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1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TTUR的C⁃DCGAN机械故障诊断模型稳定训练方法 被引量：1
1
作者 罗佳 黄晋英 马健程 《振动．测试与诊断》 EI CSCD 北大核心 2022年第4期733-740,827,共9页
针对条件深度卷积生成式对抗网络(conditional deep convolutional generative adversarial network,简称C⁃DCGAN)在训练过程中出现的不稳定性问题,提出具有随机梯度下降的双时间尺度更新规则(two time⁃scale update rule,简称TTUR)用于... 针对条件深度卷积生成式对抗网络(conditional deep convolutional generative adversarial network,简称C⁃DCGAN)在训练过程中出现的不稳定性问题,提出具有随机梯度下降的双时间尺度更新规则(two time⁃scale update rule,简称TTUR)用于C⁃DCGAN机械故障诊断模型训练中,在判别器和生成器具有单独学习速率的情况下提高模型的稳定性。首先,给出了TTUR在C⁃DCGAN模型中收敛性证明;其次,在西储大学轴承数据集(Case Western Reserve University,简称CWUR)和实验室行星齿轮箱数据集上验证其有效性;最后,引入Jensen⁃Shannon散度(Jensen⁃Shannon divergence,简称JSD)指标评估模型捕获到的真实数据和生成数据之间的相似度。实验结果表明,TTUR提高了C⁃DCGAN的学习能力,优于传统的C⁃DCGAN。 展开更多
关键词 条件深度卷积生成式对抗网络 稳定训练方法 双时间尺度更新规则 JSD散度 机械故障诊断
在线阅读 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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部