典型文献
基于多层面压缩深度神经网络的轴承故障诊断
文献摘要：
针对在资源有限的工业环境中难以应用基于深度神经网络的故障诊断模型的问题,提出一种压缩深度神经网络的轴承故障诊断方法,将结构化剪枝、非结构化剪枝、参数量化及矩阵压缩多层面处理相结合,实现了网络多级压缩.首先用结构化剪枝剔除卷积层中输出低秩特征图对应的滤波器;再用非结构化剪枝去除全连接层中非重要性连接;最后通过对权重矩阵的参数量化减少参数表示所需比特数,并结合权值矩阵压缩存储方法进一步减小了网络的参数存储量.实验表明提出的压缩方法在保证较高诊断准确率的前提下,极大减少了网络的参数存储量和浮点运算量,缩短了网络训练时间,加快了网络响应速度,为深度神经网络方法的工业实际应用进行了有益探索.
文献关键词：
轴承故障诊断;深度学习;模型压缩;网络剪枝;参数量化
中图分类号：
作者姓名：
刘钊;孙洁娣;温江涛
作者机构：
燕山大学信息科学与工程学院 秦皇岛 066004;燕山大学河北省信息传输与信号处理重点实验室 秦皇岛 066004;燕山大学河北省测试计量技术及仪器重点实验室 秦皇岛 066004
文献出处：
引用格式：
[1]刘钊;孙洁娣;温江涛-.基于多层面压缩深度神经网络的轴承故障诊断)[J].电子测量与仪器学报,2022(07):189-198
A类：
B类：
多层面,面压,深度神经网络,轴承故障诊断,工业环境,故障诊断模型,故障诊断方法,结构化剪枝,非结构化,参数量化,多级压缩,先用,卷积层,低秩,特征图,滤波器,全连接层,权重矩阵,参数表,比特,权值,存储方法,存储量,压缩方法,诊断准确率,浮点运算,运算量,网络训练,训练时间,响应速度,神经网络方法,模型压缩,网络剪枝
AB值：
0.357368
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
