![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CNN
文章平均质量分 84
机器鱼
这个作者很懒,什么都没留下…
展开
-
Pytorch实战:基于鲸鱼WOA优化1DCNN的轴承故障诊断
采用1DCNN进行轴承故障诊断建模,并基于鲸鱼优化算法WOA对1DCNN的超参数进行优化,以实现更高的精度。建立一个两层的1DCNN,优化的参数包括学习率、训练次数、batchsize,卷积层1的核数量、核大小,池化层1的核大小,卷积层2的核数量、核大小,池化层2的核大小,全连接层1、全连接层2的节点数,总共11个超参数。原创 2022-11-11 08:27:34 · 4334 阅读 · 1 评论 -
麻雀优化CNN超参数用于回归MATLAB
MATLAB采用麻雀优化算法优化CNN超参数用于回归预测原创 2022-10-26 19:58:12 · 3253 阅读 · 3 评论 -
MATLAB人工大猩猩部队GTO优化CNN-LSTM用于多变量负荷预测
基于MATLAB2020b的深度学习框架,提出了一种基于CNN-LSTM的多变量电力负荷预测方法,该方法将历史负荷与气象数据作为输入,输出一天96个时刻负荷值,建模学习特征内部动态变化规律,即多变量输入多输出模型。同时,针对该模型超参数选择困难的问题,提出利用人工大猩猩部队GTO算法实现该模型超参数的优化选择。原创 2022-09-09 16:27:20 · 3096 阅读 · 1 评论 -
手把手实现MATLAB的CNN回归
基于MATLAB的深度学习工具箱(推荐2018以上),实现CNN回归。网上的例子比较少,这里简单的说一下传统的多输入单输出怎么做。手把手的教(PS:MATLAB自带一个回归教程,竟然还是有学生不知道对照着写)1、首先加载数据与数据集划分clc;clear;close allload datan=700;train_x=input(:,1:n);train_y=output(:,1:n);test_x=input(:,n+1:end);test_y=output(:,n+1:end原创 2020-11-08 00:13:14 · 30708 阅读 · 84 评论 -
基于FFT频谱与小波时频图的双流CNN轴承故障诊断模型
在博客https://blog.csdn.net/qq_41043389/article/details/106150980里,我们提出了采用小波时频图作为轴承信号的故障特征数据,即首先利用matlab提取各样本的小波时频图,如图1所示,然后利用pytorch构建CNN(lenet)模型,最终达到了99%的分类正确率,详情可以看我上面那个说的那个博客。 ...原创 2020-06-11 17:23:02 · 11732 阅读 · 19 评论 -
基于小波时频图与CNN的轴承故障诊断
特征提取部分用到了matlab时频图变换工具箱,故障诊断分类部分用的是pytorch0.4 传统轴承故障诊断是采用各种特征提取方法对一维轴承信号进行特征提取,如HHT包络谱,FFT频谱,小波能量谱等,变换后的特征依旧是一维数据。本文采用小波时频图将一维轴承信号转换为2维(3通道真彩图)的时频图,然后以64*64*3作为CNN的输入,实现分类,运气好的话,测试集精度有99.5%(因为每次训练之后的结果都不一样)。 1,数据准备 采用西储大学轴承故障诊断数据集,48...原创 2020-05-15 22:55:29 · 19333 阅读 · 42 评论