针对同一工况下不同刀具磨损预测建模中的数据分布不同,从而导致的历史模型失效问题,提出了一种基于多通道一维卷积神经网络的刀具磨损动态预测建模方法。历史刀具磨损数据训练的多通道一维卷积神经网络,作为初始的刀具磨损预测历史模...针对同一工况下不同刀具磨损预测建模中的数据分布不同,从而导致的历史模型失效问题,提出了一种基于多通道一维卷积神经网络的刀具磨损动态预测建模方法。历史刀具磨损数据训练的多通道一维卷积神经网络,作为初始的刀具磨损预测历史模型。最大均值差异(maximum mean difference, MMD)法对不同刀具磨损数据进行相似度检测,当相似度相差较大时,在历史模型的基础上进行迭代更新,更新后的模型再对磨损数据进行预测。铣削试验验证结果表明,该方法能够准确预测不同刀具的磨损值大小,具有较好的自适应能力。展开更多
文摘面向心脏疾病计算机辅助诊断,本文提出一种基于一维卷积神经网络和循环神经网络混合深度学习结构的心音分析方法.本结构首先利用卷积神经网络学习心脏病症在心音信号上的表征,然后通过循环神经网络处理心音信号中的时序信息进行分类,在提升心音分类正确率的同时,大幅度降低了网络参数.为验证本深度学习结构所学特征的有效性,除已有的成人心音数据集外,本文还专门构建了一个面向婴幼儿先天性心脏病的心音数据集,并通过端到端的类别响应图证明了本方法在室缺诊断时学习到的心音信号特征符合临床医师的心音听诊经验.实验结果表明,本文方法能在3153例成人心音数据分类上达到92.56%的正确率,在528例婴幼儿心音数据分类上达到97.48%正确率,模型参数仅有0.05 M.
文摘针对同一工况下不同刀具磨损预测建模中的数据分布不同,从而导致的历史模型失效问题,提出了一种基于多通道一维卷积神经网络的刀具磨损动态预测建模方法。历史刀具磨损数据训练的多通道一维卷积神经网络,作为初始的刀具磨损预测历史模型。最大均值差异(maximum mean difference, MMD)法对不同刀具磨损数据进行相似度检测,当相似度相差较大时,在历史模型的基础上进行迭代更新,更新后的模型再对磨损数据进行预测。铣削试验验证结果表明,该方法能够准确预测不同刀具的磨损值大小,具有较好的自适应能力。
