Resumen

En la actualidad, la tecnología de redes neuronales profundas (DNN) se utiliza con frecuencia en la investigación de diagnóstico inteligente. Sin embargo, la enorme cantidad de cálculos de DNN hace que sea difícil de aplicar en la práctica industrial. En este artículo, se diseña una red profunda de conexiones densas en múltiples escalas MSDC-NET. Se utiliza un módulo de ramificación paralela en múltiples escalas bien diseñado en la red. Este módulo puede mejorar enormemente el dominio de aceptación de MSDC-NET, para así aprender información útil de las muestras de entrada de manera más efectiva. Basado en la inspiración de las Redes Convolucionales de Conexión Densa, MSDC-NET diseñó una tecnología de conexión densa similar, de modo que el modelo no tenga el problema de desvanecimiento del gradiente debido a la red profunda. Los datos experimentales de MSDC-NET en los conjuntos de datos MFPT, SEU y Pu muestran que nuestro método tiene un rendimiento superior a otras tecnologías más recientes. Al mismo tiempo, llev

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Red neuronal; MSDC-NET; Multiscale; Red profunda; Clasificación; Destilación del conocimiento
• Keywords:Neural network; MSDC-NET; Multiscale; Deep network; Classification; Knowledge distillation