机械工业论文_基于深度迁移学习的多点频域振动_计算机产品与流通杂志社投稿

一、稿件要求： 1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。要求稿件论点中立，论述详实，能够对读者的购买起到指导作用。文章体裁不限，字数不限。 2、稿件建议采用纯文本格式(*.txt)。如果是文本文件，请注明插图位置。插图应清晰可辨，可保存为*.jpg、*.gif格式。如使用word等编辑的文本，建议不要将图片直接嵌在word文件中，而将插图另存，并注明插图位置。 3、如果用电子邮件投稿，最好压缩后发送。 4、请使用中文的标点符号。例如句号为。而不是.。 5、来稿请注明作者署名(真实姓名、笔名)、详细地址、邮编、联系电话、E-mail地址等，以便联系。 6、我们保留对稿件的增删权。 7、我们对有一稿多投、剽窃或抄袭行为者，将保留追究由此引起的法律、经济责任的权利。二、投稿方式： 1、请使用电子邮件方式投递稿件。 2、编译的稿件，请注明出处并附带原文。 3、请按稿件内容投递到相关编辑信箱三、稿件著作权： 1、投稿人保证其向我方所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我方所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我方所投之作品不得同时向第三方投送，即不允许一稿多投。若投稿人有违反该款约定的行为，则我方有权不向投稿人支付报酬。但我方在收到投稿人所投作品10日内未作出采用通知的除外。 5、投稿人授予我方享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、投稿人委托我方声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

机械工业论文_基于深度迁移学习的多点频域振动

作者:

关键词:

摘要：

文章摘要:针对多输入多输出神经网络（MIMO-ANN）进行多点频域振动响应预测时需要为每个频率点独立建立神经网络模型、独立随机选择神经网络模型初值导致的训练时间长、预测精度低等问题，提出了一种基于MIMO-ANN和模型迁移学习的多点频域振动响应预测方法。本次研究对于多源不相关载荷未知条件下的基于数据驱动的振动响应预测问题进行了形式化描述，并比较了其与不相关多源载荷已知情况下基于数据驱动的多点频域振动响应预测问题的不同之处。首先，将某频率点下的多个振动响应已知的测点的自功率谱作为输入，多个振动响应未知的测点的自功率谱作为输出，将两部分历史数据集构造成为训练集，利用MIMO-ANN建立该频率下的未知点振动响应预测模型；其次，根据传递函数在频域的连续性，利用该频率下训练好的MIMO-ANN的权值迁移到相邻频率作为其MIMO-ANN的初值；再次，利用此相邻频率下的历史数据进行训练，从而得到此频率下的预测模型；最后，不断循环此过程，直到所有频率点的模型全部训练完成。该方法解决了矩阵病态求逆问题，可以获得更好的神经网络模型的初值，不容易陷入局部最优，加快了神经网络的收敛速度。在圆柱壳声振实验数据集的多点响应预测结果表明，在多源载荷未知条件下，该方法比基于无迁移学习神经网络、多元线性回归、传递函数的方法，预测精度、训练效率更高。

文章关键词:

项目基金: