降噪变压器自动编码器
此回购保存了我对Kaggle竞赛解决方案中的降噪自动编码器部分。
我的大部分工作都花在了训练降噪自动编码器网络上，以捕获输入之间的关系，并将学习到的表示形式用于下游监督模型。
复制单个模型
获取代码并移至代码目录。
按照指定安装python软件包。
下载比赛数据并修改的路径。
在单个GPU机器上运行python train.py并等待大约20个小时。
通过岭回归，其交叉验证的RMSE得分应为0.8412。
关于网络
该网络是一个AutoEncoder网络，中间层是变压器样式的编码器块。
训练网络执行以下两项任务：1）预测数据损坏掩码，2）重建干净的输入。
可以从变压器编码器输出中提取功能以用于下游任务。
网络图如下：
观察与思考过程
获取一个好的DAE。
我首先用(linear->relu) x 3作为中间层的老式自动编码器进行了实验，所学习的表示形
2021-09-05 21:14:54
181KB
1
基于深度自编码网络（DAEN），构建了分类深度自编码网络（CDAEN）模型。结合电力变压器在线监测油中溶解气体分析（DGA）数据，提出了基于CDAEN的变压器故障诊断方法。所提方法利用大量无标签样本进行预训练，优化模型参数，并利用少量有标签样本进行微调。实例分析表明，与基于反向传播神经网络（BPNN）、支持向量机（SVM）的故障诊断方法相比，所提方法的诊断正确率更高。
2021-09-05 18:00:40
831KB
1
行业资料-建筑装置-干式变压器高压浇注体及浇注其分接端子的浇注工装.zip
2021-09-04 18:04:32
360KB