深度学习在故障诊断领域中的研究现状与挑战
现代工业系统已呈现出向大型化、复杂化的方向发展,使得针对工业系统的故障诊断方法遇到一系列的技术难题.近年来,深度学习(deep learning)在特征提取与模式识别方面显示出独特的优势与潜力,将深度学习应用于解决复杂工业系统故障诊断的研究已初现端倪.为此,首先介绍几种典型的基于深度学习方法实现工业系统故障诊断方法;然后对基于深度学习实现故障诊断的主要思想和建模方法进行描述;最后总结和讨论了复杂工业系统故障的特点,并探讨了深度学习在实现复杂工业系统故障诊断方面所面临的挑战,展望了未来值得继续研究的方向.
文件下载
评论信息
其他资源
- 达梦和oracle的差异说明
- flash元件批量改名命令（jsfl）
- 基于MATLAB的金属表面缺陷分类与测量GUI系统设计
- java JDK1.8版本下载
- Spring Boot 文档（中英文）
- 磁盘管理模块.zip
- CesiumTerrainBuilder及使用方法
- 广联达无驱写网络锁及网络锁增加节点工具
- 竞赛抢答器设计实验报告（内含源代码）
- 误差理论与测量平差基础(武汉大学)
- WAN综合实验-8.pka
- “尝试加载oracle客户端时引发badimage,如果在安装 32 位 Oracle 客户端组件的情况下以 64 位模式运行，将出现此问题”
- 达内云笔记项目完整代码+注释
- 系统辨识资料大全(matlab系统辨识工具箱)
- 基于php和html的图书管理系统（网站）
- 神经网络入门代码(见系列博客)
- FTP自动更新程序
- SI插件codeView.rar
- C# wpf计算器,作业
- 三层交换实验.zip
- 用mysql编写的二手交易系统
- 智慧城市2.0
- ns-allinone-2.35.tar.gz
- veriog语言实现UART
- android自定义流式布局和热门标签控件
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明