航空发动机传感器信号重构的K-ELM方法
发布时间：2018-12-24 07:22
【摘要】：针对航空发动机传感器信号重构,提出了评价核极限学习机(K-ELM)模型性能的一种快速留一交叉验证方法.结果表明:该方法可以避免原始的留一验证方法 N次模型的显式训练,将计算复杂度降低为原来的1/N(N为样本数目).该算法可以快速准确评价核极限学习机的性能,为核极限学习机确定最优的核参数.
[Abstract]:Based on the signal reconstruction of aero-engine sensor, a fast residual cross validation method is proposed to evaluate the performance of nuclear extreme learning machine (K-ELM) model. The results show that this method can avoid the explicit training of N times model, and reduce the computational complexity to 1 / N (N as the number of samples). The algorithm can quickly and accurately evaluate the performance of the kernel extreme learning machine and determine the optimal kernel parameters for the kernel limit learning machine.
【作者单位】： 南京航空航天大学能源与动力学院江苏省航空动力系统重点实验室;中国航空发动机集团有限公司航空动力控制系统研究所;先进航空发动机协同创新中心;
【基金】：国家自然科学基金(51276087) 中央高校基本科研业务费专项资金(NP2012504) 南京航空航天大学研究生创新基地(实验室)开放基金(kfjj20150205)
【分类号】：V263.6;TP181
[Abstract]:Based on the signal reconstruction of aero-engine sensor, a fast residual cross validation method is proposed to evaluate the performance of nuclear extreme learning machine (K-ELM) model. The results show that this method can avoid the explicit training of N times model, and reduce the computational complexity to 1 / N (N as the number of samples). The algorithm can quickly and accurately evaluate the performance of the kernel extreme learning machine and determine the optimal kernel parameters for the kernel limit learning machine.
【作者单位】： 南京航空航天大学能源与动力学院江苏省航空动力系统重点实验室;中国航空发动机集团有限公司航空动力控制系统研究所;先进航空发动机协同创新中心;
【基金】：国家自然科学基金(51276087) 中央高校基本科研业务费专项资金(NP2012504) 南京航空航天大学研究生创新基地(实验室)开放基金(kfjj20150205)
【分类号】：V263.6;TP181
【相似文献】
相关期刊论文 前10条
1 杨平;环境友好的高效航空发动机[J];全球科技经济w，
本文编号：2390335
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2390335.html
