資源描述：
《深度信念網(wǎng)絡(luò)在故障指示器檢測(cè)中的應(yīng)用.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、2015年第34卷第7期傳感器與微系統(tǒng)(TransducerandMicrosystemTechnologies)155DOI：10．13873／J．1000-9787(2015)07-0155-03深度信念網(wǎng)絡(luò)在故障指示器檢測(cè)中的應(yīng)用陽武，李倩，趙繼生，高強(qiáng)，余萍(華北電力大學(xué)電氣與電子工程學(xué)院，河北保定071003)摘要：電子產(chǎn)品在生產(chǎn)過程中需進(jìn)行產(chǎn)品檢測(cè)，以故障指示器的檢測(cè)為例，結(jié)合深度信念網(wǎng)絡(luò)(DBN)技術(shù)實(shí)現(xiàn)了自動(dòng)檢測(cè)。深度信念網(wǎng)絡(luò)由于其具有無監(jiān)督預(yù)訓(xùn)練的優(yōu)勢(shì)，將其應(yīng)用于實(shí)際系統(tǒng)，對(duì)現(xiàn)場(chǎng)
2、的故障指示器視頻圖像的動(dòng)作狀態(tài)進(jìn)行了分類實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明：深度信念網(wǎng)絡(luò)分類算法相比于支持向量機(jī)(SVM)分類算法和BP分類算法有明顯的優(yōu)勢(shì)，正確識(shí)別率達(dá)到了100％。該算法在產(chǎn)品檢驗(yàn)的應(yīng)用中滿足生產(chǎn)測(cè)試的要求，且降低了人工測(cè)試的勞動(dòng)強(qiáng)度，緩解了視覺疲勞問題。關(guān)鍵詞：深度信念網(wǎng)絡(luò)；產(chǎn)品檢測(cè)；故障指示器；分類實(shí)驗(yàn)；正確識(shí)別率中圖分類號(hào)：TM93文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000--9787(2015)07-0155-03Applicationofdeepbeliefnetworkinfaultindi
3、catordetectionYANGWu，LIQian，ZHAOJi-sheng，GAOQiang，YUPing(SchoolofElectricalandElectronicsEngineering，NorthChinaElectricPowerUniversity，Baoding071003，China)Abstract：Electronicproductsneedtobeinspectedinthecourseoffabrication．Combingthetechnologyofdeepb
4、eliefnetwork(DBN)，takethedetectionoffaultindicatorsasanexampleandthedetectingautomationisrealized．DBNisappliedtoactualsystembecauseofitsadvantageofunsupervisedpre—training．Theactionstateofvideoimagesoffaultindicatorisappliedtoclassificationexperiment．
5、TheexperimentalresultsshowthattheDBNclassificationalgorithmhasevidentadvantagescomparedwithsuppo~vectormachine(SVM)andBPneuralnetworkclassificationalgorithm．theaccuracyrecognitionisupto100％．TheapplicationofDBNalgorithminproductinspectioncansatisfythed
6、emandofproductivemeasuring，reducelaborintensityofartificialtests，easevisualfatigue．Keywords：deepbeliefnetwork(DBN)；productinspection；faultindicator；classificationexperiment：accuracyrecognitionrate0引言2010~2012年，許多研究者提出了基于回火的馬爾科夫鏈在產(chǎn)品生產(chǎn)過程中，產(chǎn)品的質(zhì)量是否合格需要安排專
7、蒙特卡羅采樣(MCMC)的深度信念網(wǎng)絡(luò)改進(jìn)算法]，進(jìn)人進(jìn)行檢測(cè)，而相當(dāng)一部分電子產(chǎn)品的檢測(cè)問題往往是檢而提升深度信念網(wǎng)絡(luò)的學(xué)習(xí)效果。到目前為止，深度神經(jīng)測(cè)產(chǎn)品在某種條件下的動(dòng)作狀態(tài)是否正確。當(dāng)檢測(cè)員長期網(wǎng)路現(xiàn)已成功應(yīng)用到了語音識(shí)別領(lǐng)域j，手寫字體識(shí)檢測(cè)某產(chǎn)品的狀態(tài)時(shí)，可能會(huì)因視覺疲勞而漏檢，造成不合別、人臉識(shí)別、遙感圖像分類[1o3和垃圾郵件過濾Ⅲ等格產(chǎn)品進(jìn)入下一個(gè)流程。利用計(jì)算機(jī)技術(shù)開發(fā)產(chǎn)品檢測(cè)已圖像處理領(lǐng)域中，大大提高了識(shí)別精度。有一些成果，而利用深度信念網(wǎng)絡(luò)(deepbeliefnetwor
8、k，本文利用視頻檢測(cè)系統(tǒng)進(jìn)行圖像采集，針對(duì)名為故障DBN)技術(shù)進(jìn)行產(chǎn)品檢測(cè)具有更明顯的優(yōu)勢(shì)。指示器的電子產(chǎn)品的動(dòng)作狀態(tài)檢測(cè)問題進(jìn)行了研究，通過深層的神經(jīng)網(wǎng)絡(luò)不僅可以實(shí)現(xiàn)自動(dòng)特征學(xué)習(xí)，而且學(xué)建立視頻采集系統(tǒng)獲取圖像，應(yīng)用深度信念網(wǎng)絡(luò)技術(shù)進(jìn)行習(xí)到的特征對(duì)數(shù)據(jù)具有更本質(zhì)的刻畫，且通過“逐層初始識(shí)別，獲得了良好的效果?；笨朔嗽谟?xùn)練上的難度，因此，其受到了學(xué)術(shù)界和工業(yè)1深度信念網(wǎng)絡(luò)分類界的廣泛研究，并成為當(dāng)前的研究熱點(diǎn)。其中，深度信念是深度信念網(wǎng)絡(luò)是一種概率生成模型，由多層受限玻耳茲曼機(jī)
