- 博客(6)
- 收藏
- 关注
RSS订阅原创 深度残差收缩网络的完整PyTorch代码
深度残差收缩网络的完整PyTorch代码1、基础理论2、PyTorch代码3、其他代码1、基础理论深度残差收缩网络是建立在三个部分的基础之上的，包括残差网络、注意力机制和软阈值化。其功能特色包括：1）由于软阈值化是信号降噪算法的常用步骤，所以深度残差收缩网络比较适合强噪、高冗余数据。同时，软阈值化的梯度要么为0，要么为1，这与ReLU激活函数是相似/一致的。2）由于软阈值化的阈值是通过类似于SENet的注意力机制自适应地进行设置的，深度残差收缩网络能够根据每个样本的情况，为每个样本单独地设置阈
2021-04-02 23:24:01
10469
37
转载 深度残差收缩网络：一种深度学习故障诊断方法
翻译仅为学习，欢迎转载。【题目】Deep Residual Shrinkage Networks for Fault Diagnosis【翻译】基于深度残差收缩网络的故障诊断Abstract (摘要)
2020-08-29 21:30:32
2294
6
转载 故障诊断为什么需要深度学习?
故障诊断入门级选手提个问题，振动信号分析直接做频谱分析就好了，为啥需要人工智能? - amaze2的回答 - 知乎https://www.zhihu.com/question/332473558/answer/1349385215对于简单的机械设备，比如一级平行齿轮箱，信号比较简单，直接频谱分析就可以满足需求。但是，如果是复杂的设备，比如多级行星齿轮传动、强环境噪声、而且故障处在早期阶段、比较微弱的情况下，在频谱图上可能找不出故障频率。那该怎么办呢？深度学习提供了一种思路。顺便推荐一种专门针对强
2020-08-29 21:14:20
3768
3
转载 现在用bp神经网络写论文，还可以有什么创新点？
现在用bp神经网络写论文，还可以有什么创新点？ - 哈哈哈的回答 - 知乎https://www.zhihu.com/question/411294531/answer/1377825344现在模式识别领域有一个普遍的问题：很多数据集都含有大量冗余信息，或者噪声。例如，标签为“猫”的图片，可能还有老鼠。老鼠的存在，可能会对神经网络的效果，产生不利的影响。如果能在神经网络的内部，设计一个特殊的结构，或者计算层，将冗余的特征给剔除掉，或许可以提高神经网络的效果。残差收缩网络，把“小波阈值降噪”中常用
2020-08-04 00:12:17
1329
转载 目标信息可被提取的准则是什么，淹没于噪声的信号能否通过深度学习提取出来？
目标信息可被提取的准则是什么，淹没于噪声的信号能否通过深度学习提取出来？ - 哈哈哈的回答 - 知乎https://www.zhihu.com/question/274575861/answer/1382086682目标信息可被提取的准则，应该是很难量化的。但是到目前为止，有一些深度学习的方法，是专门针对被噪声淹没信号的，例如残差收缩网络。例如，残差收缩网络是在残差网络中添加了（小波阈值降噪中常用的）软阈值函数。软阈值函数的输入与输出的关系如下图(a)所示，其输出对输入的导数如图(b)所示：残
2020-08-04 00:03:58
375
转载 深度学习故障诊断算法：残差收缩网络
深度残差收缩网络是深度残差网络的一种新的改进版本，其实是深度残差网络、注意力机制和软阈值函数的集成。在一定程度上，深度残差收缩网络的工作原理，可以理解为：通过注意力机制注意到不重要的特征，通过软阈值函数将它们置为零；或者说，通过注意力机制注意到重要的特征，将它们保留下来，从而加强深度神经网络从含噪声信号中提取有用特征的能力。1.为什么要提出深度残差收缩网络呢？首先，在对样本进行分类的时候，样本中不可避免地会有一些噪声，就像高斯噪声、粉色噪声、拉普拉斯噪声等。更广义地讲，样本中很可能包含着与当前分类任务
2020-07-31 15:48:04
5346
2
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