1037668編碼器換向誤碼輸出SICK秉銘AFM60A-S1AM262144經(jīng)網(wǎng)絡(luò)是具有復(fù)雜結(jié)構(gòu)和多個(gè)非線(xiàn)性處理單元的模型,被廣泛的應(yīng)用于在計(jì)算機(jī)視覺(jué),自然語(yǔ)言處理等領(lǐng)域得.但是,深度神經(jīng)網(wǎng)絡(luò)存在不可解釋這一致命缺陷,即”黑箱問(wèn)題”,這使得深度學(xué)習(xí)在各個(gè)領(lǐng)域的應(yīng)用仍然存在巨大的障礙.本文提出了一種新的深度神經(jīng)網(wǎng)絡(luò)模型,知識(shí)堆疊降噪自編碼器嘗試以一種邏輯語(yǔ)言的方式有效解釋網(wǎng)絡(luò)結(jié)構(gòu)及內(nèi)在運(yùn)作機(jī)理,同時(shí)確保邏輯規(guī)則可以進(jìn)行深度推導(dǎo),。進(jìn)一步通過(guò)插入提取的規(guī)則到深度網(wǎng)絡(luò),使KBSDAE不僅能自適應(yīng)地構(gòu)建深度網(wǎng)絡(luò)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(shí)別性能.大量的試驗(yàn)結(jié)果表明,提取的規(guī)則不僅能夠有效地表示深度網(wǎng)絡(luò),還能夠初始化網(wǎng)絡(luò)結(jié)構(gòu)以提高KBSDAE的特征學(xué)習(xí)性能,模型可解釋性與可視化,可應(yīng)用性更強(qiáng). 對(duì)用戶(hù)興趣進(jìn)行預(yù)測(cè)的協(xié)同過(guò)濾自動(dòng)編碼器推薦模型,給出了模型的設(shè)計(jì)原理,、損失函數(shù)以及具體結(jié)構(gòu).模型使用單隱藏層自動(dòng)編碼器實(shí)現(xiàn),用戶(hù)評(píng)分與旁信息同為模型的輸入/輸出數(shù)據(jù),旁信息也直接參加模型的訓(xùn)練,這種設(shè)計(jì)不僅降低了模型的規(guī)模和復(fù)雜度,而且旁信息可以直接對(duì)用戶(hù)興趣進(jìn)行修正.同時(shí),通過(guò)對(duì)訓(xùn)練數(shù)據(jù)集合的合理劃分與擴(kuò)充,使得訓(xùn)練的網(wǎng)絡(luò)模型增加了表達(dá)能力.在真實(shí)數(shù)據(jù)集上的對(duì)比實(shí)驗(yàn)表明,本文提出的方法提高了評(píng)分化試題推薦是實(shí)現(xiàn)高效學(xué)習(xí)的有效途徑,幫助學(xué)生從"題海戰(zhàn)術(shù)"中解脫出來(lái),對(duì)實(shí)現(xiàn)適應(yīng)性教學(xué)、促進(jìn)教育公平具有重要意義,。但目前個(gè)性化試題推薦方法大多是基于協(xié)同過(guò)濾進(jìn)行試題層面的個(gè)性化推薦,沒(méi)有聚焦到知識(shí)點(diǎn)層面,存在推薦試題定位不準(zhǔn)確的問(wèn)題,。針對(duì)上述問(wèn)題,對(duì)基于深度自編碼器和二次協(xié)同過(guò)濾的個(gè)性化試題推薦方法進(jìn)行了研究。首先考慮到學(xué)生對(duì)知識(shí)點(diǎn)的認(rèn)知情況進(jìn)行基于知識(shí)點(diǎn)的二次協(xié)同過(guò)濾試題推薦,然后應(yīng)用項(xiàng)目反應(yīng)理論和深度自編碼器來(lái)預(yù)測(cè)學(xué)生在推薦試題上涉及推薦知識(shí)點(diǎn)的得分以及綜合得分,后對(duì)預(yù)測(cè)結(jié)果協(xié)同判斷并控制終個(gè)性化推薦試題的難度,產(chǎn)生終的推薦試題列表,。通過(guò)對(duì)比實(shí)驗(yàn)驗(yàn)證提出的推薦方法的推薦結(jié)果相對(duì)于傳統(tǒng)試題推薦更具個(gè)性化和準(zhǔn)確性,。 近對(duì)神經(jīng)網(wǎng)絡(luò)模型的研究在圖像修復(fù)任務(wù)中顯示出巨大的潛力,其核心任務(wù)是理解圖像語(yǔ)義信息并重建缺失的圖像內(nèi)容.這些研究可以生成語(yǔ)義和內(nèi)容上合理的結(jié)構(gòu)和紋理,但通常會(huì)導(dǎo)致與孔洞周?chē)鷧^(qū)域不一致的扭曲結(jié)構(gòu)或模糊紋理,特別是人臉圖像修復(fù)問(wèn)題.人臉圖像修復(fù)工作經(jīng)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(yǔ)義上的新內(nèi)容,這些缺失區(qū)域往往具有*的屬性和語(yǔ)義信息從而導(dǎo)致生成內(nèi)容不合理.為了解決以上問(wèn)題,提出了一個(gè)有效的深度神經(jīng)網(wǎng)絡(luò)模型,模型的生成器結(jié)合全連接卷積和U-net網(wǎng)絡(luò)的*特性,同時(shí)提出局部屬性辨別器使修復(fù)內(nèi)容具有創(chuàng)新性的同時(shí)也能夠使整體與局部保持語(yǔ)義一致性.模型不僅提升了對(duì)于人臉圖像整體語(yǔ)義信息的感知能力,同時(shí)也基于局部屬性能夠有效地修復(fù)人臉關(guān)鍵部位,通過(guò)在CelebA數(shù)據(jù)集上的實(shí)驗(yàn)證明了該模型能夠有效地修復(fù)人臉缺失部分并且能夠生成新穎的修復(fù)內(nèi)容. 究齒輪裂紋損傷對(duì)行星輪系編碼器信號(hào)的影響機(jī)理,以利用編碼器信號(hào)對(duì)行星齒輪箱進(jìn)行健康監(jiān)測(cè),通過(guò)動(dòng)力學(xué)分析研究了在齒輪裂紋損傷影響下行星輪系編碼器信號(hào)的響應(yīng)特性,并建立了響應(yīng)的模型。首先采用能量法推導(dǎo)了齒輪存在裂紋時(shí)的時(shí)變嚙合剛度算法,并構(gòu)建了扭轉(zhuǎn)動(dòng)力學(xué)模型,用于獲取編碼器信號(hào);在此基礎(chǔ)上,通過(guò)將行星輪裂紋時(shí)的嚙合剛度代入構(gòu)建的模型中,求解得到行星輪裂紋影響下的編碼器響應(yīng)信號(hào),分析編碼器信號(hào)中蘊(yùn)含的扭轉(zhuǎn)振動(dòng)特征;后根據(jù)模型進(jìn)一步研究了不同裂紋損傷下的行星輪系編碼器響應(yīng)信號(hào),。在實(shí)驗(yàn)臺(tái)上進(jìn)行了驗(yàn)證,結(jié)果表明:當(dāng)行星輪出現(xiàn)裂紋故障時(shí),編碼器響應(yīng)信號(hào)中蘊(yùn)含的扭轉(zhuǎn)振動(dòng)出現(xiàn)明顯沖擊特征;隨著裂紋損傷程度增加,編碼器響應(yīng)信號(hào)中扭轉(zhuǎn)振動(dòng)的沖擊特征逐漸增強(qiáng),其均方根值與峭度值明顯增加,可有效評(píng)估故障損傷程度,。該研究結(jié)果可為編碼器信號(hào)用于行星齒輪箱健康監(jiān)測(cè)提供理論依據(jù)。 

 1037668編碼器換向誤碼輸出SICK秉銘AFM60A-S1AM262144飛機(jī)關(guān)鍵機(jī)械部件故障診斷對(duì)于提高其運(yùn)行的安全性和可靠性有重要意義,。工程實(shí)際中存在以下問(wèn)題,一是帶標(biāo)簽故障樣本難以獲取;二是現(xiàn)有模型往往要求訓(xùn)練和測(cè)試數(shù)據(jù)服從同分布,。因此,本文提出一種遷移深度降噪自動(dòng)編碼器用于解決標(biāo)簽樣本缺少下的飛機(jī)關(guān)鍵機(jī)械部件故障診斷問(wèn)題。該方法主要包括兩部分:（1）構(gòu)建深度降噪自動(dòng)編碼器用于從原始振動(dòng)信號(hào)中自適應(yīng)提取有效的故障特征;（2）通過(guò)參數(shù)遷移方法構(gòu)建遷移深度降噪自動(dòng)編碼器用于處理標(biāo)簽樣本缺少情形下的故障診斷問(wèn)題,。實(shí)驗(yàn)室數(shù)據(jù)被用于驗(yàn)證本文方法的有效性,實(shí)驗(yàn)結(jié)果顯示本文方法能夠有效完成標(biāo)簽數(shù)據(jù)缺少下的飛機(jī)關(guān)鍵機(jī)械部件故障診斷問(wèn)題,。