基于GA的卷积神经网络超参数搜索（TensorFlow2）--在凯斯西储轴承诊断数据集上的测试（5）

已于 2022-06-21 21:21:21 修改
阅读量287 收藏 1
点赞数
分类专栏： 风机关键部件以及轴承故障诊断 文章标签： cnn 人工智能 神经网络
于 2022-06-18 16:56:49 首次发布
本博客为个人撰写，未经商业授权严禁转载！
本文链接：https://blog.csdn.net/u013537270/article/details/125325319
版权

文章目录

1. 遗传算法整体框架

遗传算法框架主要包括以下步骤：初始化-编码-交叉/变异（生成子代）- 子代评价（优胜劣汰）

def select(pop, fitness):
    '''
    根据适应度轮盘赌
    :param pop:
    :param fitness:是一个适应度列表，p=fitness / fitness.sum()可描述根据适应度好坏应该出现的概率
    :return: 返回的是 一个按概率应该出现的适应度好准确率高的二元数组[LR，opt]
    '
了解本专栏 订阅专栏 解锁全文 超级会员免费看
GuGuDa123
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
基于TensorFlow2.3.0的深度卷积模型LeNet构建--在凯斯西储轴承（CWRU）数据上的简单测试（2）
cnjs1994的博客
06-13 529
基于TensorFlow2.3.0构建了LeNet模型，实现了对凯斯西储轴承故障数据集的分类。
西储大学轴承数据一维时序方法基础测试
weixin_50642818的博客
10-07 1030
在单一工况下的故障分类准确率已经难以区分好的模型和方法，利用不同工况之间的直接预测，而后取均值是一种思路。
卷积神经网络CNN参数优化
woniu201411的博客
07-01 9444
目录 一、训练神经网络模型 1、神经网络训练流程 2、前向传播算法 3、反向传播算法 二、卷积神经网络CNN参数优化 1、learning_rate学习速率 2、batch_size批数据大小 3、训练样本要均衡 4、丢弃率 5、网络架构 一、训练神经网络模型 1、神经网络训练流程 变量初始化：通过满足正态分布的随机数来初始化神经网络中的参数是一个常用的方法。 部分...
分类预测 | MATLAB实现SSA-CNN麻雀算法优化卷积神经网络多特征分类预测
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
02-11 1061
分类预测 | MATLAB实现SSA-CNN麻雀算法优化卷积神经网络多特征分类预测
Keras训练神经网络进行分类并进行交叉验证（Cross Validation）
data+scenario+science+insight
05-09 3317
Keras训练神经网络进行分类并进行交叉验证（Cross Validation） 交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集，某次训练集中的某样本在下次可能成为测试集中的样本，即所谓“交叉”。　 # 加载需要的包和函数 # Load libraries import numpy as np from
12k Drive End Bearing Fault Data - part1_凯斯西储大学轴承全部数据_凯斯西储大学_西储大
09-11
包含凯斯西储大学轴承数据中心全部数据，并附有说明文档。
基于卷积神经网络处理西储大学轴承数据集的故障诊断大作业
06-18
采用一维CNN神经网络算法，对西储大学轴承数据集，最终得到的准确率不低于99.5%，且灵活，根据个人想法，随意调整训练集测试集的比例，这是我2021年的故障诊断大作业，从开始学习到最终搞定花了不少时间。...
美国凯斯西储大学轴承测试数据CWRU，从官网下载的mat版本，有需要的可以下载
02-25
美国凯斯西储大学轴承测试数据CWRU，从官网下载的mat版本，有需要的可以下载
采用paddle框架自定制一维卷积神经网络对西储大学轴承数据集进行故障识别（复现于基于卷积神经网络的轴承故障诊断算法研究的论文）
11-12
采用一维CNN神经网络算法，对西储大学轴承数据集分为10中故障类型进行故障识别，最终准确率很高；同时算法结构灵活，可以自定制网络及优化器，满足多张故障数据集。
DeepEvolve：使用遗传算法快速发现神经网络的超参数
02-10
深度进化 如今，训练神经网络相对容易，但是仍然很难弄清楚要使用哪些网络体系结构和其他超参数-例如，多少神经元，多少层以及哪些激活功能？ 从长远来看，当然，神经网络将学习如何在没有人工干预的情况下构造自己。 在此之前，开发应用程序优化的神经网络的速度将受到选择和完善超参数所需的时间和专业知识的限制。 DeepEvolve旨在通过针对特定数据集和分类问题快速返回良好的超参数来帮助解决此问题。 该代码支持MLP（即完全连接的网络）和卷积神经网络的超参数发现。 如果您有无限的时间和无限的计算资源，则可以强行解决问题，只需比较和对比所有参数组合即可。 但是，在神经网络的大多数实际应用中，您可能必须权衡竞争的需求（时间，成本，在动态环境中不断优化AI性能的愿望），并且出于某种原因，您可能强烈希望能够快速为各种数据集生成良好的网络。 在这种情况下，遗传算法将很有用。 遗传算法 遗传算法可用于解决复杂的
凯斯西储大学轴承数据故障分类（使用卷积神经网络）
weixin_43906937的博客
03-15 2万+
一.数据预处理 我们挑选了同一工况下的五种故障进行分类实验。故障类别如下： 因为该数据是一维的，所以我们要进行一些预处理。有以下步骤： 1.以400个采样点为一个样本，取300个样本（取120000个采样点）2.取200个作为训练集，100个作为测试集。 3.将六种类别数据堆叠称numpy数组 3.吧训练集和测试集样本变形为(1620,20,20,1)，这样就可以喂入卷积神经网络里进行训练了。 ...
使用遗传算法计算神经网络的超参数
qq_40107571的博客
12-13 935
使用遗传算法计算神经网络的超参数
基于一维卷积神经网络的滚动轴承故障识别
weixin_46148654的博客
01-25 8130
基于一维卷积神经网络的滚动轴承故障识别 提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录基于一维卷积神经网络的滚动轴承故障识别一、数据预处理二、模型搭建三、使用步骤1.引入库2.读入数据总结 一、数据预处理 采用美国凯斯西储大学(CWRU) 的开放轴承数据库的样本进行实验分析，轴承故障产生的实验台如下图所示。使用电火花加工技术分别在轴承的内圈、外圈和滚动体上引入单点缺陷，故障尺寸分别为 7、14和21 in，以48kHz采样频率采集不同负载下的故障轴承振动数据用于实验分析。
GACNN：利用遗传算法训练深度卷积神经网络
m0_37343611的博客
11-28 1万+
原文：《GACNN: TRAINING DEEP CONVOLUTIONAL NEURAL NETWORKS WITH GENETIC ALGORITHM》
【超参数寻优】遗传算法（GA） 超参数寻优的python实现
热门推荐
Luqiang_Shi的博客
11-30 2万+
【寻优算法】遗传算法（Genetic Algorithm） 参数寻优的python实现：多参数寻优一、遗传算法简介1、遗传算法由来2、遗传算法名词概念3、遗传算法中对染色体的操作3.1、选择3.2、交叉3.3、变异二、遗传算法多参数寻优思路三、遗传算法多参数寻优的python实现参考资料 本博文首先简单介绍遗传算法（GA）的基础知识，然后以为例给出遗传算法多参数寻优的python实现。 一、遗传算...
基于遗传算法的超参数搜寻方法（以ART2神经网络为对象）
drunkVermouth的博客
06-17 1732
这是我的一门智能计算选修课做的对一些算法原理的简单实现，过程简单，算法的应用对象也比较简单，在自己电脑里找到的，刚完成一项开发任务，休息下，在电脑里翻到了之前的课程报告，在此分享到CSDN上。 摘要 人工神经网络（Artificial Neural Networks, ANN）可以实现学习，分类和预测等功能，其功能实现可以视为一个数据的拟合过程。但对于神经网络的超参数，在学习或者分类的过程中，其数值不会进行修正，构建网络体系来解决具体问题的过程中常常需要耗费长时间来测试超参数。为此，本文提出一种基于遗传算法
【超参搜索】模型自动超参数优化方法：网格搜索、随机搜索、遗传算法
一路嵌行的博客
05-12 1万+
文章目录一、超参二、网格搜索 GridSearchCV三、随机搜索 RandomizedSearchCV四、自动超参搜索：遗传算法（GA） 一、超参 学习器模型中一般有两类参数，一类是可以从数据中学习估计得到，我们称为参数（Parameter）。还有一类参数时无法从数据中估计，只能靠人的经验进行设计指定，我们称为超参数（Hyper parameter）。超参数是在开始学习过程之前设置值的参数。相反，其他参数的值通过训练得出。 参数空间的搜索一般由以下几个部分构成： 一个estimator(回归器 or 分
基于CNN-SVM-GA的图像分类技术
qq_42935076的博客
01-10 3581
1． 理论基础 1.1卷积神经网络(CNN) 卷积神经网络(CNN)是典型的前馈神经网络，由输入层，隐藏层和输出层组成。隐藏层由卷积层，池化层和全连接层组成。卷积模拟单个神经元对视觉刺激的反应。它使用卷积层卷积输入数据，然后将结果传输到下一层。卷积层由一组卷积核组成。尽管这些内核具有较小的感知视野，但是内核延伸到输入数据的整个深度。卷积运算可以提取输入数据的深层特征。 1.1.1 卷积神经网络概述 卷积神经网络(CNN)是神经网络的一种，是深度学习的代表算法之一，卷积神经网络通过卷积、池化等操作可以
利用python对凯斯西储轴承故障诊断数据集进行时域频域分析
最新发布
07-16
凯斯西储轴承故障诊断数据集是一个用于轴承故障诊断的数据集，其中包含了轴承在不同工作条件下的振动信号数据。 我们可以使用Python中的科学计算库和信号处理库，如NumPy、SciPy和Matplotlib，对这个数据集进行时域...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

GuGuDa123

你的鼓励将是我最大的动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值