1樓:雲程萬里
機械故障診斷(emmm...可能跟有趣扯不上關係)。
例如,基於深度殘差收縮網路Deep Residual Shrinkage Networks的故障診斷[1]
[2],整合了新興的殘差網路和經典訊號分析中的軟閾值函式,原理如下:
2樓:雪地冰激凌
利用機器學習方法對訊號進行降噪處理(通道)。
具體內容沒細問所以未可知,希望學長們能夠取得好的結果吧。
另外加一條非工業界的應用:銀行很早之前就已經用樸素貝葉斯等方法進行信用評估了(頭段時間工行創意大賽了解到的)。
3樓:陽光燦爛的日子
機器學習+機械領域的機械故障診斷。
我大概描述一下。
首先是標註資料,取樣機械執行時的資料樣本,包括頻率,幅值等,以及是否發生故障的標籤。
然後選用模型,因為機械故障是可以提取特徵的,如上述的頻率幅值等。而且標註資料也很難得,所以用SVM或者線性模型就行,都能取得不錯的結果。
4樓:
我以為所有依賴於人的經驗的工作,都可以用AI試試。
如果題主學過模擬和數位電路得話,我推薦兩個。
比如,電路PCB設計,就是江湖上常說的「route」「layout」,現在仍然高度依賴工程師的經驗,尤其是對射頻和高速電路,儘管多年前PCB設計軟體就有自動佈線功能。
5樓:fmbao
工業上的各類診斷,都可以用機器學習。比如採集裝置紅外影象,然後應用影象處理技術以及支援向量機之類的分類器,可以實現工業裝置診斷。
能否將深度學習和傳統機器學習相結合,先用標籤訓練深度神經網路,將最後一層輸出特徵作為如svm的輸入?
李東坡 當然可以。參考大家的回答,這裡總結一下。神經網路可以看做乙個特徵抽取器,至於得到的特徵後續如何處理,需要看自己的業務需求。如果資料量充足,完全可以使用端到端的方式,利用矩陣運算的優勢,神經網路可以取得令人滿意的效果。如果資料量不足,特徵提取後使用機器學習方法,一般不會得到太差的結果,而深度學...
人類學習與機器學習有哪些相似處,有哪些可以借鑑而更理解人類學習機制的地方?
徐佳逸 給你個很簡單的分類的例子。讓乙個小朋友嘗試去分清橘子和蘋果。人類如何學習 媽媽告訴我,蘋果是紅的,橘子是黃的 媽媽又說了,蘋果有柄,橘子沒柄 後來我發現乙個青色的水果,他跟蘋果的味道比較像,而且也都有柄,那這個青色的水果也是蘋果吧。機器如何學習 監督學習 有兩框的水果,包含蘋果和橘子 一筐是...
求問,機器學習和光學以及傳統的機械有哪些可以結合起來的方向啊?
已重置 機械結構設計,不是有用機器學習設計航空器結構構件的麼?光學可以用來優化設計光學器件元件,這個和通訊中用AI設計訊號傳輸系統一樣。 Ordreality 今天正好講到這個,其實目前機械行業在工業界運用的最多的還是全因子試驗,這屬於優選法而不是優化。目前機械行業做研究用的比較多的還是二次多項式響...