

基于QPSO正则化极限学习机的轴承故障诊断.docx
快乐****蜜蜂
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于QPSO正则化极限学习机的轴承故障诊断.docx
基于QPSO正则化极限学习机的轴承故障诊断基于QPSO正则化极限学习机的轴承故障诊断摘要:轴承是旋转机械中常见的重要零件之一,其工作状态直接影响机械设备的正常运行。因此,准确、快速地诊断轴承的故障情况对于设备的维修和预测维护具有重要意义。本文提出了一种基于QPSO正则化极限学习机(QPSEL)的轴承故障诊断方法,在特征提取和故障分类过程中均取得了较好的性能。关键词:轴承故障诊断,QPSO,正则化极限学习机,特征提取,故障分类1.引言轴承是用来支撑和旋转机械设备主要转动部分之间的机械传动装置,常常处于高速、
基于流形正则化的在线半监督极限学习机.docx
基于流形正则化的在线半监督极限学习机基于流形正则化的在线半监督极限学习机摘要近年来,半监督学习逐渐受到了广泛的关注,它结合了有标签和无标签样本的信息来提高分类器的性能。极限学习机(ELM)是一种效率高、泛化能力强的学习算法,但其在不适当标注的无标签数据上容易产生较大的误差。本论文提出了一种基于流形正则化的在线半监督极限学习机算法,通过使用流形正则化方法在在线学习的过程中对无标签样本进行约束,增强了极限学习机的泛化能力。关键词:半监督学习,极限学习机,流形正则化,无标签样本1.引言随着机器学习的快速发展,半
基于流形正则化极限学习机的语种识别系统.docx
基于流形正则化极限学习机的语种识别系统摘要语种识别在语音识别、机器翻译、语音合成等领域中具有重要的作用。本文提出了一种基于流形正则化极限学习机的语种识别系统。该系统利用谱特征表示样本,构建流形图,应用正则化方法优化模型,最终通过极限学习机进行分类。实验结果表明,本文提出的语种识别系统具有较好的性能。关键词:流形正则化;极限学习机;语种识别;谱特征AbstractLanguageidentificationplaysanimportantroleinfieldssuchasspeechrecognition
基于改进正则化极限学习机的转炉终点锰含量预测方法.pdf
本发明公开了一种基于改进正则化极限学习机的转炉终点锰含量预测方法,首先,采集转炉炼钢实际生产所涉及的数据,找到影响转炉炼钢终点锰含量的影响因素,确定模型的输入变量,建立了基于正则化极限学习机(RELM)的转炉炼钢终点锰含量预测模型,在终点锰含量的预测过程中,采用改进粒子群优化算法(IPSO)对RELM模型的输入层权值和隐含层偏差进行优化,建立了基于改进粒子群算法优化正则化极限学习机(IPSO‑RELM)的转炉炼钢终点锰含量预测模型。采用转炉现场实际冶炼数据对该锰含量预测方法进行检验,结果表明本方法的预测精
基于正则化极限学习机的转炉炼钢终点锰含量预测方法.pdf
本发明提出基于正则化极限学习机的转炉炼钢终点锰含量预测方法,包括以下步骤:正则化极限学习机的输入变量的选取、样本数据的预处理、归一化处理、构建正则化极限学习机和通过正则化极限学习机进行转炉炼钢终点锰含量预测;本发明通过正则化极限学习机对转炉炼钢终点锰含量进行预测,在训练过程中不需要调整网络的输入权值以及隐藏层的偏置,只需设置网络的隐藏层节点个数、正则化系数和激活函数就能产生唯一的最优解,且该模型训练速度快、预测精度高、适应性较好,同时该方法测量适应性好、训练时间短、不易陷入局部最优值,可以明显提高转炉炼钢