CNN-GRU故障诊断模型的设计
CNN 卷积神经网络
卷积神经网络是一种以卷积的计算为基础通过自动提取输入数据的特征对数据进
行分类的学习方法。
- 由于可以自动提取数据的特征所以在训练之前不用清楚的知道输入
数据和输出数据之间存在的关系,按照网络训练过程中损失值不断下降的原则迭代更新网络参数,使最终预测的输出结果无限接近真实值。
卷积神经网络是神经网络算法的分支,是一种新型的深度学习思想。
- 卷积层
- 池化层
- 归一化层
- 全连接层
GRU 循环神经网络
循环神经网络是一种针对序列性数据的深层神经网络模型
,不同于传统神经网络的浅层模型。
- RNN 不仅具有自动提取特征的能力,而且具有记忆功能,可考虑输入特征之间的关联关系,深度挖掘输入与输出之间的非线性关系。循环神经网络可以进行传输上一个状态的数据,同时接受当前状态的数据信息,形成记忆性。
CNN-GRU可行性分析
智能故障诊断系统的设计和实现
- CNN-GRU
- CNN
- SVM