典型文献
基于记忆自编码器在车底关键部件的异常识别
文献摘要：
提出一种新颖的带有记忆单元的自编码器深度神经网络,用于列车车底关键部件安装状态的异常识别,此方法不需要带标签的故障样本,网络通过最小化重构输入,把重构误差作为异常判别的因子,经过验证表明,关键部件整体异常识别的检出率可以达到92％以上.
文献关键词：
自编码器;深度神经网络;异常识别
中图分类号：
作者姓名：
何琦
作者机构：
中国铁路兰州局集团有限公司,兰州 730000
文献出处：
引用格式：
[1]何琦-.基于记忆自编码器在车底关键部件的异常识别)[J].铁路通信信号工程技术,2022(12):1-5,18
A类：
B类：
自编码器,车底,关键部件,异常识别,深度神经网络,列车,车车,安装状态,重构误差
AB值：
0.216993
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。
