凯斯西出大学轴承数据利用深度信念DBN计算

HIT_qiang 2017-11-19 09:09:02
请教各路大神,利用深度信念网络对凯斯西出大学轴承数据集进行分类,用的是matlab的工具箱里面的DBN,但是错误率一直降不下来,网络参数设置很多次没有用,求救怎么办??ps:利用该dbn对手写数字集分类已经取得了很好的效果。
...全文
538 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
HIT_qiang 2019-09-21
  • 打赏
  • 举报
回复
引用 2 楼 满口荒唐言的回复:
楼主能分享一下代码吗?我的一直显示索引超出矩阵维度。

出错 nntrain (line 49)
batch_y = train_y(kk((l - 1) * batchsize + 1 : l * batchsize), :);

出错 dbn1 (line 38)
nn = nntrain(nn, train_x, train_y, opts);
是不是你分类数和实际的数量不匹配
满口荒唐言 2019-05-15
  • 打赏
  • 举报
回复
楼主能分享一下代码吗?我的一直显示索引超出矩阵维度。

出错 nntrain (line 49)
batch_y = train_y(kk((l - 1) * batchsize + 1 : l * batchsize), :);

出错 dbn1 (line 38)
nn = nntrain(nn, train_x, train_y, opts);
内容概要:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。

259

社区成员

发帖
与我相关
我的任务
社区描述
其他产品/厂家
社区管理员
  • 其他
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧