摘要
基于凯斯西厨大学的轴承数据，首先利用数据增强方法，对原始数据进行重叠采样，增加样本数量。然后，利用连续小波变换，将一维的训练样本转换为二维RGB图像。其次，将处理好的样本进行样本分割为训练集、测试集，输入到卷积神经网络训练。最后，利用T-SNE降维算法对模型指定网络层进行动态可视化显示。 基于凯斯西厨大学的轴承数据，首先利用数据增强方法，对原始数据进行重叠采样，增加
阅读背景：
基于连续小波变换和卷积神经网络的轴承故障诊断研究
来源：互联网
分享到：
