本文针对深度神经网络如何更快速和充分学习的问题,提出一种基于知识传递的深度交流学习(Deep Communication Learning,DCL)模式。该模式中多个神经网络在各自独立学习的同时将网络参数作为知识进行交流,单个神经网络在训练中将自身所...
详细信息
本文针对深度神经网络如何更快速和充分学习的问题,提出一种基于知识传递的深度交流学习(Deep Communication Learning,DCL)模式。该模式中多个神经网络在各自独立学习的同时将网络参数作为知识进行交流,单个神经网络在训练中将自身所学到的知识分享给其他网络,同时从其他网络上吸纳一定比例的学习成果,交替进行独自学习和在集体中的知识交流。基于多个公开数据集的实验结果表明,相对于单独学习,仅用2个网络进行DCL就可获得学习效果最高3.44%的提升;增加进行DCL的网络个数至6个,学习效果可进一步得到最高2.74%的提升。DCL模式有利于训练出效果更好的神经网络。
为了解决风水联动除尘器在井下使用中的振动噪声过大的问题,对改进叶片叶形、叶片穿孔和叶片前缘加工锯齿等降噪方法进行了研究。利用逆向工程技术对叶片叶形进行了改进和关键参数优化设计,取得了一定的效果;通过数值模拟分析了通过叶片穿孔和叶片前缘加工锯齿形进行降噪的可行性;制造样机进行了降噪试验,实现将除尘器噪声从119 d B降低至92 d B,对于类似装置降噪具有一定的参考价值。
暂无评论