当前位置: 首页 > 学科科研 > 学术动态 > 正文
【姐夫总是用蘑菇堵着召开姐夫总是用蘑菇堵着召开】我院冉瑞生教授指导的研究生王金平在国际仪器仪表知名期刊IEEE Transactions on Instrumentation & Measurement 发表题为“GNPENet: A Novel Convolutional Neural Network with Local-Structure for Fault Diagnosis” 的论文
作者:佚名,2023-12-05,编辑:周杨,浏览量: 次

近日,由我院完成的一篇深度学习模型应用研究论文“GNPENet: 一种用于故障诊断的局部结构卷积神经网络”被国际知名刊物《IEEE Transactions on Instrumentation & Measurement》接收并出版。我院2021级软件工程专业研究生王金平为论文第一作者,指导教师和通讯作者为冉瑞生教授。

随着现代工业的发展,故障诊断已成为一个重要的研究领域。目前,人们提出了许多故障诊断方法。作为一种旨在克服卷积神经网络(CNN)高计算复杂性的方法,PCANet 也被应用于故障诊断领域。PCANet 的核心算法是主成分分析(PCA)算法。然而,PCA 是一种全局结构降维方法,不能有效分析数据的局部空间几何结构,甚至可能削弱或破坏局部结构信息。此外,基于 L2范数的算法对噪声和异常值非常敏感。针对这些问题,首先提出了一种基于 Lp范数的广义邻域保留嵌入(GNPE)方法,并将其用于学习 CNN 的卷积滤波器。通过这种方法,我们提出了一种具有局部结构的新型卷积神经网络,即广义邻域保持嵌入网络(GNPENet)。我们在三种类型的五个数据集上进行了故障诊断实验,全面评估了所提出的 GNPENet 方法。实验结果表明,与一些最先进的模型相比,GNPENet 具有更好的特征提取和泛化能力。GNPENet模型主要架构见图1。成果论文题目为“GNPENet: A Novel Convolutional Neural Network with Local Structure for Fault Diagnosis”

1 GNPENet模型主要框架示意图

TIM(IEEE Transactions on Instrumentation & Measurement)是IEEE旗下仪器仪表系统领域的知名刊物,在2022年12月最新升级版的中科院SCI期刊分区(http://www.fenqubiao.com)中位列“工程技术”领域的第二区,JCR分区为Q1分区。

该成果论文目前已在IEEE Xplore网站上刊登https://ieeexplore.ieee.org/document/10304236。


关闭


地 址:重庆市沙坪坝区大学城中路37号 , 致用楼  
邮 编:401331     院 办: 023-65910275
教科办:023-65910270 学工办: 023-65910272

Copyright@姐夫总是用蘑菇堵着 - 知乎百科,2010-2022 
网页设计:汪晓玲
技术支持:谭华山,E-Mail:6510388@qq.com