基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

基于CiteSpace的非物质文化遗产科技创新研究热点及趋势分析

非物质文化遗产（以下简称“非遗”）作为我国优秀传统文化的重要组成部分,非遗科技创新的研究逐渐成为学术界关注的热点。运用CiteSpace分析工具的可视化功能,以中国知网中CSSCI数据库收录的有关非遗科技创新的文献为样本,对年度发文量、研究力量、研究热点和趋势等进行分析。研究发现：2008~2021年非遗科技创新研究经历了3个阶段;研究热点集中在非遗、传承、创新和保护等方面;研究前沿主题聚焦互联网+、传播创新和活态传承等。     

良定Hadamard问题的统一研究

本文给出了良定Ｈａｄａｍａｒｄ问题的一个统一定理。     

特勒根定理的验证及其应用

本文对特勒根定理的内容,特别是其适用的普通性进行了验证．并运用该定理对网络的灵敏度进行了分析．最后对一个具体电路的灵敏度进行了计算,进一步验证了文中所述方法的正确性．     

一种新的混沌神经网络模型及其动力学分析

提出了一种混沌神经网络模型。通过引入暂态混沌和时变增益,该网络比Hopfield型网络具有更加丰富和更为灵活的动力学特性,从而具有更强的搜索全局最优解或近似全局最优解的能力,它可以用于求解各种复杂的优化问题。大量的数字模拟表明网络能较好地解决Hopfield型网络的局部极值问题。     

一维双向耦合映象网络及其应用

全局耦合映象具有硬件集成化实现不便的缺点,为此本文研究了各混沌神经元之间局部耦全的一维双向耦合混沌神经网络,发现它同样具有全局耦合映象的分类功能,对一维双向耦合网络的动态特性进行了分析,提出了利用网络的时空特性对信息进行存储的思想,并提出了将其应用到保密通信的初步设想。     

单向耦合映象格子的时空混沌同步

用主动－被动分拆方法实现了单向耦合映象格子系统的时空混沌同步,从理论上给出步范围,并从数值实验上得到验证。该法具有高度保密性,且信号可以完全恢复,特别适用于混沌保密通讯 。     

高阶模态对弹性屈曲梁混沌运动的影响

为了讨论高阶模态对混沌运动的影响,建立了横向载荷作用下弹性屈曲简支梁的非线性动力方程,将其化为常微分方程或方程组。对梁的单模态模型采用Ｍｅｌｎｉｋｏｖ函数法给出了发生混沌运动的门槛值,对梁的单模态模型和双模态模型利用时程曲线、相平面轨迹,Ｐｏｉｎｃａｒｅ映射判断是否发生混沌运动,理论和数值分析表明高阶模态对混沌运动具有很大的影响。     

一个实用的地图着色算法

给出一种计算机实现地图四色着色的算法,并以Ｐａｓｃａｌ语言编制了程序．该程序稍作改动,即可成为分块图形实现四色着色的通用程序．     

终周期双峰映射拓扑熵的计算

利用符号动力学的揉理论,讨论双峰映射拓扑熵的计算．对于具有重要意义的终周期揉序列对,给出了决定其拓扑熵的揉行列式的解析表达式．