期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于域适应神经网络的调制方式分类方法 被引量：2
1
作者 史蕴豪 许华 单俊杰 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2020年第5期69-75,共7页
针对深度学习进行调制方式识别领域测试样本与训练样本存在分布差异的问题,提出了基于域适应神经网络的调制识别方法。首先采用VGG16深度卷积神经网络提取信号小波变换后系数图像特征;然后利用自编码器对高维特征进行降维处理;再计算训... 针对深度学习进行调制方式识别领域测试样本与训练样本存在分布差异的问题,提出了基于域适应神经网络的调制识别方法。首先采用VGG16深度卷积神经网络提取信号小波变换后系数图像特征;然后利用自编码器对高维特征进行降维处理;再计算训练样本特征与测试样本特征之间的CORAL损失;最后联合优化分类损失和CORAL损失使模型达到最优。通过仿真实验证明,在信号类别存在差异或信道环境存在差异的条件下,引入域适应技术可提高待测信号识别准确率5%以上。 展开更多
关键词 调制识别 域适应 迁移学习 自编码器 coral损失
下载PDF
基于深度迁移学习的刀具剩余寿命预测 被引量：1
2
作者 王妍 胡小锋 《组合机床与自动化加工技术》 北大核心 2022年第8期133-136,共4页
针对生产条件变化导致刀具衰退规律发生较大改变,历史衰退规律下的刀具剩余寿命预测模型难以对新规律下的刀具进行准确预测,而新衰退规律下没有足够的带标签样本训练新模型的问题,提出一种基于数据分布自适应的深度迁移学习方法。利用... 针对生产条件变化导致刀具衰退规律发生较大改变,历史衰退规律下的刀具剩余寿命预测模型难以对新规律下的刀具进行准确预测,而新衰退规律下没有足够的带标签样本训练新模型的问题,提出一种基于数据分布自适应的深度迁移学习方法。利用历史性能衰退规律下的刀具过程监控数据样本,训练刀具剩余寿命预测模型;在模型中引入自适应层,对历史样本和新衰退规律下的样本进行领域自适应,更新刀具剩余寿命预测模型参数对新衰退规律下的刀具进行剩余寿命预测。以轮槽铣刀加工过程为例进行实验验证,与迁移前的模型相比,迁移后的模型提高了新衰退规律下刀具剩余寿命预测的准确性。 展开更多
关键词 加工过程监控数据 迁移学习 深度领域自适应 coral损失 刀具剩余寿命预测
下载PDF
基于无监督特征对齐的滚动轴承故障诊断 被引量：2
3
作者 张韬 贾倩 辛月杰 《机械强度》 CAS CSCD 北大核心 2022年第3期547-553,共7页
针对不同转速环境下采集到的滚动轴承振动数据特征分布不一导致待诊断样本标签较难获取的问题,提出一种基于深度迁移网络的故障诊断方法。首先,搭建领域共享的特征提取网络,利用卷积神经网络(Convolutional Neural Network, CNN)提取振... 针对不同转速环境下采集到的滚动轴承振动数据特征分布不一导致待诊断样本标签较难获取的问题,提出一种基于深度迁移网络的故障诊断方法。首先,搭建领域共享的特征提取网络,利用卷积神经网络(Convolutional Neural Network, CNN)提取振动信号中敏感故障特征,并结合双向长短时记忆(Bi-directional Long Short-Term Memory, BiLSTM)网络进一步提取敏感故障特征中的时间信息;然后,在深度迁移网络中分别嵌入CORAL损失和JMMD损失,通过最小化二阶统计量差异和联合分布最大均值差异值,缩小源域和目标域特征分布差异,进而提取到两域的共同特征;最后,添加Softmax分类层,实现对目标数据的故障状态识别。结果表明,该方法在目标域数据无标签的情况下,平均识别准确率为97.87%,明显高于目前流行的其它5种领域自适应故障诊断方法。 展开更多
关键词 特征分布 领域自适应 coral损失 JMMD损失
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部