Název: Matlab Implementation Of Multilayer Perceptron For Bearing Faults Classification
Autoři: Doseděl, Martin
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: This paper deals with implementation of multilayer perceptron neural network (NN) forbearing faults classification. Neural network has been created from scratch as an M-script with backpropagation learning algorithm also, but without using advanced MATLAB packages. Public availablebearing dataset from CaseWestern Reserve University has been used for both training and testingphase, as well as for the final classification process. Problem with sparse input data for training thenetwork has also been addressed. This relatively simple and small neural network is capable to classifythe failures of a bearing with very low error rate.
Klíčová slova: back-propagation algorithm,bearing faults; data classification; deep learning; Multilayer perceptron (MLP)
Zdrojový dokument: Proceedings II of the 27st Conference STUDENT EEICT 2021: Selected papers, ISBN 978-80-214-5943-4

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/200833

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-447877


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference
 Záznam vytvořen dne 2021-07-25, naposledy upraven 2023-01-08.


Není přiložen dokument
  • Exportovat ve formátu DC, NUŠL, RIS
  • Sdílet