- 博客(13)
- 资源 (2)
- 收藏
- 关注
原创 一维卷积神经网络直接读取mat文件并进行数据增强和归一化
众多师弟师妹在使用一维卷积神经网络对凯斯西储,哥伦比亚等大学开源的轴承故障数据集进行故障诊断时,不知道该怎么把Matlab文件中的数据直接导进伸进网络进行训练。 我之前也不会,我一直用matlab打开数据然后黏贴到EXCEL再进行数据增强和归一化,最终保存成CSV格式。在训练神经网络的时候直接读取归一化好的数据进行训练,虽然这样比较直观,而且只做一次数据集就可以满足所有形式神经网络的训练。 但是,如果要研究自己发论文所提出来的神经网络模型的泛化能力、抗噪声能力、超参数寻优等问题的时候可能要不..
2021-10-06 15:08:54 4433 13
原创 解决:AssertionError: Label class 1 exceeds nc=1 in data/coco128.yaml. Possible class labels are 0-0
Yolov5报错:AssertionError: Label class 1 exceeds nc=1 in data/coco128.yaml. Possible class labels are 0-0这个错别傻乎乎该nc之类的,细看代码出错位置,我这个是这样的File “C:\Users\1\Desktop\水表识别\YOLO5\yolov5-master\train.py”, line 175, in trainassert mlc < nc, ‘Label class %g exce
2021-09-28 14:32:57 11235 16
原创 一维卷积神经网络直接对mat文件进行训练(基于TICNN)
一维卷积神经网络直接对mat文件进行训练(基于TICNN)什么叫离谱?凯斯西储的轴承故障数据集好的离谱哈工大研究生王伟提出的TICNN一维卷积神经网络正确率高的离谱,同时Loss小的离谱。参考文献:[1]Wei Zhang,Chuanhao Li,Gaoliang Peng,Yuanhang Chen,Zhujun Zhang. A deep convolutional neural network with new training methods for bearing fault diagn
2021-09-25 14:10:41 4328 30
原创 卷积层TSNE可视化
很多小伙伴经常问,怎么把卷积层的输出提取出来,然后画曲线、可视化、连接到其他网络等等问题,由于本人使用的是基于keras和tensorflow框架的Spyder软件编写的代码,因此对别的软件怎么输出参数不清楚,单说spyder,往往经过卷积层后提取到的特征形式是:样本数量×特征长度×特征维度,因此即使输出来也是很操蛋的就一个样本长度为特征长度而且仅仅第一个维度的数据。使用这些数据去绘图很难,因为输出来的一个样本的数据并不是一条,而是经过堆叠成的数据。但用这些数据来做一些可视化和连接到其他网络还是可以的。
2021-07-08 11:06:07 13555 76
原创 TSNE可视化自己的数据(或者叫做聚类)
刹那间又到7月份了,之前弄一些代码,添加点东西,或者增加点数据处理之类的算法都是为了水一篇核心期刊,然而现在的中文期刊并没有之前好中了,神经网络也不是加加减减卷积层,添加一下残差,或者A+B的方式等等随随便便就出论文了。随着社会的发展,各个期刊都已经开始注重来稿的创新型。以本人某次被拒稿的经历说明一下:就是用已经有的东西互相结合是不行滴,很难中一篇核心的。不管怎么说,研究生多么内卷,能狗一篇水刊顺利毕业就行了,对自己要求越高活得越累,每个人都有成为凤凰男人的冲动,但很少有人坚持得下去,哈哈哈哈。言归
2021-07-06 17:42:55 13040 42
原创 基于EXCEL表格的一维数字信号数据增强处理
基于EXCEL表格的一维数字信号数据增强处理发了这么多帖子,好多小伙伴也成功运行通了我的代码和数据,但是普遍存在两个问题,第一个问题:问题1:请问__init__() missing 2 required positional arguments: ‘filters’ and ‘kernel_size’ 这个错误怎么解决?解答:由于现在Tensorflow版本的原因,tensorflow2.0.0的话是没有问题的,Tensorflow2.3.1就不行了,就得将卷积层里的’filters’ 和 'ker
2021-04-24 15:12:21 4774 7
原创 基于卷积神经网络(二维)(视觉)对水果分类
基于卷积神经网络(二维)(视觉)对水果分类今年的春天和去年格外相似,但要好于去年,研究生两年活生生过成了一年。使用卷积神经网络对图片进行分类不仅可以用于广大领域的图像识别,更可以用于对机械的故障之诊断研究。首先要将数据集经过一些列变换转化成图像。将数据转化成图像再进行分类训练的方法有诸多好处,例如采取高斯降噪的方法对图片进行降噪处理从而提高卷积神经网络的训练精度。此外,经过卷积后的图正图像更具有观赏性。二维卷积神经网络的原理和一维类似,只是将卷积核,卷积步长,池化核以及步长由一维增加到二维,卷积方向
2021-03-12 12:56:45 3642 9
原创 如何在python3.8版本上安装tensorflow2.3.1和keras2.4.2
1、打开Anaconda Prompt (anaconda3)2、输入 pip install tensorflow2.3.1 -i https://pypi.douban.com/simple --user3、输入 pip install keras2.4.2 -i https://pypi.douban.com/simple这时候运行代码会出错4、浏览器打开https://support.microsoft.com/zh-cn/help/2977003/the-latest-supported-
2021-01-28 14:37:12 8016 1
原创 使用一维Rest-net卷积神经网络对轴承进行故障诊断
据了解rest-net从图像分类大赛上表现优异,那么将rest-net进行降维用于一维数据分类会有怎样表现?先观察一下Rest-net的结构:由于每个截图有限,所以使用多个图片表现出????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????
2020-12-26 21:24:27 5288 15
原创 直观的基于一维卷积神经网络的故障诊断研究
之前发过两个帖子,一个是改的别人的鸢尾花分类,另一个忘了改的那一篇一维卷积神经网络的了,两个代码都显得不尽人意。鸢尾花分类将一个样本转化成三个特征样本训练,会导致训练自己东西的时候样本要做的非常大。第二个帖子的方法虽然一条条的训练,但是在写拓扑结构的时候定义了:def baseline_model():这样不仅会使人不明白为什么定义这个,而且将代码高端化,比如:加残差训练等等,这时候会发现很难挂一些东西进去,经常报错,对网络的创新就比较困难:于是综合两种代码,本宝宝改造出了最最直观的代码:impo
2020-10-17 11:28:55 5215 20
原创 基于1DCNN(一维卷积神经网络)的机械振动故障诊断
基于1DCNN(一维卷积神经网络)的机械振动故障诊断机械振动故障诊断最为经典的还是凯斯西储实验室的轴承故障诊断,开学一周了,上次改编鸢尾花分类的代码可用,但是并不准确。开学一周重新改编了别人的一篇代码,亲测好用。不多咧咧直接放上去(基于Tensorflow2.0)(Spyder4 软件上跑的)数据集时本人把凯西轴承实验驱动端内圈损坏尺寸0.14和0.21做的二分类,数据集中0代表的0.14而1代表的0.21具体看下面最后# -*- coding: utf-8 -*-"""Created on Tue
2020-09-14 20:52:07 18716 87
原创 基于一维卷积神经网络对机械振动信号进行分类并加以预测
基于一维卷积神经网络对机械振动信号进行分类并加以预测*使用一维卷积神经网络训练振动信号进行二分类2020年7月16日,一学期没等到开学,然而又放假了。总览CSDN中大多数卷积神经网络都是对二维图片进行分类的,而图片也都是常见的猫狗分类,minst手写数字分类。一维卷积神经网络的使用非常少见,有也是IDMB情感分类,和鸢尾花分类的。作者研究生就读于河北一所双飞,全国排名270多,哈哈哈,不吹不黑。在网上翻来翻去找不到一篇可以利用的代码去研究我的机械故障诊断,后来在无奈下到某宝搜寻到一段代码,可以利用
2020-07-16 12:10:08 14901 43
AdaBN代码基于Keras和Tensorflow以及一维卷积神经网络
2022-03-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人