期刊文章详细信息
基于l_2正则化回声状态网络的模拟电路故障诊断
Analog Circuit Fault Diagnosis Based on l_2 Regularization Echo State Network
文献类型:期刊文章
WANG Hong ,NIU Xiaoling(Department of Computer, Pingdingshan Industrial College of Technology, Pingdingshan Hen'an 467001, Chin)
机构地区:[1]平顶山工业职业技术学院计算机系,河南平顶山467001
基 金:河南省科技厅重点科技攻关项目(152102310463)
年 份:2017
卷 号:40
期 号:5
起止页码:1283-1286
语 种:中文
收录情况:BDHX、BDHX2014、CAS、RCCSE、SCOPUS、ZGKJHX、核心刊
摘 要:为了提高模拟电路故障诊断的准确率,提出了一种基于l_2正则化回声状态网络(l_2-RESN)的模拟电路故障诊断方法。l_2-RESN在ESN的约束优化函数中引入l_2正则化因子,推导带正则化因子的ESN输出权重计算公式,避免传统的ESN算法因矩阵奇异而降低模型泛化能力。实验结果表明,相比于支持向量机(SVM)和标准ESN,l_2-RESN的诊断准确率分别提高1.11%和18.34%。证明l_2-RESN能够有效提高模拟电路诊断的准确性。
关 键 词:模拟电路 故障诊断 神经网络 拉格朗日函数
分 类 号:TN710]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...