基于深度信念网络的铁路信号设备故障识别

• 作者: 张玉霞
• 来源期刊: 信息技术
• 学科: 交通运输
• 关键词: 铁路信号设备 故障识别 深度信念网络 受限玻尔兹曼机
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 应用技术
• 页码范围: 150-154,164
• 页数: 6页
• 分类号: TP391|U284
• 字数: 4315字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.05.032

摘要

针对现有铁路信号设备故障识别算法特征提取不准确导致正确率偏低的问题,提出了深度信念网络(DBN)的故障识别模型.该模型首先利用无监督训练方法对DBN的多个堆叠受限玻尔兹曼机(RBM)进行预训练,获得网络初始参数;然后,结合铁路信号设备识别问题,构建BP神经网络,利用有标签样本进行反向传播训练,实现网络参数微调.实验结果表明,该模型避免特征提取的人工操作,能够有效实现铁路信号设备故障的准确智能识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玉霞		7	0	0.0	0.0