如需要完整文档点击下方 "点击下载文档" 按钮

摘要:深度置信网络是由若干层无监督的限制玻尔兹曼机（Restricted Boltzmann machines，RBM）和一层有监督的反馈神经网络组成的深层结构，该结构通过对低层输入的逐层抽象转化提取复杂输入及复杂分类数据的有效信息.然而，深度置信网络模型存在隐含层数及特征维数难以确定，后向有监督过程存在“导数消亡”问题，使得低层结构参数得不到有效的训练，而且噪声干扰直接影响识别结果的问题.针对以上问题，提出以下解决方法：每个隐含层位置构建当前层输出与样本标签之间的映射转换矩阵，根据理论标签与实际标签之间的差异，实现隐含层特征维数的自适应调整，缓解“导数消亡”问题，同时在第一隐含层位置进行特征空间降噪，保证计算效率及提高诊断模型的识别效果.复杂工况的齿轮箱故障模拟实验，验证所提方法的有效性.

如需要完整文档点击下方 "点击下载文档" 按钮

《集成参数自适应调整及隐含层降噪的深层RBM算法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：050129

点击下载文档