| 基于深度卷積網(wǎng)絡(luò)和卷積去噪自編碼器的水聲信號(hào)識(shí)別方法 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者： | |
| 文檔大?。?span>962 K | |
| 標(biāo)簽： 卷積神經(jīng)網(wǎng)絡(luò) 卷積去噪自編碼器 Lofar譜 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對(duì)復(fù)雜水聲信號(hào)的分類識(shí)別問(wèn)題，提出了一種新的網(wǎng)絡(luò)模型結(jié)構(gòu)，將卷積神經(jīng)網(wǎng)絡(luò)和卷積去噪自編碼器結(jié)合到一起應(yīng)用于水聲信號(hào)Lofar譜的分類識(shí)別中。實(shí)驗(yàn)結(jié)果表明，該模型能夠利用更少的參數(shù)學(xué)習(xí)更豐富的魯棒性特征，目標(biāo)識(shí)別的總體準(zhǔn)確率達(dá)到81.2%，與傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)識(shí)別方法相比具有更高的識(shí)別準(zhǔn)確率。 | |
| 現(xiàn)在下載 | |
| VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
卷積神經(jīng)網(wǎng)絡(luò) 相關(guān)資源
- 基于數(shù)據(jù)驅(qū)動(dòng)的滾動(dòng)軸承早期故障診斷方法
- 工業(yè)控制系統(tǒng)安全威脅分類模型研究
- 融合卷積神經(jīng)網(wǎng)絡(luò)的混凝投藥模型研究
- 深度學(xué)習(xí)模型中不同激活函數(shù)的性能分析
- 應(yīng)用于相機(jī)標(biāo)定的亞像素棋盤角點(diǎn)檢測(cè)
- 基于多模態(tài)特征融合的Android惡意程序檢測(cè)方法研究
- 基于動(dòng)態(tài)自適應(yīng)計(jì)算引擎的MobileNetV3網(wǎng)絡(luò)加速器設(shè)計(jì)
- 基于殘差注意力自適應(yīng)去噪網(wǎng)絡(luò)和Stacking集成學(xué)習(xí)的局部放電故障診斷
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2