文件名称：Deep-Residual-Shrinkage-Networks:深残留收缩网络是深残留网络的一种变体
文件大小：6.83MB
文件格式：ZIP
更新时间：2024-05-20 08:54:21
Python
深度残差收缩网络 深度残差收缩网络是深度残差网络（ResNets）的一种变体，旨在提高高噪声信号或复杂背景下的特征学习能力。 尽管该方法最初是为基于振动的故障诊断而开发的，但也可以应用于图像识别和语音识别。 主要的创新是将软阈值作为非线性转换层集成到ResNets中。 此外，阈值是由专门设计的子网自动确定的，因此不需要专业的专家来确定阈值。 该方法使用TensorFlow 1.0.1，TFLearn 0.3.2和Keras 2.2.1实现，并应用于图像分类。 代码中构造了一个带有3个剩余收缩块的小型网络。 可以使用更多的块和更多的训练迭代来获得更高的性能。 抽象的： 本文提出了一种新的深度学习方法，即深度残差收缩网络，以提高来自高噪声振动信号的特征学习能力，并实现较高的故障诊断精度。 将软阈值作为非线性转换层插入到深层体系结构中，以消除不重要的功能。 此外，考虑到为阈值设置适当的值通常
【文件预览】：
Deep-Residual-Shrinkage-Networks-master
----Basic-idea-of-DRSN.png(44KB)
----Deep Residual Shrinkage Networks.pdf(3.64MB)
----README.md(3KB)
----Deep residual shrinkage networks.mp4(3.87MB)
----DRSN_TFLearn.py(6KB)
----DRSN_Keras.py(6KB)