典型文献
PI-DBN在滚动轴承故障诊断中的研究
文献摘要：
针对DBN存在的参数冗余程度高、计算量大、训练时间长等问题,提出一种脉冲强度剪枝算法(PI-DBN).该方法在无监督预训练阶段对深度信念网络(Deep Belief Network,DBN)进行网络剪枝操作,优化网络结构,去除无效网络节点;以脉冲强度变化大小删除不具有重要意义的权重,提高DBN收敛和计算速度,同时保留继承数据特征的信息.结果表明,经过脉冲强度剪枝后权值信息在低维数据集下能够较好地表征数据的特征分布,使其快速收敛;随着数据维度的不断降低,脉冲强度剪枝收敛速度相比原始网络获取的收益更大;当权值矩阵规模较小时,变化较大的权值将具有较强的数据特征表现力.
文献关键词：
故障诊断;脉冲强度剪枝;权值通道;模型压缩
中图分类号：
作者姓名：
肖杨;李亚;王海瑞;常梦容
作者机构：
650500 云南省昆明市昆明理工大学信息工程与自动化学院
文献出处：
引用格式：
[1]肖杨;李亚;王海瑞;常梦容-.PI-DBN在滚动轴承故障诊断中的研究)[J].农业装备与车辆工程,2022(10):1-5
A类：
脉冲强度剪枝,权值通道
B类：
DBN,滚动轴承故障诊断,余程,计算量,训练时间,剪枝算法,无监督,预训练,训练阶段,深度信念网络,Deep,Belief,Network,网络剪枝,网络节点,强度变化,删除,计算速度,数据特征,低维,特征分布,快速收敛,数据维度,收敛速度,当权,规模较,特征表现,表现力,模型压缩
AB值：
0.379412
相似文献
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。
