带有偏差神经元的内回归神经网络在旋转机械故障诊断中的应用

针对传统的神经网络在机械故障诊断方面的不足,利用偏差神经元改进了基于BP神经网络算法的内回归神经网络(IRN)算法,加快收敛速度,提高运算质量,并将其应用于旋转机械的振动故障诊断与识别。实例结果表明:该算法学习收敛较快,误差曲线平稳,对复合故障的识别性能好。

带有偏差神经元的内回归神经网络在旋转机械故障诊断中的应用

针对传统的神经网络在机械故障诊断方面的不足,利用偏差神经元改进了基于BP神经网络算法的内回归神经网络(IRN)算法,加快收敛速度,提高运算质量,并将其应用于旋转机械的振动故障诊断与识别。实例结果表明,该算法学习收敛较快,误差曲线平稳,对复合故障的识别性能好。

查找表与神经网络相结合的图像逆半调算法

为提高查找表逆半调算法中“未出现半调模式逆半调值”的估计精度,本文提出了基于IRN神经网络的逆半调逼近模型,通过分析、训练和优化确定了合适的IRN网络结构、隐层数、隐层节点数。实验结果表明,应用该算法训练、拟合出的查找表数据在逆半调重建图像的视觉效果及PSNR指标上表现良好,而且算法执行速度快、空间复杂度低。