测模型 全家桶中，之前购买的同学请及时更新下载
2024-05-08 14:36:58
1282
原创 独家原创 | BiTCN-BiGRU-CrossAttention融合时空特征的高创新预测模型
BiTCN-BiGRU-CrossAttention融合时空特征的高创新预测模型
2024-05-06 14:09:39
1762
原创 独家原创 | 基于TCN-SENet +BiGRU-GlobalAttention并行预测模型
基于TCN-SENet +BiGRU-GlobalAttention并行预测模型，以提高时间序列数据的预测性能。
2024-04-11 09:45:50
1364
原创 基于 GADF+Swin-CNN-GAM 的高创新轴承故障诊断模型！
基于格拉姆矩阵GADF+Swin Transformer窗口注意力和CNN-GAM全局注意力的轴承故障诊断模型!
2024-04-10 14:16:28
1556
原创 Python电能质量扰动信号分类(七)基于CNN-TCN-Attention的扰动信号识别模型
本模型继续加入Python电能质量信号分类模型代码全家桶中，之前购买的同学请及时更新下载
2024-04-09 09:40:27
870
2
原创 独家原创 | SCI 1区 高创新轴承故障诊断模型！
本文基于凯斯西储大学（CWRU）轴承数据，进行快速傅里叶变换（FFT）和变分模态分解VMD的数据预处理，最后通过Python实现基于多级注意力的cnn轻量级网络架构模型对故障数据的分类。
2024-04-09 09:31:39
1315
原创 交叉注意力融合时域、频域特征的FFT + CNN -Transformer-CrossAttention电能质量扰动识别模型
创新点：利用交叉注意力机制融合时频特征！
2024-04-08 19:13:27
1721
2
原创 风速预测（八）VMD-CNN-Transformer预测模型
本文基于前期介绍的风速数据（文末附数据集），先经过VMD分解,然后通过数据预处理，制作和加载数据集与标签，最后通过Pytorch实现VMD-CNN-Transformer模型对风速数据的预测,以提高时间序列数据的预测性能。
2024-03-20 21:00:18
1353
12
原创 交叉注意力融合时域、频域特征的FFT + CNN -BiLSTM-CrossAttention电能质量扰动识别模型
本文基于Python仿真的电能质量扰动信号，进行快速傅里叶变换（FFT）的介绍与数据预处理，最后通过Python实现基于FFT的CNN-BiLSTM-CrossAttention模型对电能质量扰动信号的分类。
2024-03-14 08:41:05
1819
1
原创 Python轴承故障诊断 (16)高创新故障识别模型（二）
本文基于凯斯西储大学（CWRU）轴承数据，进行快速傅里叶变换（FFT）和变分模态分解VMD的数据预处理，最后通过Python实现基于交叉注意力CNN-Transformer-CrossAttention的时空特征融合模型对故障数据的分类。
2024-03-13 10:50:33
1054
Endnote-X9文献管理软件
2023-11-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人