期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于核极限学习机自编码器的转盘轴承寿命状态识别
被引量:
5
1
作者
潘裕斌
王华
+1 位作者
陈捷
洪荣晶
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2022年第9期1856-1866,共11页
针对低速重载转盘轴承运行工况恶劣、故障特征微弱的特点,提出基于飞蛾扑火算法优化多层核极限学习机自编码器(MFO-MLKELM-AE)的转盘轴承寿命状态识别方法.该方法从振动信号的时域和时频域中提取出多个能够表征转盘轴承运行状态的特征向...
针对低速重载转盘轴承运行工况恶劣、故障特征微弱的特点,提出基于飞蛾扑火算法优化多层核极限学习机自编码器(MFO-MLKELM-AE)的转盘轴承寿命状态识别方法.该方法从振动信号的时域和时频域中提取出多个能够表征转盘轴承运行状态的特征向量,并将其组成高维特征集.采用堆叠多层核极限学习机自编码器(MLKELM-AE),从高维特征集中提取最能反映转盘轴承的寿命状态信息,输入核极限学习机(KELM)模型进行寿命状态识别.在MLKELM-AE学习训练中,采用新的飞蛾扑火算法(MFO)优化惩罚系数和核参数,提高MLKELM-AE的特征识别能力.转盘轴承加速寿命实验表明,MLKELM-AE比多层极限学习机自编码器(MLELMAE)、单层极限学习机(ELM)、KELM的识别精度高,多传感器、多领域特征能够全面反映转盘轴承的寿命状态.
展开更多
关键词
低速重载转盘轴承
多层核
极限学习机自编码器
(MLKELM-AE)
飞蛾扑火算法(MFO)
寿命状态识别
多领域特征
在线阅读
下载PDF
职称材料
基于ELM-AE和BP算法的极限学习机特征表示方法
2
作者
苗军
刘晓
+1 位作者
常艺茹
乔元华
《北京信息科技大学学报(自然科学版)》
2024年第1期37-41,共5页
基于极限学习机自编码器(extreme learning machine based autoencoder,ELM-AE)和误差反向传播(back propagation,BP)算法,针对ELM提出了一种改进的特征表示方法。首先,使用ELM-AE以无监督的方式学习紧凑的特征表示,即ELM-AE输出权重;其...
基于极限学习机自编码器(extreme learning machine based autoencoder,ELM-AE)和误差反向传播(back propagation,BP)算法,针对ELM提出了一种改进的特征表示方法。首先,使用ELM-AE以无监督的方式学习紧凑的特征表示,即ELM-AE输出权重;其次,利用ELM-AE输出权重来初始化BP神经网络的输入权重,然后对BP网络进行监督训练;最后,用微调的BP网络输入权重初始化ELM的输入权重参数。在MNIST数据集上的实验结果表明,采用BP算法对ELM-AE学习的参数进行约束,可以得到更紧凑且具有判别性的特征表示,有助于提高ELM的性能。
展开更多
关键词
极限学习机自编码器
误差反向传播
极限
学习
机
在线阅读
下载PDF
职称材料
题名
基于核极限学习机自编码器的转盘轴承寿命状态识别
被引量:
5
1
作者
潘裕斌
王华
陈捷
洪荣晶
机构
南京工业大学机械与动力工程学院
江苏省工业装备数字制造及控制技术重点实验室
出处
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2022年第9期1856-1866,共11页
基金
国家自然科学基金资助项目(51875273)
中国博士后科学基金资助项目(2021M691558)
+2 种基金
江苏省自然科学基金资助项目(BK20210547)
江苏省高等学校自然科学研究项目资助(21KJB460036)
江苏省博士后科研资助计划项目(2021K297B)。
文摘
针对低速重载转盘轴承运行工况恶劣、故障特征微弱的特点,提出基于飞蛾扑火算法优化多层核极限学习机自编码器(MFO-MLKELM-AE)的转盘轴承寿命状态识别方法.该方法从振动信号的时域和时频域中提取出多个能够表征转盘轴承运行状态的特征向量,并将其组成高维特征集.采用堆叠多层核极限学习机自编码器(MLKELM-AE),从高维特征集中提取最能反映转盘轴承的寿命状态信息,输入核极限学习机(KELM)模型进行寿命状态识别.在MLKELM-AE学习训练中,采用新的飞蛾扑火算法(MFO)优化惩罚系数和核参数,提高MLKELM-AE的特征识别能力.转盘轴承加速寿命实验表明,MLKELM-AE比多层极限学习机自编码器(MLELMAE)、单层极限学习机(ELM)、KELM的识别精度高,多传感器、多领域特征能够全面反映转盘轴承的寿命状态.
关键词
低速重载转盘轴承
多层核
极限学习机自编码器
(MLKELM-AE)
飞蛾扑火算法(MFO)
寿命状态识别
多领域特征
Keywords
low-speed heavy-load slewing bearing
multi-layer kernel extreme learning machine based autoencoder(MLKELM-AE)
moth-flame optimization(MFO)
life condition recognition
multi-domain features
分类号
TH17 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于ELM-AE和BP算法的极限学习机特征表示方法
2
作者
苗军
刘晓
常艺茹
乔元华
机构
北京信息科技大学网络文化与数字传播北京市重点实验室
北京工业大学应用数理学院
出处
《北京信息科技大学学报(自然科学版)》
2024年第1期37-41,共5页
基金
北京市自然科学基金项目(4202025)
天津市安监物联网技术企业重点实验室研究项目(VTJ-OT20230209-2)
贵州省科技计划项目(ZK[2022]-012)。
文摘
基于极限学习机自编码器(extreme learning machine based autoencoder,ELM-AE)和误差反向传播(back propagation,BP)算法,针对ELM提出了一种改进的特征表示方法。首先,使用ELM-AE以无监督的方式学习紧凑的特征表示,即ELM-AE输出权重;其次,利用ELM-AE输出权重来初始化BP神经网络的输入权重,然后对BP网络进行监督训练;最后,用微调的BP网络输入权重初始化ELM的输入权重参数。在MNIST数据集上的实验结果表明,采用BP算法对ELM-AE学习的参数进行约束,可以得到更紧凑且具有判别性的特征表示,有助于提高ELM的性能。
关键词
极限学习机自编码器
误差反向传播
极限
学习
机
Keywords
extreme learning machine based autoencoder(ELM-AE)
error back propagation
extreme learning machine
分类号
TP389.1 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于核极限学习机自编码器的转盘轴承寿命状态识别
潘裕斌
王华
陈捷
洪荣晶
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2022
5
在线阅读
下载PDF
职称材料
2
基于ELM-AE和BP算法的极限学习机特征表示方法
苗军
刘晓
常艺茹
乔元华
《北京信息科技大学学报(自然科学版)》
2024
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部