【摘 要】
：
为了降低交通事故发生概率、确保人民生命财产安全,将采集的发动机信号分为8类,基于LMS算法利用线性判别函数构建发动机故障状态识别模型对发动机状态进行快速判断,基于三层BP神经网络构建故障定位分类模型对存在故障的发动机进行故障分类,经过800个实例数据验证,判别准确率高达95.375％,模型诊断效果良好,为发动机故障诊断与定位提供了技术支撑.
【机 构】
：
烟台汽车工程职业学院机电工程系,山东烟台265500
论文部分内容阅读
为了降低交通事故发生概率、确保人民生命财产安全,将采集的发动机信号分为8类,基于LMS算法利用线性判别函数构建发动机故障状态识别模型对发动机状态进行快速判断,基于三层BP神经网络构建故障定位分类模型对存在故障的发动机进行故障分类,经过800个实例数据验证,判别准确率高达95.375％,模型诊断效果良好,为发动机故障诊断与定位提供了技术支撑.
其他文献
为了简化实验考核环节,减轻教师实验教学的负担,设计了一种基于物联网技术的实验装置.该装置在传统的“单片机原理及应用”实验开发板的基础上增加实验过程扫描及数据上报模块,通过对单片机实验过程中相关寄存器等硬件资源进行扫描,获取实验过程及最终结果数据,并上报到云端;教师可以通过云端及时掌握学生实验情况,进行实验成绩评定.最后对该装置进行了测试,搭建了基于中国移动Onenet云平台的测试环境,结果验证了该设计的可用性.
设计了一种包含了时间影响因素的SVDPP算法,该算法先构建得到用户-电影—评分之间的相互关系,并把该关系映射至马尔可夫决策过程,之后通过强化学习Q-learning算法对其实施优化,再把时间影响添加至推荐算法SVDPP模型内,由此获得包含了时间戳参数的RL-TSVDPP优化模型.通过测试发现,RL-SVDPP算法利用先处理数据集分析时间因素的影响,之后通过推荐模型训练参数对用户电影评分进行预测可以获得更高的准确率.通过分布式数据预处理的方法来提高计算效率,为SVDPP模型添加时间影响因素是完全可行的,将此
近年来深度学习和机器学习在图像分类上取得了重大的进展,但高效的网络训练需要巨量的数据支持.在只有少量数据的情况下,模型的表现十分糟糕.数据增强方法可以通过更加高效的使用已有的数据来减轻该问题.但通常的数据增强方法只通过裁剪,旋转等方法产生有限的可能有用的数据.针对这一问题,提出了一种基于MUNIT的数据增强方法,通过使用MUNIT基于已有的少量数据来生成新的数据.据实验结果表明,该方法可以生成具有相同内容但不同类别的新数据,将新的数据加入神经网络训练后,神经网络不会出现过拟合的情况而且分类的准确度有了一定
新媒体时代背景下,广播电视新闻面临着来自各类新媒体、流媒体以及自媒体的强势冲击与挑战,想要形成完美转型,为广大受众和用户提供更加优势的新闻节目与新闻报道,广播现实新闻编辑就必须要不断创新编辑理念与提升编辑技巧,真正做到“内容为王”,进而获得更多受众与媒体用户的喜爱、关注和认可.鉴于此,笔者在本文针对新媒体时代如何加强广播电视新闻编辑技巧展开一定系统化的分析与研究,以供参考.
为了促进应用型科技成果的转化、提升科技资金投资的精度,对科技成果的社会效益预测方法进行了研究,构建了成果预测模型.该模型基于自组织神经网络在训练过程中引入神经元间的“竞争—合作”机制,解决了传统的神经网络对于高特征维度训练任务适应性差的难题;此外,该网络引入了邻域函数保存神经元间的拓扑关系,从而保证网络在训练过程中误差的稳定性;在模型特征向量的选取上,综合考虑应用型成果转移过程中科技成果项 目本身的创新性、承担科技成果项 目企业的能力、科技项目的经济可行性和成果项目管理团队管理水平等多个因素,构建了指标筛
针对面瘫患者诊断视频中面部运动特征的复杂性,设计能够学习更本质面部特征的深层非线性网络结构,结合可见光和深度视频数据更全面地分析面部运动细节特征.该方法主要使用具有多重卷积结构的网络模型和LSTM网络,分析患者与正常人面部运动之间的差异,完成真假面瘫识别;提取面部运动过程中的时序形变特征和纹理变化特征,并进行特征融合,实现面瘫分级评估问题;深入分析患者面部运动在可见光视频和深度视频中所体现出的细微变化特征,使用融合多源视频信息的卷积神经网络模型对面瘫等级进行细粒度评估.
科学技术水平不断创新与发展,带动通信技术飞跃式发展,对社会生产、生活带去了巨大改变.基于通信技术发展下,5G网络研究与5G工程建设逐步发展起来,5G无线通信技术具有高速率,低时延,大容量等优势,对各个行业发展起到了重要影响,为此,我国也提高了对冶金工程建设引入5G无线通信技术的重视,并加快对其技术方面以及应用方面的研究.希望在未来可以将5G技术普及到日常生活中,推动社会进入新的篇章.
为了在社会安全事件发生的不同阶段准确预估风险,调整应对策略以规避更大的危害,分析突发社会安全事件的特征与发展周期,结合风险形成的影响因子与处理原则提炼了三层风险评估指标体系,引入模糊集理论改进BN网络构建风险评估与预警模型.通过数据实证分析,模型预测发生概率为83％,具有很好的前瞻性,且通过反向推理获知影响概率TOP5指标,为后续规避风险源、完善管理机制指明了方向.
场外配资是一种高风险的融资手段,对可疑的场外配资行为进行及时的识别与监控,有利于维护投资者的合法权益与证券市场的稳定.为此提出一种基于改进XGBoost机器学习算法的配资账户识别方法.通过分析场外配资的业务逻辑,构建了与识别算法强相关的特征指标体系,并结合场外配资行为特性采用召回率作为关键度量指标.通过对所构建识别算法的对比分析,所提出的基于XGBoost的场外配资识别模型得到了更加准确的识别效果,并且通过市场交易行为分析能够更加灵活快速适应市场环境变化,从而更好地用于证券市场的场外配资监控.
随着高校教育不断改革和教育信息化不断发展,针对“如何培养学生自主学习兴趣与能力”“学生如何规划 自己学业与职业”等问题,基于对OBE理念的理解和对课程地图概念与设计的研究,对高校人才培养方案、教学大纲进行了深入研究与归纳.针对现阶段教育信息化的发展,提出了以网页化的形式呈现基于OBE理念的课程地图.对其设计、开发过程及意义进行了说明,以此试图解决问题,为高校学生提供一种可靠、灵活、清晰、以学生为中心的学习模型框架提供参考.