神經網路在機械訊號分類之應用

Abstract

一、 結論 二、 神經網路簡介 2.1 前言 2.2 神經網路結構之簡介 2.3 神經網路學習法則 2.4 程式步驟的實施 三、 回饋式神經網路學習法則 3.1 前言 3.2 最佳化設計的數值方法 3.3 回饋式神經網路之各種學習法則 3.3.1 線性搜尋 3.3.2 學習參數最佳化 3.4 學習參數最佳化 3.4.1 權衡值的初始值範圍最佳化 3.4.2 黃金初始區段搜尋步長最佳化 3.4.3 學習速度最佳化 3.4.4 搜尋方向最佳化 3.4.5 神經網路結構最佳化 3.5 與NeuralWare套裝軟體比較 四、 模式判認 4.1 模式判認簡介 4.2 神經網路特徵選取 五、 風扇振動信號之模式判認 5.1 實驗設備 5.2 風扇振動訊號測試及模式特徵選取 5.3 神經網路學習法模式判認 六、 結論與建議 6.1 神經網路 6.2 模式判認 6.3 總結 6.4 建議 參考文獻 附錄A