仪表技术
儀錶技術
의표기술
2010年
5期
57-59
,共3页
信息神经网络%模式识别%故障诊断
信息神經網絡%模式識彆%故障診斷
신식신경망락%모식식별%고장진단
传统的信息神经网络没有考虑特征分量的故障信息重要度,使得识别效率大为降低.针对上述问题,文章提出了一种改进型信息神经网络,充分考虑各特征分量的重要度权值,优化了网络结构,提出了结构参数的优化算法;最后,将改进型信息神经网络应用于模式识别和故障诊断,结果证明了该方法的有效性.
傳統的信息神經網絡沒有攷慮特徵分量的故障信息重要度,使得識彆效率大為降低.針對上述問題,文章提齣瞭一種改進型信息神經網絡,充分攷慮各特徵分量的重要度權值,優化瞭網絡結構,提齣瞭結構參數的優化算法;最後,將改進型信息神經網絡應用于模式識彆和故障診斷,結果證明瞭該方法的有效性.
전통적신식신경망락몰유고필특정분량적고장신식중요도,사득식별효솔대위강저.침대상술문제,문장제출료일충개진형신식신경망락,충분고필각특정분량적중요도권치,우화료망락결구,제출료결구삼수적우화산법;최후,장개진형신식신경망락응용우모식식별화고장진단,결과증명료해방법적유효성.
