共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于深度子空间学习的焊缝缺陷检测方法显示文摘主成分分析网络(PCANet)是一个基于简化的卷积神经网络的深度子空间学习模型。针对PCANet算法应用于焊缝缺陷检测时无法体现数据完整结构信息、对噪声较敏感等问题,在PCANet的基础上提出一种鲁棒非贪婪双向二维PCANet(RNG-BDPCANet)焊缝缺陷在线检测方法。RNG-BDPCANet在范数距离度量标准下,利用双向二维主成分分析作卷积核,并采用非贪婪策略得到目标函数最优的整体投影矩阵,对离群值具有较强的鲁棒性。最后,在自建的焊缝人工数据集、ORL和Yale B人脸数据集上分别进行实验。结果表明,所提出的算法在分类性能方面得到显著提高,具有较强的鲁棒性能。 | 李进军 王肖锋 葛为民 | 2024 | 计算机集成制造系统2024，30，1： | 0 |
| 2 | 基于改进PCANet模型的铣刀磨损预测方法研究显示文摘铣刀健康状况直接影响实际生产加工过程,因此开展铣刀状态监测研究具有较大工程意义。以卷积神经网络为代表的深度学习模型已经逐渐用于监测加工过程中的刀具状态。但是这些模型的可解释性较差,预测结果的差异性也较大。作为一种新颖的卷积神经网络变种,主成分分析模型(Principal component analysis network,PCANet)的可解释性好,但是特征自监督学习能力有待提升,且相关应用案例较少。针对以上问题,拟对PCANet模型进行优化,进而提出了一种激活主成分分析-最大池化-支持向量回归(Activated PCANet with max pooling and support vector regression,APCANet-MP-SVR)模型,用于自适应提取敏感特征并准确预测刀具磨损情况。首先引入tanh激活函数,提高模型泛化能力;再采用最大池化层替代哈希编码和直方图用于特征选择,进一步降低冗余特征规模;最后建立支持向量回归模型实时预测刀具磨损值。应用案例充分证明了所提模型能够更好地用于加工现场刀具磨损值预测。 | 段暕 周宏娣 刘智勇 詹小斌 梁健强 史铁林 | 2023 | 机械工程学报2023，59，1： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员