期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于多小波基DWT分解的1DCNN-KAN-EA机械损伤识别方法
1
作者 王雷 付海朋 《机电工程》 北大核心 2025年第9期1707-1715,1829,共10页
针对传统机械损伤识别方法处理复杂振动信号时,特征表达能力不足、识别准确率低的问题,提出了一种基于多小波基离散小波变换(DWT)分解,并结合了一维卷积神经网络(1DCNN)、Kolmogorov-Arnold网络(KAN)和外部注意力(EA)机制的机械损伤识... 针对传统机械损伤识别方法处理复杂振动信号时,特征表达能力不足、识别准确率低的问题,提出了一种基于多小波基离散小波变换(DWT)分解,并结合了一维卷积神经网络(1DCNN)、Kolmogorov-Arnold网络(KAN)和外部注意力(EA)机制的机械损伤识别方法。首先,采用多小波基DWT分解对振动信号进行了多样性描述,并以分解得到的小波系数集合构建特征向量作为1DCNN的输入,以提取深层次故障特征;然后,构建了KAN线性层取代全连接层,进行了损伤特征识别,克服了传统多层感知机(MLP)结构在节点采用固定激活函数和线性权重的固有局限性,增强了模型对复杂损伤特征的表达能力;接着,引入EA捕捉了不同样本之间的潜在关联,提高了模型对全局上下文信息的捕捉能力;最后,在包含5类不同损伤状态的机翼大梁数据集上进行了实验研究。研究结果表明:基于多小波基DWT分解的1DCNN-KAN-EA模型平均准确率高达99.41%,相比于1DCNN、KAN分别提高了1.56%、2.54%。对比其他模型,基于多小波基DWT分解的1DCNN-KAN-EA模型在准确识别损伤特征方面具有优越性,各项指标得到明显提升,其效果优于只基于单一小波基DWT分解下的模型。 展开更多
关键词 机械运行与维修 离散小波变换 一维卷积神经网络 Kolmogorov-Arnold网络 外部注意力机制 多层感知机
在线阅读 下载PDF
自适应多层小波神经网络建模方法 被引量:1
2
作者 刘霞 王焕勇 刘铁男 《大庆石油学院学报》 CAS 北大核心 2006年第3期102-104,共3页
基于小波多分辨率分析,提出了一种自适应多层小波神经网络的建模方法.该网络由平滑子网和多层细节子网组成.为改善模型精度,可递推并入新的细节子网,并且新网的训练不影响以前网络训练结果.应用遗传算法辨识多层小波网络的结构,用带遗... 基于小波多分辨率分析,提出了一种自适应多层小波神经网络的建模方法.该网络由平滑子网和多层细节子网组成.为改善模型精度,可递推并入新的细节子网,并且新网的训练不影响以前网络训练结果.应用遗传算法辨识多层小波网络的结构,用带遗忘因子的递推最小二乘法辨识网络的权值,较好解决了小波网络的结构优化问题.仿真表明:随着分阶层数的增加,网络的逼近误差逐渐下降,三层自适应小波网络即能满足建模精度要求. 展开更多
关键词 遗传算法 自适应多层小波神经网络 递推最小二乘法
在线阅读 下载PDF
多层分组神经网络的手写体数字识别 被引量:1
3
作者 王雯 施鹏飞 《上海交通大学学报》 EI CAS CSCD 北大核心 1998年第9期35-39,共5页
手写体数字识别的应用研究是字符识别中具有挑战性的课题.提出一种基于二进小波变换与多层分组神经网络的自由手写体数字的多分辨率识别算法.该算法包含二进小波变换的多分辨率特征抽取单元及多层分组神经网络分类器,与传统的完全连... 手写体数字识别的应用研究是字符识别中具有挑战性的课题.提出一种基于二进小波变换与多层分组神经网络的自由手写体数字的多分辨率识别算法.该算法包含二进小波变换的多分辨率特征抽取单元及多层分组神经网络分类器,与传统的完全连接的神经网络相比,该网络结构简单、输入节点少,并且由于网络分为子网结构,不同子网学习的是不同的特征映射值,某一子网不收敛不会影响到其他子网的收敛,网络鲁棒性好.采用信函分拣机提供的字库测试表明,其正确率为98%左右. 展开更多
关键词 多分辨率识别 小波 神经网络 手写体数字识别
在线阅读 下载PDF
改进鲸鱼算法在云计算资源负载预测中的应用 被引量:17
4
作者 谢建群 刘怡俊 李生 《计算机工程与应用》 CSCD 北大核心 2018年第13期73-77,130,共6页
为了解决传统云计算资源负载预测方法对负载序列高频分量预测精度不高和泛化能力弱的缺点,提出一种混合小波包变换和正余混沌双弦鲸鱼优化(CSCWOA)算法优化多层感知器神经网络(MLP)的短期云计算资源负载预测方法。通过小波包变换对负载... 为了解决传统云计算资源负载预测方法对负载序列高频分量预测精度不高和泛化能力弱的缺点,提出一种混合小波包变换和正余混沌双弦鲸鱼优化(CSCWOA)算法优化多层感知器神经网络(MLP)的短期云计算资源负载预测方法。通过小波包变换对负载序列进行多频段预处理分解,然后采用CSCWOA算法优化的MLP神经网络,对单支重构所得的负载子序列进行预测;最后叠加各子序列的预测值来获取实际预测结果。实验结果表明,该方法能掌握负载序列各频段冲击毛刺的变化规律,具有较好的预测精度和泛化能力。 展开更多
关键词 云计算资源负载预测 正余混沌双弦鲸鱼优化算法 小波包变换 多层感知器神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部