当前位置: 首页 > article >正文

GAF-PCNN-BiLSTM、GASF-CNN-BiLSTM、GADF-CNN-BiLSTM的多特征分类预测/故障诊断

GAF-PCNN-BiLSTM、GASF-CNN-BiLSTM、GADF-CNN-BiLSTM的多特征分类预测/故障诊断

目录

    • GAF-PCNN-BiLSTM、GASF-CNN-BiLSTM、GADF-CNN-BiLSTM的多特征分类预测/故障诊断
      • 分类效果
        • 格拉姆矩阵图
      • 基本介绍
      • 程序设计
      • 参考资料

分类效果

格拉姆矩阵图

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

基本介绍

1.Matlab实现GAF-PCNN-BiLSTM、GASF-CNN-BiLSTM、GADF-CNN-BiLSTM的多特征输入数据分类预测/故障诊断,三个模型对比,运行环境matlab2023b;

2.先运行格拉姆矩阵变换进行数据转换,然后运行分别main1GAFPCNN-BiLSTM.m,main2GADF_CNN-BiLSTM.m,main3GASF_CNN-BiLSTM.m完成多特征输入数据分类预测/故障诊断;

main1GAF_PCNN-BiLSTM.m,是将GASF 图与GADF 图同时送入两条并行CNN 中,经过卷积-池化后,两条CNN网络各输出一组一维向量;然后,将所输出两组一维向量进行拼接融合;通过BiLSTM和全连接层后,最终将融合特征送入到Softmax 分类器中。

main2GASF_CNN-BiLSTM.m,是只用到了格拉姆矩阵的GASF矩阵,将GASF矩阵送入CNN-BiLSTM进行故障诊断。

main3GADF_CNN-BiLSTM.m,是只用到了格拉姆矩阵的GADF矩阵,将GADF矩阵送入CNN-BiLSTM进行故障诊断。

参考文献

在这里插入图片描述
在这里插入图片描述

程序设计

  • 完整程序和数据获取方式私信博主回复Matlab实现GAF-PCNN-BiLSTM、GASF-CNN-BiLSTM、GADF-CNN-BiLSTM的多特征分类预测/故障诊断



    fullyConnectedLayer(classnum,'Name','fc12')
    softmaxLayer('Name','softmax')
    classificationLayer('Name','classOutput')];

lgraph = layerGraph(layers1);

layers2 = [imageInputLayer([size(input2,1) size(input2,2)],'Name','vinput')  
    
    flattenLayer(Name='flatten2')
    
    bilstmLayer(15,'Outputmode','last','name','bilstm') 
    dropoutLayer(0.1)        % Dropout层,以概率为0.2丢弃输入
    reluLayer('Name','relu_2')
    selfAttentionLayer(2,2,"Name","mutilhead-attention")   %Attention机制
    fullyConnectedLayer(10,'Name','fc21')];
lgraph = addLayers(lgraph,layers2);
lgraph = connectLayers(lgraph,'fc21','add/in2');

plot(lgraph)


%% Set the hyper parameters for unet training
options = trainingOptions('adam', ...                 % 优化算法Adam
    'MaxEpochs', 1000, ...                            % 最大训练次数
    'GradientThreshold', 1, ...                       % 梯度阈值
    'InitialLearnRate', 0.001, ...         % 初始学习率
    'LearnRateSchedule', 'piecewise', ...             % 学习率调整
    'LearnRateDropPeriod',700, ...                   % 训练100次后开始调整学习率
    'LearnRateDropFactor',0.01, ...                    % 学习率调整因子
    'L2Regularization', 0.001, ...         % 正则化参数
    'ExecutionEnvironment', 'cpu',...                 % 训练环境
    'Verbose', 1, ...                                 % 关闭优化过程
    'Plots', 'none');                    % 画出曲线

参考资料

[1] https://blog.csdn.net/kjm13182345320/category_11799242.html?spm=1001.2014.3001.5482
[2] https://blog.csdn.net/kjm13182345320/article/details/124571691


http://www.kler.cn/a/298702.html

相关文章:

  • 正则表达式 - 运算符优先级
  • OpenStack系列第四篇:云平台基础功能与操作(Dashboard)
  • NXP i.MX8系列平台开发讲解 - 5.4 调试篇 - 掌握perf 工具调试(一)
  • STM32 高级 WIFi案例1:测试AT指令
  • 怎么在VMware Workstation上安装Win11虚拟机?
  • 初学stm32 --- FSMC驱动LCD屏
  • Linux操作系统:yum安装报错问题
  • Linux:特殊字符整理
  • 【区块链 + 人才服务】CERX- 基于联盟链的研学资源交换网络 | FISCO BCOS应用案例
  • Mysql链接异常 | [08001] Public Key Retrieval is not allowed
  • RK3399 android7.1 话柄电话功能
  • llms 文本分类的微调
  • 《论多源数据集成及应用》写作框架,软考高级系统架构设计师
  • 【Android】NestedScrollView的简单用法与滚动冲突、滑动冲突
  • 聚观早报 | 红魔电竞平板新品发布;台积电8月份营收
  • LabVIEW步进电机控制方式
  • node.js入门基础
  • Learn OpenGL In Qt之着色器
  • 【C++】 Vector
  • mysql mgr 集群部署 单主模式和多主模式
  • [论文笔记] t-SNE数据可视化
  • Java笔试面试题AI答之JDBC(3)
  • framebuffer
  • Android13修改Setting实现电量低于30%的话不可执行Rest操作
  • ubuntu配置tftp、nfs
  • 【编程基础知识】Spring过滤器、拦截器、AOP区别