10.16208/j.issn1000-7024.2020.01.034
基于收缩极限学习机的故障诊断鲁棒方法
为降低特征噪声对分类性能的影响,提出一种基于极限学习机(extreme learning machine,ELM)的收缩极限学习机鲁棒算法模型(CELM).采用自编码器对输入数据进行重构,将隐层输出值关于输入的雅克比矩阵的F范数引入到目标函数中,提取出更具鲁棒性的抽象特征表示,利用提取到的新特征对常规的ELM层进行训练,提高方法的鲁棒性.对Mnist、UCI数据集、TE过程数据集以及添加不同强度的混合高斯噪声之后的Mnist数据集进行仿真,实验结果表明,提出的方法较ELM、HELM具有更高的分类精度和更好的鲁棒性.
鲁棒性、极限学习机、雅克比矩阵、自编码器、故障诊断
41
TP277(自动化技术及设备)
国家重点研发计划基金项目;国家杰出青年科学基金项目;国家自然科学基金青年基金项目;上海市自然科学基金项目
2020-04-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
208-213