Deep Residual Shrinkage Networks for Fault Diagnosis

深度学习 残余物 收缩率 阈值 人工神经网络 噪音(视频) 特征(语言学) 断层(地质) 转化(遗传学) 模式识别(心理学) 故障检测与隔离 计算机科学 算法 人工智能 地质学 机器学习 执行机构 哲学 地震学 图像(数学) 基因 化学 生物化学 语言学
作者
Minghang Zhao,Shisheng Zhong,Xuyun Fu,Baoping Tang,Michael Pecht
出处
期刊:IEEE Transactions on Industrial Informatics [Institute of Electrical and Electronics Engineers]
卷期号:16 (7): 4681-4690 被引量:946
标识
DOI:10.1109/tii.2019.2943898
摘要

This article develops new deep learning methods, namely, deep residual shrinkage networks, to improve the feature learning ability from highly noised vibration signals and achieve a high fault diagnosing accuracy. Soft thresholding is inserted as nonlinear transformation layers into the deep architectures to eliminate unimportant features. Moreover, considering that it is generally challenging to set proper values for the thresholds, the developed deep residual shrinkage networks integrate a few specialized neural networks as trainable modules to automatically determine the thresholds, so that professional expertise on signal processing is not required. The efficacy of the developed methods is validated through experiments with various types of noise.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
小高同学完成签到,获得积分10
2秒前
量子星尘发布了新的文献求助10
3秒前
蛋花肉圆汤完成签到,获得积分10
4秒前
4秒前
MFNM完成签到,获得积分10
5秒前
5秒前
7秒前
Prime发布了新的文献求助10
7秒前
Prime发布了新的文献求助50
7秒前
Prime发布了新的文献求助10
8秒前
Prime发布了新的文献求助80
8秒前
Prime发布了新的文献求助10
8秒前
Prime发布了新的文献求助10
8秒前
Prime发布了新的文献求助80
8秒前
8秒前
8秒前
Prime发布了新的文献求助10
8秒前
Prime发布了新的文献求助10
8秒前
Prime发布了新的文献求助80
9秒前
Prime发布了新的文献求助10
10秒前
Prime发布了新的文献求助80
10秒前
Prime发布了新的文献求助80
10秒前
Prime发布了新的文献求助10
10秒前
Prime发布了新的文献求助50
10秒前
10秒前
Akim应助路路采纳,获得10
11秒前
Prime发布了新的文献求助10
12秒前
Prime发布了新的文献求助30
12秒前
Prime发布了新的文献求助10
12秒前
积极的帽子完成签到 ,获得积分10
12秒前
13秒前
Prime发布了新的文献求助30
13秒前
Prime发布了新的文献求助10
13秒前
Prime发布了新的文献求助10
13秒前
个性问寒完成签到,获得积分10
15秒前
青青河边草完成签到 ,获得积分10
20秒前
天天快乐应助yaoliwen采纳,获得10
20秒前
21秒前
小美完成签到 ,获得积分10
21秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 700
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3976745
求助须知:如何正确求助?哪些是违规求助? 3520831
关于积分的说明 11204951
捐赠科研通 3257684
什么是DOI,文献DOI怎么找? 1798834
邀请新用户注册赠送积分活动 877897
科研通“疑难数据库(出版商)”最低求助积分说明 806663