李弘毅机器学习笔记：第十三章—CNN为什么用CNNSmall regionSame PatternsSubsamplingCNN架构ConvolutionPropetry1Propetry2convolution和fully connected之间的关系Max poolingFlattenCNN in KerasCNN学到了什么?分析全连接层让图更像数字Deep DreamDeep styleC
作者：郑增权爱可生南区数据库工程师，爱可生 DBA 团队成员，负责数据库相关技术支持。爱好：桌球、羽毛球、咖啡、电影
原创
2022-12-20 14:56:37
92阅读
1. 数据描述齿轮箱数据来自PHM2009年的数据挑战赛，官网：PHM2009数据挑战赛。所测试的齿轮包括一组直齿轮和斜齿轮，本例中用直齿轮的数据进行验证。实验设备照片如下。 齿轮箱的输入侧和输出侧各安装一个加速度传感器，传感器参数：灵敏度：10mv/g，采样速率66.67KHz。所用的采集卡采集三个通道的数据，分别为:通道1：输入侧振动传感器数据通道2：输出侧振动传感器数据通道3：转速信号采用人
深入理解BatchNorm的原理、代码实现以及BN在CNN中的应用BatchNorm是算法岗面试中几乎必考题，本文将带你理解BatchNorm的原理和代码实现，以及详细介绍BatchNorm在CNN中的应用。NLP中常见的LayerNorm的解读，详见我的另一篇博客深入理解NLP中LayerNorm的原理以及LN的代码详解
BatchNorm深入理解BatchNorm的原理、代码实现以及BN在
人工智能文献记录专栏，专栏地址：https://blog.csdn.net/u014157632/category_9760481.html，总目录：https://blog.csdn.net/u014157632/article/details/104578738。不定期更新2020年2019年 A convolutional neural network based on a ca...
原创
2021-12-04 17:23:01
913阅读
本文是深度学习入门： 基于Python的实现、神经网络与深度学习（NNDL）以及动手学深度学习的读书笔记。本文将介绍基于Numpy的卷积神经网络（Convolutional Networks，CNN）的实现，本文主要重在理解原理和底层实现。 完整代码见我的github仓库：numpyDL/CNN/trai
CNN按钮报告一、 不同激活函数对精度和Loss的影响两层卷积一层池化一层全连接 （1）Relu：最终Loss为1.389（2）Sigmoid：最终Loss为4.851（3）Tanh：最终Loss为4.046（4）总结： Loss Acc Relu 1.389 0.581 Sigmoid 4.851 0.050 Tanh 4.046 0.069可以看出在较为简单的网络模型中，使用relu作为激活函
引言首先用下面一张图简单回顾CNN的结构,CNN的最大特性就是局部连接和参数共享。
# 2D-CNN 首先看一下最一般的二维空间Feature-Map CNN。输入的是一个矩阵，输出的也是一个矩阵，中间卷积核与图像不同区域进行卷积运算，就是实现了**局部连接**的过程，在每层的Feature-Map中都是参数共享的。
TextCNN那么一维文本数据是否可以使用CNN呢，
4.2 AdaBN 算法依赖测试集统计学信息问题问题描述：虽然 AdaBN 算法可以提高 WDCNN 模型的抗噪能力与变载领域自适应能力，但 AdaBN 算法需要整个测试集的样本在 WDCNN 每一个 BN 层的均值与方差，这对于一个故障诊断系统，在初期是难以满足的。解决思路：1）根据部分测试样本的均值方差，对整体测试样本的均值方差进行估计；2）不获取任何测试集的信息，通过对 WDCNN 模型本身
转载
2023-10-08 08:10:00
102阅读
内容参考：《基于卷积神经网络的轴承故障 诊断算法研究》–张伟代码参考:https://github.com/AaronCosmos/wdcnn_bearning_fault_diagnosis1 背景：基于信号处理的特征提取+分类器的传统智能诊断算法，对专家经验要求高，设计耗时且不能保证通用性，已经不能满足机械大数据的要求。提出使用基于卷积神经网络智能诊断算法来自动完成特征提取以及故障识别。1.1
转载
2023-10-13 08:57:39
160阅读
基本术语
(1) 状态监测(condition monitoring)－对机械设备的工作状态（静的和动的）进行监视和测量（实时的或非实时的），以了解其正常与不正常。
(2) 故障诊断(fault diagnosis)又称为技术诊断(technica
故障诊断 | CNN-ResNets滚动轴承故障诊断实例代码
Subscript. indices must either be real positive integers or logicals中文解释：下标索引必须是正整数类型或者逻辑类型出错原因：在访问矩阵（包括向量、二维矩阵、多维数组，下同）的过程中，下标索引要么从 0 开始，要么出现了负数。注：解决办法：自己调试一下程序，把下标为 0 或者负数的地方修正。举例：【错误代码】：代码:qfor s =
基于ICA的线性监督分类的故障诊断方法ICA+AO统计量数据预处理AO统计量的计算必备公式AO统计量的控制限将AO统计量应用于故障诊断的步骤故障判定参考文献DICA+AO统计量 ICA+AO统计量数据预处理此处同统计量的预处理方法，见链接。下文部分未申明的变量均可在预处理部分找到含义。AO统计量的计算注：此部分原理比较复杂，以下总结可能会存在错误。必备公式（1）随机选择d维空间（与FastICA
转载
2023-10-27 19:14:49
129阅读
本文将专家系统的思想和方法引入燃气轮机状态监测及故障诊断领域，对燃气轮机状态监测及故障诊断专家系统作了较为详细的研究和探讨。本文的基本思想是以MS6001B型燃气轮机为母型，以其标准性能为基准，结合正常的历史运行参数，对实测参数进行分析和比较，从经济性和安全性两方面对机组运行状态进行评估。若评估结果出现异常，则以目前异常现象为条件启动专家系统的推理机制，推理机根据专家经验寻找更深层次的故障原因，同
1 什么是故障模型芯片在制造时难免出现各种问题，芯片制造的缺陷可能导致芯片出现非预期的行为。故障模型 Fault Model 是在开发、制造或者使用芯片时，描述芯片某处错误行为的抽象表示。通过故障模型，设计者或用户能够有效地得知发生错误的信息。图1：芯片中的制造缺陷下面用一个例子来解释制造时的缺陷是如何导致电路中的故障：上图是一个 Physical Level 的 CMOS 反相器。在制造时，由于
转载
2023-11-02 19:53:06
122阅读
计算机故障诊断处理的一般步骤一、计算机故障诊断的原则即：先静后动，先软后硬，先外后内，先大后小、，“从整机到零配件(部件)”，“从部件到部位”，“从面(线)到点”。具体如下：1.先静后动。首先，冷静地分析、考虑故障可能发生的目标地方所在，做到心中有数、有的放矢，然后，再向可能的故障目标动手，进行下一步的维修操作。2.先软后硬。首先，从软件判断入手，然后再从硬件着手。就是计算机出故障以后，应先从软件
首先，故障预测与健康管理PHM基于先进传感器技术获取复杂设备的运行状态信息，借助智能算法实现复杂工程系统的故障诊断、健康状态预测与管理。基于机器学习的PHM技术能够充分挖掘多源异构数据的信息，提高故障诊断、健康状态预测以及剩余寿命估计的准确性。然而，这样的复杂高维非线性模型很难被解释，因此难以获取客户的信任，且设计者难以依据其内部运转机理作针对性的改进。一般地，PHM由三部分功能支撑，即数据前处理
指示灯功能速查表 灯名 中文意义 说 明 CLK 总线时钟 不论ISA或PCI只要一块空板（无CPU等）接通电源就应常亮，否则CLK信号坏。 BIOS 基本输入输出 主板运行时对BIOS有读操作时就闪亮。 IRDY 主设备准备好 有IRDY信号时才闪亮，否则不亮。 OSC 振荡 ISA槽的主振信号，空板上电则应常亮，否则停振。 FRAME 帧周期 PCI槽有循环帧信号时灯才闪亮
原创
2008-10-17 11:25:22
703阅读
