1037668編碼器換向誤碼輸出SICK秉銘AFM60A-S1AM262144經網絡是具有復雜結構和多個非線性處理單元的模型,被廣泛的應用于在計算機視覺,自然語言處理等領域得.但是,深度神經網絡存在不可解釋這一致命缺陷,即”黑箱問題”,這使得深度學習在各個領域的應用仍然存在巨大的障礙.本文提出了一種新的深度神經網絡模型,知識堆疊降噪自編碼器嘗試以一種邏輯語言的方式有效解釋網絡結構及內在運作機理,同時確保邏輯規(guī)則可以進行深度推導。進一步通過插入提取的規(guī)則到深度網絡,使KBSDAE不僅能自適應地構建深度網絡模型并具有可解釋和可視化特性,而且有效地提高了模式識別性能.大量的試驗結果表明,提取的規(guī)則不僅能夠有效地表示深度網絡,還能夠初始化網絡結構以提高KBSDAE的特征學習性能,模型可解釋性與可視化,可應用性更強. 對用戶興趣進行預測的協同過濾自動編碼器推薦模型,給出了模型的設計原理、損失函數以及具體結構.模型使用單隱藏層自動編碼器實現,用戶評分與旁信息同為模型的輸入/輸出數據,旁信息也直接參加模型的訓練,這種設計不僅降低了模型的規(guī)模和復雜度,而且旁信息可以直接對用戶興趣進行修正.同時,通過對訓練數據集合的合理劃分與擴充,使得訓練的網絡模型增加了表達能力.在真實數據集上的對比實驗表明,本文提出的方法提高了評分化試題推薦是實現高效學習的有效途徑,幫助學生從"題海戰(zhàn)術"中解脫出來,對實現適應性教學、促進教育公平具有重要意義。但目前個性化試題推薦方法大多是基于協同過濾進行試題層面的個性化推薦,沒有聚焦到知識點層面,存在推薦試題定位不準確的問題。針對上述問題,對基于深度自編碼器和二次協同過濾的個性化試題推薦方法進行了研究。首先考慮到學生對知識點的認知情況進行基于知識點的二次協同過濾試題推薦,然后應用項目反應理論和深度自編碼器來預測學生在推薦試題上涉及推薦知識點的得分以及綜合得分,后對預測結果協同判斷并控制終個性化推薦試題的難度,產生終的推薦試題列表。通過對比實驗驗證提出的推薦方法的推薦結果相對于傳統試題推薦更具個性化和準確性。 近對神經網絡模型的研究在圖像修復任務中顯示出巨大的潛力,其核心任務是理解圖像語義信息并重建缺失的圖像內容.這些研究可以生成語義和內容上合理的結構和紋理,但通常會導致與孔洞周圍區(qū)域不一致的扭曲結構或模糊紋理,特別是人臉圖像修復問題.人臉圖像修復工作經常需要為包含大量外觀元素以及局部屬性的缺失區(qū)域（例如眼睛或嘴巴）生成語義上的新內容,這些缺失區(qū)域往往具有*的屬性和語義信息從而導致生成內容不合理.為了解決以上問題,提出了一個有效的深度神經網絡模型,模型的生成器結合全連接卷積和U-net網絡的*特性,同時提出局部屬性辨別器使修復內容具有創(chuàng)新性的同時也能夠使整體與局部保持語義一致性.模型不僅提升了對于人臉圖像整體語義信息的感知能力,同時也基于局部屬性能夠有效地修復人臉關鍵部位,通過在CelebA數據集上的實驗證明了該模型能夠有效地修復人臉缺失部分并且能夠生成新穎的修復內容. 究齒輪裂紋損傷對行星輪系編碼器信號的影響機理,以利用編碼器信號對行星齒輪箱進行健康監(jiān)測,通過動力學分析研究了在齒輪裂紋損傷影響下行星輪系編碼器信號的響應特性,并建立了響應的模型。首先采用能量法推導了齒輪存在裂紋時的時變嚙合剛度算法,并構建了扭轉動力學模型,用于獲取編碼器信號;在此基礎上,通過將行星輪裂紋時的嚙合剛度代入構建的模型中,求解得到行星輪裂紋影響下的編碼器響應信號,分析編碼器信號中蘊含的扭轉振動特征;后根據模型進一步研究了不同裂紋損傷下的行星輪系編碼器響應信號。在實驗臺上進行了驗證,結果表明:當行星輪出現裂紋故障時,編碼器響應信號中蘊含的扭轉振動出現明顯沖擊特征;隨著裂紋損傷程度增加,編碼器響應信號中扭轉振動的沖擊特征逐漸增強,其均方根值與峭度值明顯增加,可有效評估故障損傷程度。該研究結果可為編碼器信號用于行星齒輪箱健康監(jiān)測提供理論依據。 

 1037668編碼器換向誤碼輸出SICK秉銘AFM60A-S1AM262144飛機關鍵機械部件故障診斷對于提高其運行的安全性和可靠性有重要意義。工程實際中存在以下問題,一是帶標簽故障樣本難以獲取;二是現有模型往往要求訓練和測試數據服從同分布。因此,本文提出一種遷移深度降噪自動編碼器用于解決標簽樣本缺少下的飛機關鍵機械部件故障診斷問題。該方法主要包括兩部分:（1）構建深度降噪自動編碼器用于從原始振動信號中自適應提取有效的故障特征;（2）通過參數遷移方法構建遷移深度降噪自動編碼器用于處理標簽樣本缺少情形下的故障診斷問題。實驗室數據被用于驗證本文方法的有效性,實驗結果顯示本文方法能夠有效完成標簽數據缺少下的飛機關鍵機械部件故障診斷問題。