scholarly journals Multilayer Extreme Learning Convolutional Feature Neural Network Model for the Weak Feature Classification and Status Identification of Planetary Bearing

2022 ◽  
Vol 2022 ◽  
pp. 1-11
Author(s):  
Rui Yang ◽  
Zenghui An ◽  
Shijun Song

A convolutional neural network has the characteristics of sharing information between layers, which can realize high-dimensional data processing. In general, the convolutional neural network uses a feedback mechanism to realize parameter self-regulation, which solves the disadvantages of manual parameter adjustment. However, it is unable to determine the iteration number with the best calculation accuracy. Calculation efficiency cannot be guaranteed while achieving the best accuracy. In this paper, a multilayer extreme learning convolutional neural network model is proposed for feature recognition and classification. Firstly, two-dimensional spatial characteristics of planetary bearing status data were enhanced. Then, extreme learning machine is embedded in a convolution layer to solve convex optimization problems. Finally, the parameters obtained from the training model were nested into a network to initialize the model parameters to separate each status feature. Planetary bearing experimental cases show the effectiveness and superiority of the proposed model in the recognition and classification of weak signals.

2019 ◽  
Vol 24 (3) ◽  
pp. 220-228
Author(s):  
Gusti Alfahmi Anwar ◽  
Desti Riminarsih

Panthera merupakan genus dari keluarga kucing yang memiliki empat spesies popular yaitu, harimau, jaguar, macan tutul, singa. Singa memiliki warna keemasan dan tidak memilki motif, harimau memiliki motif loreng dengan garis-garis panjang, jaguar memiliki tubuh yang lebih besar dari pada macan tutul serta memiliki motif tutul yang lebih lebar, sedangkan macan tutul memiliki tubuh yang sedikit lebih ramping dari pada jaguar dan memiliki tutul yang tidak terlalu lebar. Pada penelitian ini dilakukan klasifikasi genus panther yaitu harimau, jaguar, macan tutul, dan singa menggunakan metode Convolutional Neural Network. Model Convolutional Neural Network yang digunakan memiliki 1 input layer, 5 convolution layer, dan 2 fully connected layer. Dataset yang digunakan berupa citra harimau, jaguar, macan tutul, dan singa. Data training terdiri dari 3840 citra, data validasi sebanyak 960 citra, dan data testing sebanyak 800 citra. Hasil akurasi dari pelatihan model untuk training yaitu 92,31% dan validasi yaitu 81,88%, pengujian model menggunakan dataset testing mendapatan hasil 68%. Hasil akurasi prediksi didapatkan dari nilai F1-Score pada pengujian didapatkan sebesar 78% untuk harimau, 70% untuk jaguar, 37% untuk macan tutul, 74% untuk singa. Macan tutul mendapatkan akurasi terendah dibandingkan 3 hewan lainnya tetapi lebih baik dibandingkan hasil penelitian sebelumnya.


2021 ◽  
Vol 1099 (1) ◽  
pp. 012001
Author(s):  
Srishti Garg ◽  
Tanishq Sehga ◽  
Aakriti Jain ◽  
Yash Garg ◽  
Preeti Nagrath ◽  
...  

1995 ◽  
Vol 51 (4) ◽  
pp. R2693-R2696 ◽  
Author(s):  
Yoshinori Hayakawa ◽  
Atsushi Marumoto ◽  
Yasuji Sawada

Sign in / Sign up

Export Citation Format

Share Document