预测机械剩余使用寿命的深度可分离卷积神经网络_rul预测子网络-C…
为了克服上述缺点，本文提出了一种新的 用于机械设备剩余使用寿命（RUL）预测的深度可分卷积网络（DSCN）。 在所提出的DSCN中， 不同传感器采集的监测数据直接作为网络的输入。 …
Deep separable convolutional network for remaining useful life ...
2019年12月1日 · The proposed deep separable convolutional network (DSCN) directly uses the raw multi-sensor data as inputs, getting rid of the manual feature extraction and selection. The …
Remaining useful life prediction using physics-informed neural …
The hybrid prediction framework called DSCN-AttnPINN has demonstrated superior performance on the XJTU-SY dataset. The results of the experiments reveal that the DSCN-AttnPINN can …
卷积神经网络之深度可分离卷积（Depthwise Separable …
DSC由Depthwise Convolution和Pointwise Convolution两部分构成。 Depthwise Convolution的计算非常简单，它对输入feature map的每个通道分别使用一个卷积核，然后将所有卷积核的输 …
Multitarget Robust Deep Stochastic Configuration Network …
To improve the model accuracy of deep stochastic configuration network (DSCN) in multitarget robust parameter modeling tasks, this paper presents a multitarget robust DSCN modeling …
KDD'22「阿里」DESCN：全空间交叉网络构建uplift模型Deep …
本文提出了深度整个空间交叉网络（DESCN）从端到端的角度进行建模。 DESCN通过交叉网络以多任务学习的方式捕获干预的倾向、响应和隐藏干预效果的综合信息。 本文的特点是在 X …
预测机械剩余使用寿命的深度可分离卷积神经网络 - 程序员大本营
本文提出了一种新的深度预测网络dscn，用于机械设备的rul预测。 提出的DSCN 直接利用原始的多传感器数据作为预测网络的输入 。 然后，引入 可分离卷积运算 代替标准卷积运算，有效地 …
基于M-estimator函数的加权深度随机配置网络-【维普期刊官网】
摘要 深度随机配置网络(Deep Stochastic Configuration Network,DSCN)是一种增量式随机化学习模型,具有人为干预程度低、学习效率高和泛化能力强等优点.但是,面向噪声数据回归与分析时, …
YOLOv10涨点改进：卷积魔改 | 可变形条带卷积(DSCN)，魔改轻 …
2024年6月6日 · 本文介绍了YOLOv10的改进版，独创可变形条带卷积 (DSCN)，作为轻量级DCNv3的替代方案，减少了计算量，提高了性能。 DSCN通过限制变形采样核在单轴上，降 …
变化检测DSCN论文介绍 - CSDN博客
dscn是直接耦合的差分放大器，由两个输入端（非反相端和反相端）、一个输出端和一个电源端组成。 dscn 的工作原理如下：当输入信号加在非反相端时，通过反馈电阻的作用，将一部分输 …