?

?150-SWT-MCNN-BiGRU-Attention分類預測模型!

?

基于多尺度卷積神經網絡(MCNN)+雙向長短期記憶網絡(BiGRU)+注意力機制(Attention)的分類預測模型，matlab代碼，直接運行使用！

?

1、模型介紹：針對傳統方法在噪聲環境下診斷精度低的問題，提出了一種多尺度卷積神經網絡（MCNN）的軸承故障診斷方法。多尺度卷積神經網絡是CNN的變體,擁有比CNN更加強大的特征提取能力。MCNN擅長于從多尺度提取輸入數據的局部特征。通過不同大小的卷積核，MCNN能夠捕捉到數據中不同尺度的細節信息，從而提高模型的表達能力；BiGRU能夠有效地捕捉輸入序列中的長期依賴關系。通過正向和反向兩個方向處理序列數據，結合正向和反向的隱藏狀態，從而獲得更完整的上下文信息；Attention可以引導模型關注輸入序列中最重要的部分。通過計算不同位置的權重，Attention機制能夠突出關鍵信息，抑制噪聲信息，從而提高模型的分類準確率。最后，通過光伏陣列故障數據集進行驗證，證明了所提方法的有效性。

?

2、當前網絡模型：MCNN-BiGRU-Attention，見知網查詢截圖，模型熱度很高

?

3.模型優點：

①采用了格拉姆角場GAF將一維圖轉換為二維圖，增強了故障特征;

②選用了“交叉熵”損失函數作為網絡訓練的依據;

③劃分了訓練集、驗證集、測試集，在網絡訓練的時候采用驗證集不斷降低損失，從而不會影響模型的泛化能力;

④采用了T-SNE降維方法，可視化神經網絡識別前后的效果;

?

4.展示圖例：格拉姆角場轉換圖、損失曲線+準確率曲線+召回率曲線、T-SNE降維前后樣本分布圖、混淆矩陣、模型分類預測圖

?

5.資料包含：

格拉姆角場轉換代碼、參考文獻、MCNN-BiGRU-Attention模型、MCNN-BiGRU模型、MCNN-GRU模型、MCNN模型

?

6.主頁還有其他模型：MCNN-BiLSTM-Attention、MCNN-SVM、MCNN-KELM以及MCNN模型。

?