Biblioteca122.739 documentos en línea

Artículo

Aero Engine Fault Diagnosis Using an Optimized Extreme Learning MachineDiagnóstico de fallos en motores aéreos mediante una máquina de aprendizaje extremo optimizada

Resumen

En este trabajo se desarrolla una nueva máquina de aprendizaje extremo optimizada mediante la optimización de enjambre de partículas con comportamiento cuántico (QPSO). Utiliza QPSO para seleccionar los parámetros óptimos de la red, incluyendo el número de neuronas de la capa oculta, de acuerdo con el error cuadrático medio en el conjunto de datos de validación y la norma de los pesos de salida. El Q-ELM propuesto se aplicó a aplicaciones de clasificación del mundo real y a un problema de diagnóstico de un motor de turbina de gas y se comparó con otros dos métodos ELM optimizados y con el método ELM, SVM y BP originales. Los resultados muestran que el Q-ELM propuesto es un método más fiable y adecuado que la red neuronal convencional y otros métodos ELM para el diagnóstico de defectos del motor de turbina de gas.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento