读完需要
速读仅需 2 分钟
请尊重原创劳动成果
转载请注明本文链接
及文章作者：机器学习之心
摘要： GAF-PCNN-BiLSTM、GASF-CNN-BiLSTM、GADF-CNN-BiLSTM的多特征分类预测/故障诊断
1
基本介绍
参考文献
2
数据集
2.2
运行效果
完整代码链接：https://mbd.pub/o/bread/mbd-ZpuTmJ9p
也可扫描二维码：
3
%% Set the hyper parameters for unet trainingoptions = 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%Code introductionif nargin<2error('You have to supply all required input paremeters, which are ActualLabel, PredictedLabel')endif nargin < 3isPlot = true;end%plotting the widest polygonA1=1;A2=1;A3=1;A4=1;A5=1;A6=1;layers0 = [ ...% 输入特征sequenceInputLayer([numFeatures,1,1],'name','input') %输入层设置sequenceFoldingLayer('name','fold') %使用序列折叠层对图像序列的时间步长进行独立的卷积运算。% CNN特征提取convolution2dLayer([3,1],16,'Stride',[1,1],'name','conv1') %添加卷积层，64，1表示过滤器大小，10过滤器个数，Stride是垂直和水平过滤的步长batchNormalizationLayer('name','batchnorm1') % BN层，用于加速训练过程，防止梯度消失或梯度爆炸reluLayer('name','relu1') % ReLU激活层，用于保持输出的非线性性及修正梯度的问题% 池化层maxPooling2dLayer([2,1],'Stride',2,'Padding','same','name','maxpool') % 第一层池化层，包括3x3大小的池化窗口，步长为1，same填充方式% 展开层sequenceUnfoldingLayer('name','unfold') %独立的卷积运行结束后，要将序列恢复%平滑层flattenLayer('name','flatten')lstmLayer(25,'Outputmode','last','name','hidden1')selfAttentionLayer(2,2) %创建2个头，2个键和查询通道的自注意力层dropoutLayer(0.1,'name','dropout_1') % Dropout层，以概率为0.2丢弃输入
4
嗯，细心的你会发现：https://mbd.pub/o/slowtrain/work
博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析。
技术交流群：购买博主任意代码或分享博主博文到任意三方平台后即可添加博主QQ进群
