滚动轴承的运行状态对整机工作状态影响重大, 但目前其故障诊断方法存在依赖手工特征提取、鲁棒性不高等问题. 因此, 本文提出了一种基于改进的一维卷积神经网络(1D-CNN)和长短期记忆网络(LSTM)集成的滚动轴承故障诊断方法(1D-CNN-LSTM). 首先, 利用改进的1D-CNN-LSTM模型对滚动轴承6种不同的工作状态进行了分类识别实验, 实验结果表明提出的分类模型能够以较快的速度识别出滚动轴承的不同状态, 平均识别准确率达99.83%; 其次, 将提出的模型与部分传统算法模型进行对比实验, 结果表明所提方法在测试精度方面有较大优势; 最后, 引入迁移学习测试模型的鲁棒性和泛化能力, 实验结果表明提出的改进模型在不同工况下有较好的适应性和高效性, 模型有较强的泛化能力, 具备工程应用的可行性.

蜜蜂和蚂蚁分类

卷积神经网络完成程序matlab

采用卷积神经网络（cnn）进行文本分类，依赖dl4j 简介 基于dl4j-example中的示例，训练数据较少，从某东上拉取了几百条产品及类型划分，可以用于文本分类，搜索意图识别 train.txt示例，第一列表示产品分类，后边则是分词后的产品名称 eg.衣服 海澜之家 旗下 品牌 海澜 优选 生活馆 多色 条纹 短袖 t 恤 男 浅灰 条纹 07170 / 95 运行 1.运行Word2VecUtil.main生成word2vec.bin模型文件，data目录已存在，训练数据采用train.txt中的产品名称 2.运行CnnSentenceClassificationExample.main训练模型并输出测试结果 测试结果 Type:衣服, ProductName : 【 一件 48 两件 78 三件 98 】 t 恤 男 2018 男装 韩 版 夏季 短袖 t 恤 男 短袖 体恤 衣服

基于递归卷积神经网络的句子分类器。 数据集：电影评论（MR）[ ]，斯坦福情感树库（SST-1）[]

卷积神经网络CNN的结构一般包含这几个层： •输入层：用于数据的输入 •卷积层：使用卷积核进行特征提取和特征映射 •激励层：由于卷积也是一种线性运算，因此需要增加非线性映射 •池化层：进行下采样，对特征图稀疏处理，减少数据运算量。 •全连接层：通常在CNN的尾部进行重新拟合，减少特征信息的损失

对Resnet网络进行结构上的调整，并测试调整后的性能。

二十三、欧式期权定价 这个例子主要讲述如何生成并使用服从几何布朗运动的随机数 我们假设当前时点为 0，股价为S0，股票波动率σ，无红利，一个欧式看涨期权(call option) 的 striking price 为 K，到期日迄今时间长度为 T, 市场无风险利率为 r，注意上述所有变量的 时间单位要一致。由 Black-Scholes 公式 可以计算此欧式期权的价值。 用 Monte Carlo 怎样做呢？这里 重要的是依据 Black-Scholes 公式的假设：股票价格服 从几何布朗运动，从而依照在前一章讲述的方法推导出时间 T 时股价的概率分布。 详细推导见视频教程中的 PPT 讲解。 此例子同样也有两个版本的 m 文件——eg31.m 和 eg32.m，请参照视频教程逐句学习这 两个代码文件。 二十四、计算亚式期权 这个例子主要讲述如何生成路径。 这里，我们以一个算术平均、离散时间盯市的亚式看涨期权作为例子。参数假设继承自 前一个例子：我们假设当前时点为 0，股价为 S0，股票波动率σ，无红利，一个亚式看涨期

卷积神经网络实现手势图像的识别_Mr.zwX-CSDN博客.html

【图像识别】基于卷积神经网络CNN实现车牌识别matlab源码.md