检索结果-维普期刊中文期刊服务平台

基于贝叶斯优化与改进LeNet-5的滚动轴承故障诊断被引量：10: 1; 作者汤亮凡焱峰 +1 位作者徐适斐蔡凯翼《计量学报》 CSCD 北大核心 2022年第7期913-919,共7页; 考虑到卷积神经网络在滚动轴承故障诊断中存在网络结构难以确定、训练次数过多、时间过长等问题,设计了一种贝叶斯优化改进LeNet-5算法,以及采用该算法构建的轴承故障诊断模型。采用贝叶斯优化训练过程中学习率等超参数,多种故障轴承的... 展开更多; 关键词计量学滚动轴承故障诊断改进lenet-5网络贝叶斯优化深度学习; 在线阅读下载PDF 职称材料

基于改进型LeNet-5的工业机器人工件自动识别研究被引量：6: 2; 作者刘东来崔亚飞 +3 位作者罗辉邓子林秦润华秦长江《制造技术与机床》北大核心 2021年第8期103-107,共5页; 针对机器人关节工件组装生产过程中,工件种类多、产量大、人工分拣与装配耗时费力等问题,在经典LeNet-5模型基础上,提出一种改进型LeNet-5网络,该网络输入图像的大小修改为32×32,卷积层增加至4层,激励函数改用Leaky ReLU以防止过... 展开更多; 关键词工件识别改进型lenet-5 卷积神经网络; 在线阅读下载PDF 职称材料

基于改进型LeNet-5的苹果自动分级方法被引量：40: 3; 作者王立扬张瑜 +1 位作者沈群薛勇《中国农机化学报》北大核心 2020年第7期105-110,共6页; 针对目前传统机器学习对苹果分级的局限性,改进经典卷积神经网络LeNet-5模型以提高分级准确率。试验在原基础上添加卷积层至4层以加深网络深度,改用LeakyReLU激励函数并加入Dropout层防止过拟合,修改输入图像大小为32×32×3。... 展开更多; 关键词苹果分级改进型lenet-5 卷积神经网络深度学习; 在线阅读下载PDF 职称材料

基于深度学习的纠错编码方式识别被引量：4: 4; 作者刘洁刘凯《电子测量技术》 2019年第16期154-158,共5页; 引入卷积神经网络(CNN)用于解决信道编码方式识别问题,提出了一种基于改进LeNet-5网络的编码方式自动识别方法,该方法将接收机端接收到的信号进行预处理,预处理之后的数据作为深度卷积神经网络(DCNN)的输入,根据训练好的模型对时域编码... 展开更多; 关键词信道编码识别卷积神经网络改进lenet-5网络特征提取; 在线阅读下载PDF 职称材料

基于深度学习的板栗分级方法研究: 5; 作者王培福孙一丹 +2 位作者鹿子涵王伟陈晓峰《湖北农业科学》 2022年第21期168-175,共8页; 板栗品质分级对板栗产品的标准化和均一性有重要影响,精确的分类有助于板栗商品标准化,发挥出各等级板栗的最大价值。针对中国板栗分级分类大多依靠机器与人工,存在效率低、准确度低等问题,提出利用深度学习方法实现板栗分级分类的自动... 展开更多; 关键词板栗分级深度学习卷积神经网络改进lenet-5模型; 在线阅读下载PDF 职称材料

题名基于贝叶斯优化与改进LeNet-5的滚动轴承故障诊断被引量：10: 1; 作者汤亮凡焱峰徐适斐蔡凯翼; 机构湖北工业大学机械工程学院湖北省制造业创新方法与应用工程技术研究中心; 出处《计量学报》 CSCD 北大核心 2022年第7期913-919,共7页; 基金国家自然科学基金(61976083)。; 文摘考虑到卷积神经网络在滚动轴承故障诊断中存在网络结构难以确定、训练次数过多、时间过长等问题,设计了一种贝叶斯优化改进LeNet-5算法,以及采用该算法构建的轴承故障诊断模型。采用贝叶斯优化训练过程中学习率等超参数,多种故障轴承的振动信号直接作为改进LeNet-5网络的输入,对池化输出采用批归一化处理和改进池化层激活函数防止过拟合,利用全局平均池化层替代全连接层提高改进LeNet-5网络的泛化能力,用Softmax分类器实现滚动轴承故障的分类。通过轴承数据库开展实验,实验表明,该算法构建的轴承故障诊断模型在训练集上准确率为99.94%,验证集上的准确率为99.89%,测试集准确率也达到99.65%,与一维卷积神经网络和二维卷积神经网络对比分析,基于贝叶斯优化改进LeNet-5算法构建的轴承故障诊断模型在滚动轴承的故障诊断模型具有更高的准确率,更少的训练次数和训练时间。; 关键词计量学滚动轴承故障诊断改进lenet-5网络贝叶斯优化深度学习; Keywords metrology rolling bearings fault diagnosis improved lenet-5 network Bayesian optimization deep learning; 分类号 TB936 [机械工程—测试计量技术及仪器] TB973 [机械工程—测试计量技术及仪器]; 在线阅读下载PDF 职称材料

题名基于改进型LeNet-5的工业机器人工件自动识别研究被引量：6: 2; 作者刘东来崔亚飞罗辉邓子林秦润华秦长江; 机构永州职业技术学院湘潭大学; 出处《制造技术与机床》北大核心 2021年第8期103-107,共5页; 基金湖南省教育厅科学研究项目(20C1868) 湖南省科技厅科技计划重点研发项目(2016GK2014)。; 文摘针对机器人关节工件组装生产过程中,工件种类多、产量大、人工分拣与装配耗时费力等问题,在经典LeNet-5模型基础上,提出一种改进型LeNet-5网络,该网络输入图像的大小修改为32×32,卷积层增加至4层,激励函数改用Leaky ReLU以防止过拟合。同时,将改进型LeNet-5与经典LeNet-5、GoogLeNet模型进行训练、测试与对比,试验结果表明,改进型LeNet-5效果最好,测试集的准确率达到98.32%、曲线下降面积AUC为0.9163,识别一个待装配工件仅需约0.016 s,满足工厂工业机器人实时性检测要求,为类似的识别提供了有效参考,具有较高的应用价值。; 关键词工件识别改进型lenet-5 卷积神经网络; Keywords workpiece recognition improved lenet-5 convolution neural network; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进型LeNet-5的苹果自动分级方法被引量：40: 3; 作者王立扬张瑜沈群薛勇; 机构中国农业大学食品科学与营养工程学院中国农业大学信息与电气工程学院中国农业大学植物蛋白与谷类加工北京市重点实验室中国农业大学国家果蔬加工工程技术研究中心; 出处《中国农机化学报》北大核心 2020年第7期105-110,共6页; 基金国家自然科学基金项目(81803234)。; 文摘针对目前传统机器学习对苹果分级的局限性,改进经典卷积神经网络LeNet-5模型以提高分级准确率。试验在原基础上添加卷积层至4层以加深网络深度,改用LeakyReLU激励函数并加入Dropout层防止过拟合,修改输入图像大小为32×32×3。同时将此与GoogLeNet迁移模型、初始LeNet-5模型、传统机器学习进行对比。试验对不同等级的红富士苹果进行训练与测试,发现改进后的LeNet-5效果最好,测试集准确率达98.37%、AUC值为0.9075,识别一个苹果仅需0.12 s,能够满足工厂自动化分级的需求。综上,改进型LeNet-5模型可用于苹果的高效分级。; 关键词苹果分级改进型lenet-5 卷积神经网络深度学习; Keywords apple grading improved lenet-5 convolution neural network deep learning; 分类号 S24: [农业科学—农业电气化与自动化] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于深度学习的纠错编码方式识别被引量：4: 4; 作者刘洁刘凯; 机构上海大学通信与信息工程学院上海大学特种光纤与光接入网重点实验室; 出处《电子测量技术》 2019年第16期154-158,共5页; 文摘引入卷积神经网络(CNN)用于解决信道编码方式识别问题,提出了一种基于改进LeNet-5网络的编码方式自动识别方法,该方法将接收机端接收到的信号进行预处理,预处理之后的数据作为深度卷积神经网络(DCNN)的输入,根据训练好的模型对时域编码信号进行直接特征提取与识别分类。针对ldpc码、卷积码、汉明码三种典型的编码方式进行了仿真实验,信噪比大于8时,编码方式的识别准确率大于80%。不同码率的卷积码之间,信噪比大于8时,识别准确率可以达到95%以上。实验结果表明,基于DCNN的时域编码信号识别是可行的。; 关键词信道编码识别卷积神经网络改进lenet-5网络特征提取; Keywords channel coding identification convolutional neural network improved lenet-5 network feature extraction; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TN971.1 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于深度学习的板栗分级方法研究: 5; 作者王培福孙一丹鹿子涵王伟陈晓峰; 机构中国农业大学烟台研究院; 出处《湖北农业科学》 2022年第21期168-175,共8页; 基金国家重点研发计划项目(2018YFD1000800) 中国农业大学本科生URP项目(U2021064)。; 文摘板栗品质分级对板栗产品的标准化和均一性有重要影响,精确的分类有助于板栗商品标准化,发挥出各等级板栗的最大价值。针对中国板栗分级分类大多依靠机器与人工,存在效率低、准确度低等问题,提出利用深度学习方法实现板栗分级分类的自动化与智能化。对经典卷积神经网络LeNet-5模型进行了改进,增加5层卷积层和2层池化层以加深网络,从而更准确地提取板栗特征,同时输入层修改为图像大小256×256的彩色图像;激活函数改进为Leaky ReLu,并加入Dropout算法缓解过拟合现象;使用Adam作为优化器对网络参数进行优化。将改进后的LeNet-5模型与初始LeNet-5模型、AlexNet和VGG16模型进行对比,发现改进后的LeNet-5模型在测试集上识别平均精确率为99.68%、准确率为99.34%、召回率为99.35%,优于其他3种模型,且识别1个样本用时仅0.19 s,改进后的LeNet-5模型可以实现对板栗良好的分级分类,满足工厂对板栗自动分级的需要。; 关键词板栗分级深度学习卷积神经网络改进lenet-5模型; Keywords Chinese chestnut grading deep learning convolutional neural network improved lenet-5 model; 分类号 S126 [农业科学—农业基础科学]; 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	基于贝叶斯优化与改进LeNet-5的滚动轴承故障诊断	汤亮凡焱峰徐适斐蔡凯翼	《计量学报》 CSCD 北大核心	2022	10	在线阅读下载PDF 职称材料
2	基于改进型LeNet-5的工业机器人工件自动识别研究	刘东来崔亚飞罗辉邓子林秦润华秦长江	《制造技术与机床》北大核心	2021	6	在线阅读下载PDF 职称材料
3	基于改进型LeNet-5的苹果自动分级方法	王立扬张瑜沈群薛勇	《中国农机化学报》北大核心	2020	40	在线阅读下载PDF 职称材料
4	基于深度学习的纠错编码方式识别	刘洁刘凯	《电子测量技术》	2019	4	在线阅读下载PDF 职称材料
5	基于深度学习的板栗分级方法研究	王培福孙一丹鹿子涵王伟陈晓峰	《湖北农业科学》	2022	0	在线阅读下载PDF 职称材料