针对模拟电路的故障特征难以提取, 导致模型计算量复杂, 诊断准确率不够高的问题,
提出一种基于注意力机制和卷积神经网络(CBAM-CNN) 的模拟电路故障诊断方法. 首先 …

深度学习模型被广泛应用于农作物检测和识别领域, 其优势在于通过构建不同的功能感知层而
优化模型, 能够自动提取输入数据的特征, 实现端到端地学习. 但是该模型中未知的数据处理过程 …

我国茶叶种类繁多, 识别难度大. 卷积神经网络(Convolutional neural network, CNN)
图像识别具有客观性, 适应复杂图片背景且可移植于移动端的优势. 但当前茶叶CNN …

为了提高故障诊断模型在数据不平衡场景下的诊断性能和模型泛化能力,
提出了一种基于Nadam-TimeGAN 和XGBoost 的时序信号故障诊断方法. 首先对比基于LSTM …

机场道面外来物(foreign object debris, FOD) 具有类型多样, 形状各异, 背景复杂,
目标弱小等特点, 并且严重影响飞行器安全, 故其高精度实时检测具有重要意义. 针对以上问题 …

摘要故障诊断在保证电机的稳定运行中占据着非常重要的地位, 因此, 故障诊断在当前的研究中
是一个热点. 该研究利用短时傅里叶变换把一维的振动信号转换成二维的时频图 …

近年来, 深度学习在计算机视觉, 语音识别和自然语言处理等各个领域都取得了巨大的成功.
深度学习的主要原理是对数据通过层层的特征表达或映射, 使数据在模型最高层线性可分或线性 …

Objective: In order to reduce the manual demand of betel nut classification improve the
accuracy of betel nut classification and reduce the size of classification model. Methods …