一种基于改进Transformer模型的水泵设备剩余使用寿命预测方法.pdf
邻家****文章
亲,该文档总共16页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于改进Transformer模型的水泵设备剩余使用寿命预测方法.pdf
一种基于改进Transformer模型的水泵设备剩余使用寿命预测方法,包括以下步骤:步骤S1采集数据并构建和预处理数据集,步骤S2将数据集按比例划分为训练集和验证集,步骤S3对数据集构建输入向量,并对输入向量进行步骤S4的编码、步骤S5的第一层改进的多头自注意力机制处理和步骤S6的第二层多头注意力机制处理得到输出向量,步骤S7通过非对称损失函数计算输出向量的损失值,步骤S8重复执行步骤S3至步骤S7对模型进行n轮训练,得到最优模型,步骤S9采集实时数据输入模型预测水泵设备的剩余使用寿命;本方法对多头注意力
一种基于PCA-Transformer的设备剩余使用寿命预测方法.pdf
本发明公开了一种基于PCA‑Transformer的设备剩余使用寿命预测方法,属于故障预测与健康管理领域。首先,将获取的设备性能退化数据进行归一化处理,使用主成分分析法对数据降维,以一种新的滑动窗口方式来提取数据样本,避免不同设备退化数据的误用,对生成的批数据减少了污染。其次,采用1D‑CNN和简化Transformer两种不同的网络模型来构建设备剩余寿命预测模型,两种网络分别提取不同的特征,将其进行融合后输入全连接层获取最后的剩余使用寿命预测值。最后,使用两种评估方法(RMSE、Score)来对所提模型
基于改进SVR复杂设备剩余使用寿命预测.pdf
本发明公开了基于改进SVR复杂设备剩余使用寿命预测,属于复杂设备寿命预测领域,预测结果中预测值与真实值很接近,波动趋势基本相同,这说明了半监督SVR保留了长期预测与利用历史数据的功能,且在性能方面表现更加出色,而相对于基于全局与局部预测的半监督SVR来说,半监督SVR在样本矩阵的组建方法上基本相同,但只需要进行一次全局预测的训练过程,大大地缩短了时间复杂度。实验验证了半监督SVR预测器同时具有几个优点:长期预测的能力,历史数据的充分利用,比较高的预测精度与少量的时间花费。其中在减少时间花费上的表现最为突出
一种基于词级权重的Transformer模型改进方法.docx
一种基于词级权重的Transformer模型改进方法Title:ImprovingTransformer-basedModelsusingWord-levelWeightingTechniquesAbstract:Transformermodelshaveemergedasapowerfultoolinvariousnaturallanguageprocessing(NLP)tasks.However,theysufferfrominherentlimitationssuchasbiastowardsfr
一种基于词级权重的Transformer模型改进方法.pptx
添加副标题目录PART01PART02背景介绍改进原因和目标PART03Transformer结构词级权重计算方法现有改进方法及其优缺点PART04改进思路具体改进方案改进效果分析PART05实验设置与数据集实验过程与结果结果分析与其他方法的比较PART06结论创新点总结展望感谢您的观看