排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
该文首先介绍了基于智能设备的移动学习平台的总体设计目标和系统架构,然后分析了主要开发技术,最后实现了移动学习平台的开发。 相似文献
2.
为解决传统机械故障诊断方法需要人工提取特征的不足,提出一种基于多重注意力-卷积神经网络-双向门控循环单元(multiple attention-convolutional neural networksbidirectional gated recurrent unit,MA-CNN-BiGRU)的端到端的故障诊断方法。首先将原始时域数据输入卷积神经网络(convolutional meural networks,CNN)进行初步特征提取并降维,然后将结果重组输入双向门控循环单元(bidirectional gated recurrent unit,BiGRU),可以有效地解决BiGRU对于过长序列数据处理困难的问题。采用美国凯斯西储大学开源轴承数据集进行训练,确定了最佳卷积层数和最佳样本长度约减比例分别为2和1/8。同时,通过在CNN和BiGRU中分别加入卷积注意力模块(convolutional block attention module,CBAM)和序列注意力模块(sequence attention module,SAM),进一步加强了模型对于关键信息的提取能力。最后实测柴油机故障振动信号试验表明:MA-CNN-BiGRU模型可以实现端到端的故障诊断,与变分模态分解(variational mode decomposition,VMD)-核模糊C-均值聚类算法(VMD-kernel fuzzy C-means clustering,VMD-KFCM)、VMD-反向传播神经网络(back propagation neural network,BPNN)和一维CNN等方法进行对比,MA-CNN-BiGRU模型的故障诊断性能更优。 相似文献
3.
该文首先介绍了基于智能设备的移动学习平台的总体设计目标和系统架构,然后分析了主要开发技术,最后实现了移动学习平台的开发。 相似文献
4.
高效、准确的故障诊断可以提高柴油机的安全性和可靠性。传统机械故障诊断方法中人工参与程度过高,对识别结果带来诸多不确定性。针对这一问题,提出一种基于多重注意力卷积神经网络(multiple attention convolutional neural networks,MACNN)的端到端故障诊断方法。该方法采用多层卷积神经网络(convolutional neural networks,CNN)结合卷积注意力模块(convolutional block attention module,CBAM)对原始时域数据进行特征提取;然后,对多维卷积输出特征图进行重组以保留其序列信息;最后,直接采用序列注意力机制完成序列特征的学习。经采用实测柴油机缸盖振动信号数据进行验证后表明:面对8分类柴油机故障数据集,MACNN能够达到97.88%的识别准确率,测试100个样本用时仅为0.35 s。与现有多种传统故障诊断方法和端到端故障诊断方法相比,均具有更好的诊断效果。 相似文献
5.
基于非线性扩散滤波的指纹增强算法 总被引:8,自引:0,他引:8
根据指纹图像的特性提出了一种利用非线性扩散滤波增强指纹图像以提取细节点的方法.该算法利用指纹图像的结构张量构造扩散张量.使得滤波沿着指纹脊线方向扩散.在求解非线性扩散滤波中最重要是怎样选取迭代时间和迭代步长.为了解决这两个问题,根据扩散张量在大小为(2n+1)×(2n+1)窗口上的离散形式,分解扩散滤波为4n个方向的和,然后利用托马斯-高斯消元法在每个方向快速求解非线性滤波后的指纹增强图像.该算法的优点是可以有效地连接断裂脊线,而不会改变指纹脊线的连续性和奇异性.在NIST27数据库及FVC2002数据库上的实验结果表明,基于非线性扩散滤波的指纹增强算法可以有效地提高提取细节点的性能和指纹匹配率. 相似文献
6.
7.
8.
9.
10.
一种新型物流服务供应链建模方法 总被引:1,自引:0,他引:1
提出了一种多目标混合整数规划模型来优化物流服务供应链网络.对物流服务的参与实体以及服务属性,如服务质量、服务能力、服务成本、交付时间等进行了定义并给出了计算公式.目标函数和约束条件的设定兼顾了物流服务的串行与并行过程.用案例验证了该模型的可解性. 相似文献