一种基于CNN和LSTM的滚动轴承故障分析

    公开(公告)号:CN112507785A

    公开(公告)日:2021-03-16

    申请号:CN202011205524.6

    申请日:2020-11-02

    Abstract: 本申请公开了一种基于CNN和LSTM的滚动轴承故障分类方法。获取轴承振动数据并预处理,构建数据集。对处理后的振动数据使用巴特沃斯滤波器(Butterworth Filter)去噪声,并进行快速傅里叶变换(FFT)将预处理的时域信号转化为频域信号。利用CNN网络进行学习来获取时域图、频域图的图像特征,通过Add层进行图像特征融合。将CNN学习获得的图像特征输入到LSTM网络中,通过LSTM网络学习特征中包含的时序特征,通过一个全连接层和Softmax函数实现分类功能。用训练好的网络对测试样本进行故障分类,对滚动轴承微弱故障的早期检测分析具有重要的现实意义和实用价值。

    一种基于半监督学习和弹幕分析的视频分类方法

    公开(公告)号:CN112364743A

    公开(公告)日:2021-02-12

    申请号:CN202011204098.4

    申请日:2020-11-02

    Abstract: 弹幕视频是近年来新兴的一种娱乐互动的产物,对于包含弹幕视频的分类可以使用到这些先验知识,挖掘其中的情感信息以及对视频内容做出预测,本申请为解决上述技术问题,提供了一种基于半监督学习和弹幕分析的视频分类方法。包括:一、获取并预处理弹幕数据集。二、使用一种半监督学习的方式使用少部分标注数据和大量的无标注数据训练模型提取弹幕中的情感和主题信息。三、根据上述的结果来检测视频的内容,并结合时间轴将结果用于生成一种包含情感标签和主题标签的线性序列,通过对比不同视频的上述序列相似度,完成视频分类任务。

    一种基于注意力机制SENet的Fater R-CNN食物分类和GL值识别方法

    公开(公告)号:CN112364905A

    公开(公告)日:2021-02-12

    申请号:CN202011204115.4

    申请日:2020-11-02

    Abstract: 本申请公开了一种基于注意力机制SENet的Faster R‑CNN食物分类和GL值识别方法。所述方法将获取用户上传至服务器的包含参照物的照片,将食物图片通过基于注意力机制SENet的Faster R‑CNN算法,进行食物检测和识别。注意力机制使特征提取网络能使用全局信息,而不受限于局部小视野信息,同时有效避免由于网络深度增加所引起的梯度消失和退化问题。将食物类别和位置,及参照物位置输入到训练好的线性回归模型中,预测出食物体积。根据食物的类别、升糖指数(Glycemic index,GI),计算出食物的升糖负荷(Glycemic load,GL)值,判断食物的可食用类别,生成食物可食用建议。最后将结果反馈给用户。

Patent Agency Ranking