深度信念网在模拟电路故障诊断中的应用研究

颜学龙; 邵伟

Chinese

您当前的位置：

首页 >

文章列表页 >

深度信念网在模拟电路故障诊断中的应用研究

更新时间：2026-09-04

- 深度信念网在模拟电路故障诊断中的应用研究
- Application of DBN in Analog Circuit Fault Diagnosis
- 微电子学与计算机 2016年33卷第9期页码：159-163
- 作者机构：
  
  桂林电子科技大学机构电子工程与自动化学院,广西,桂林,541004
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
颜学龙, 邵伟. 深度信念网在模拟电路故障诊断中的应用研究[J]. 微电子学与计算机, 2016, 33(9): 159-163.

YAN Xue-long, SHAO Wei. Application of DBN in Analog Circuit Fault Diagnosis[J]. 2016, 33(9): 159-163.
颜学龙, 邵伟. 深度信念网在模拟电路故障诊断中的应用研究[J]. 微电子学与计算机, 2016, 33(9): 159-163. DOI：

YAN Xue-long, SHAO Wei. Application of DBN in Analog Circuit Fault Diagnosis[J]. 2016, 33(9): 159-163. DOI：

摘要

针对模拟电路故障诊断中特征提取的难题

引入深度信念网模型

在Leapfrog滤波器电路上对深度信念网、单隐层BP网络和三隐层BP网络三种模型做分类对比实验

实验证明了深度信念网应用的可行性和有效性.基于带通电路

设计实验对比了深度信念网、小波分析方法及单隐层BP网络的特征提取能力

结果表明深度信念网特征提取能力明显优于小波分析和单隐层BP网络

提取的特征更能反映数据本质.

Abstract

In view of the problem of feature extraction for analog circuit fault diagnosis

model of deep belief network (DBN) is introduced in this paper. Comparison experiments on Leapfrog Filter with a group of models including DBN

single hidden layer BP and three hidden layer BP prove that the model of DBN is feasible and effective. Moreover

according to the experiment on band pass filters with methods of wavelet analysis

DBN and single hidden layer BP network

the results show that the ability of feature extraction of DBN is better and the feature of extraction is closer to the essence of data.

关键词

Keywords

references

Bengio Y. Learning deep architectures for AI[J]. Foundations % Trends in Machine Learning, 2009, 2(1): 1-127. DOI: 1

Zhang L, Sun L, Cai X, et al. Analog circuit fault diagnosis based on the wavelet analysis and EM algorithm of limited gaussian mixture model[J]. International Journal of Advancements in Computing Technology, 2013, 10(5): 32-42. DOI: 32

Geoffrey H. Where do features come from?[J]. Cognitive Science A Multidisciplinary Journal, 2013, 38(6): 1078-1101. DOI: 1078

Hinton G E. Training products of experts by minimizing contrastive divergence[J]. Neural Computation, 2002, 14(8): 1771-1800. DOI: 1771

Hinton G E, Salakhutdinov R R. Reducing the dimensionality of data with neural networks[J]. Science, 2006, 313(5786): 504-507. DOI: 504

Neural Networks Hinton G E. A practical guide to training restricted boltzmann machines[M]. Neural Networks: Tricks of the Trade of the series Lecture Notes in Computer Science, 2012, 9(1): 599-619. DOI: 599

刘美容, 张立玮. 基于小波分解和模糊聚类的模拟电路软故障诊断[J]. 微电子学与计算机, 2014, 31(12): 140-143. DOI: 140

王承, 陈光䄔, 谢永乐. 小波-神经网络在模拟电路故障诊断中的应用[J]. 系统仿真学报, 2005, 17(8): 1936-1938. DOI: 1936

孟凡斌, 唐圣学, 谭子尤. 基于小波和主元分析的容差电路的故障诊断方法[J]. 微电子学与计算机, 2010, 21(11): 135-138. DOI: 135

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于SOFM网络和异质信息融合的模拟电路诊断

改进引力搜索算法优化的SVM模拟电路故障诊断

基于IGWO算法优化的SVM模拟电路故障诊断

基于小波分解和模糊聚类的模拟电路软故障诊断

基于小波神经网络的模拟电路故障诊断方法及LabVIEW实现