电子技术应用
電子技術應用
전자기술응용
APPLICATION OF ELECTRONIC TECHNIQUE
2014年
10期
142-145
,共4页
自适应性%激励函数%故障诊断%神经网络
自適應性%激勵函數%故障診斷%神經網絡
자괄응성%격려함수%고장진단%신경망락
adaptively%activation functions%fault diagnosis%neural network
提出一种基于马尔可夫链的自适应性神经网络训练方法,对传统的S型激励函数进行了改进,建立了自适应性的神经网络分类器.在假设样本中噪声服从于正态分布的情况下建立最大似然估计,通过后验概率建立马尔科夫链对样本进行训练,提高了神经网络训练速度.在轴承故障诊断中的测试结果表明,该算法可以迅速稳定地训练出神经网络,有效提高诊断的分类结果.
提齣一種基于馬爾可伕鏈的自適應性神經網絡訓練方法,對傳統的S型激勵函數進行瞭改進,建立瞭自適應性的神經網絡分類器.在假設樣本中譟聲服從于正態分佈的情況下建立最大似然估計,通過後驗概率建立馬爾科伕鏈對樣本進行訓練,提高瞭神經網絡訓練速度.在軸承故障診斷中的測試結果錶明,該算法可以迅速穩定地訓練齣神經網絡,有效提高診斷的分類結果.
제출일충기우마이가부련적자괄응성신경망락훈련방법,대전통적S형격려함수진행료개진,건립료자괄응성적신경망락분류기.재가설양본중조성복종우정태분포적정황하건립최대사연고계,통과후험개솔건립마이과부련대양본진행훈련,제고료신경망락훈련속도.재축승고장진단중적측시결과표명,해산법가이신속은정지훈련출신경망락,유효제고진단적분류결과.