检索结果-南通市图书馆

计算机集成制造系统 2020年第1期26卷 145-151页

作者：刘坤华钟佩思徐东方夏强刘梅山东科技大学先进制造技术研究中心

为解决修正线性单元(ReLU)的神经元死亡现象,提出一个新的激活函数——基于双曲正切函数(tanh)的修正线性单元(ThLU)。ThLU函数正半轴来自于ReLU函数的正半轴,负半轴来自于tanh函数的负半轴。为验证ThLU函数的性能,基于VggNet-16神经网... 详细信息

为解决修正线性单元(ReLU)的神经元死亡现象,提出一个新的激活函数——基于双曲正切函数(tanh)的修正线性单元(ThLU)。ThLU函数正半轴来自于ReLU函数的正半轴,负半轴来自于tanh函数的负半轴。为验证ThLU函数的性能,基于VggNet-16神经网络架构,分别在CIFAR-10和CIFAR-100数据集上进行了试验验证。结果表明:基于ThLU函数训练得到的神经网络模型比基于tanh、ReLU、泄露修正线性单元(LReLU)和指数线性单元(ELU)训练得到的神经网络模型具有更高的准确率、更低的损失。

关键词：激活函数双曲正切函数修正线性单元泄露修正线性单元指数线性单元深度学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

绝对值激活深度神经网络的串联故障电弧检测

引用

计算机应用 2019年第A1期39卷 54-59页

作者：余琼芳黄高路杨艺河南理工大学电气工程与自动化学院河南焦作454000 大连理工大学北京研究院博士后科研工作站北京100000

串联故障电弧具有隐蔽性和随机性,发生时线路电流波形受负载类型的影响而具有复杂性,检测难度大,严重威胁用电系统安全。鉴于电流数据具有大量负值的特点,提出用绝对值函数作为激活函数改进AlexNet深度学习网络检测串联故障电弧,并分析... 详细信息

串联故障电弧具有隐蔽性和随机性,发生时线路电流波形受负载类型的影响而具有复杂性,检测难度大,严重威胁用电系统安全。鉴于电流数据具有大量负值的特点,提出用绝对值函数作为激活函数改进AlexNet深度学习网络检测串联故障电弧,并分析了激活函数特性对串联故障电弧检测效果的影响。把实验采集的三类负载分别在正常和发生串联故障电弧状态下的共7200组电流数据制作成训练集和测试集,并分别对使用四种激活函数的AlexNet网络进行训练和测试。实验结果显示,ELU激活的网络最高检测正确率为95.5%;而绝对值激活的网络效果最好,其平均检测正确率最高为97.25%,最低为93%,比ReLU激活的AlexNet网络最高88.75%的平均准确率高出最少4.25个百分点;而使用Sigmoid函数的网络不收敛。分析结果表明线性的激活数据特征有助于提高网络的检测准确率。

关键词：串联故障电弧深度学习卷积神经网络激活函数绝对值函数指数线性单元修正线性单元

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度强化学习的轴承故障诊断方法研究

基于深度强化学习的轴承故障诊断方法研究

引用

作者：辛阔内蒙古科技大学

学位级别：硕士

机械装置的健康生产运行,是保证经济效益,避免严重的人员伤亡和财产损失所必须做到。轴承是工业机械的重要组成部分,它关乎到整个工程机械系统的安全与健康。针对轴承而开发的设备状况监测及故障识别与诊断技术就显得尤其重要。由于振... 详细信息

机械装置的健康生产运行,是保证经济效益,避免严重的人员伤亡和财产损失所必须做到。轴承是工业机械的重要组成部分,它关乎到整个工程机械系统的安全与健康。针对轴承而开发的设备状况监测及故障识别与诊断技术就显得尤其重要。由于振动信号传输路径的复杂,致使信号传感器所采集到的信号都呈现出非线性、不平稳的情况,加之周围环境噪音干扰等各种影响,使得信号的特征提取愈来越困难。本文研究了深度学习、卷积自编码和强化学习在故障诊断中的应用,并获得良好的轴承故障诊断效果。论文主要研究了以下内容:（1）针对传统轴承故障诊断方法需要人工提取故障特征且受环境噪声影响较大的问题,采用了一种基于深度Q网络强化学习的故障诊断模型,实现了对轴承故障特征的自动提取以及噪声环境下端到端的智能故障诊断。该方法以一维故障信号作为模型的输入,以各故障的故障类型作为当前输入的可选动作,采用基于统计的随机置零方法提高模型的抗噪能力,通过深度学习网络有效提取各故障的故障特征,拟合当前状态动作对的Q值,并以深度Q学习模型完成各个故障类型的识别。通过实验表明,该方法可以高效、准确和稳定的进行故障诊断,并于传统机器学习方法和一维卷积神经网络模型进行了比较,表明该方法在噪声环境下的优良表现。（2）振动信号常常被用于轴承故障诊断中,但由于复杂环境得影响往往掺杂环境噪声,使诊断准确率下降,传统深度自编码器应用于轴承故障诊断降噪过程中,池化模型是适应差以及易导致过拟合问题。为此,本文提出增强卷积自编码器和深度强化学习的故障诊断方法。采用随机池化替代原卷积自编码器的池化层,采用指数线性单元（ELU）代替原有的激活函数增强卷积自编码器,使用大量无标签样本训练,之后使用深度强化学习进行网络微调。通过故障诊断试验台采集的传感器数据经行实验表明,该方法在去噪能力和特征提取能力都有不错的提升,识别准确率和稳定性好于传统卷积自编码器和传统机器学习方法。

关键词：深度强化学习噪声环境随机池化指数线性单元故障诊断

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进残差网络的海水养殖鱼类识别与分类研究

引用

计算机时代 2023年第9期 101-105页

作者：季星宇赵雪峰陈荣军仲兆满江苏海洋大学计算机工程学院江苏连云港222000

为了满足海水养殖行业不断提高的智能化需求,对海洋鱼类的识别和分类算法进行研究。采用多重残差网络进行鱼类识别及分类,不仅降低计算复杂度,同时加快了残差网络的学习速度;引入指数线性单元(ELU)改进网络的标准残差模块,对输入的负激... 详细信息

为了满足海水养殖行业不断提高的智能化需求,对海洋鱼类的识别和分类算法进行研究。采用多重残差网络进行鱼类识别及分类,不仅降低计算复杂度,同时加快了残差网络的学习速度;引入指数线性单元(ELU)改进网络的标准残差模块,对输入的负激活值部分进行非线性变化,其参数可通过卷积训练进行自适应学习,同时保持正激活值部分不变,解决了传统残差模块中ReLU层将包含有用信息的负激活值完全丢弃的问题,以降低梯度消失的概率。在海洋鱼类识别与分类的多次实验中,改进的残差网络准确率均不低于95.48%,表明改进算法拥有较高的识别准确率和良好的稳定性。

关键词：海水养殖鱼类识别残差网络指数线性单元激活函数

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：