资源简介
使用TensorFlow对一维电机振动信号检测(输入的信号经过了小波变换,8个特征)
代码片段和文件信息
# -*- coding: utf-8 -*-
“““
Created on Mon Apr 2 11:46:50 2018
@author: FDS
“““
#电机故障数据检测(只针对一圈)
#一组数据一组数据进行训练
#
#
import tensorflow as tf
import numpy as np
import scipy.io as sio
import random
#输入数据部分
#
data_inter=sio.loadmat(‘C:/Users/FDS/Desktop/data2018/data_prepare_inter.mat‘)[‘data_E‘]#故障数据
data_normal=sio.loadmat(‘C:/Users/FDS/Desktop/data2018/data_prepare_normal.mat‘)[‘data_Enormal‘]#正常总数据
a=np.array(data_inter[0:100])
b=np.array(data_normal[0:450])
train_data=np.concatenate((ab)axis=0)
c=np.array(data_inter[100:])
d=np.array(data_normal[450:])
test_data=np.concatenate((cd)axis=0)
y_train_data=np.concatenate((np.ones(a.shape[0])np.zeros(b.shape[0]))axis=0)#训练标签
y_train_data.shape=(y_train_data.shape[0]1)
y_test_data=np.concatenate((np.ones(c.shape[0])np.zeros(d.shape[0]))axis=0)#测试标签
y_test_data.shape=(y_test_data.shape[0]1)
e=np.zeros((5502)) #全部训练数据的标签
for i in range(0100):
e[i][1]=1
for i in range(100550):
e[i][0]=1
e_test=np.zeros((572))
for i in range(022):
e_test[i][1]=1
for i in range(2257):
e_test[i][0]=1
#模型搭建部分
x_data=tf.placeholder(“float32“[None8])
weight=tf.Variable(tf.ones([82]))
bias=tf.Variable(tf.ones([2]))
y_model=tf.nn.softmax(tf.matmul(x_dataweight)+bias)
y_data=tf.placeholder(“float32“[None2])
loss=tf.reduce_sum(tf.pow((y_model-y_data)2))
train_step=tf.train.GradientDescentOptimizer(0.01).minimize(loss)
init=tf.global_variables_initializer()
sess=tf.Session()
sess.run(init)
temp_x=np.zeros((508))#随机取50组数据进行训练
temp_y=np.zeros((502))#随机50组数据的标签值
#训练
for i in range(1000):
rand=random.randint(0499) #产生随机数
for k in range(050):
temp_x[k]=train_data[rand+k]#训练值
temp_y[k]=e[rand+k]#标签值
sess.run(train_stepfeed_dict={x_data:temp_xy_data:temp_y})
if i%5==0:
correct_prediction=tf.equal(tf.argmax(y_model1)tf.argmax(y_data1))
accuracy=tf.reduce_mean(tf.cast(correct_prediction“float“))
print(sess.run(accuracyfeed_dict={x_data:test_datay_data: e_test}))
print(sess.run(weight)) #输出权重
print(sess.run(bias)) #输入偏离值
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 2404 2018-04-08 16:27 unti
文件 5838 2018-04-01 14:29 data2018\data_prepare_inter.mat
文件 22389 2018-04-01 14:39 data2018\data_prepare_normal.mat
目录 0 2018-04-01 15:00 data2018
----------- --------- ---------- ----- ----
30631 4
相关资源
- Machine Learning Linear Regression-线性回归
- 疝气病数据集逻辑回归
- 17 机器学习案例——基于朴素贝叶斯
- spark机器学习简单文档
- 机器学习特征的的代码lpq
- 图解机器学习代码
- 南京大学周志华老师的一个讲普适机
- 最新版coursera吴恩达机器学习全套视频
- 吴恩达机器学习视频中英文字幕字幕
- 机器学习Kmeans实验报告
- 吴恩达机器学习视频百度网盘视频+
- 机器学习 吴恩达 全套视频和课后题
- Web安全三部曲随书源码
- 机器学习数据预处理葡萄酒数据集w
- 炼数数据挖掘视频教程
- 机器学习:猫和狗的图片训练图片2
- kaggle入门-Titanic
- 信用风险评分卡研究_基于SAS的开发与
- PRML学习笔记之Neural Nerwork神经网络
- 数据挖掘与机器学习.pdf
- 基于SPARK的大数据实战在线电影推荐
- 机器学习 tom版教材 课后题部分答案
- 机器学习朴素贝叶斯垃圾邮件过滤器
- catBoost 原稿
- 吴恩达机器学习视频百度云
- housing data 数据集
- 山东大学机器学习实验报告K平均算法
- CASIA-webface 完整版
- 14.机器学习对抗生成网络.txt
- digits 手写体数据集,k-近邻算法运用
评论
共有 条评论