3、深度神经网络在机械系统智能故障诊断中的应用

深度神经网络在机械系统智能故障诊断中的应用

1. 激活函数与神经网络基础

1.1 ReLU激活函数

ReLU（修正线性单元）是一个分段线性函数，对于正输入返回其输入值，对于负输入返回0，其数学表达式为 (f(x) = max(0, x))。它计算效率高，能引入非线性，在深度学习中被广泛应用。

1.2 神经网络结构

• 感知机 ：最简单的神经网络，仅由一个神经元组成。多个输入通过线性加权求和与非线性激活函数产生一个输出，仅适用于二分类，无法学习复杂的非线性模型。
• 深度神经网络（DNN） ：是感知机的扩展，有两个关键改进。一是增加了可多次堆叠的隐藏层，增强了模型的表达能力；二是输出层的神经元可以不止一个，允许有多个输出，可有效应用于分类、回归、降维、聚类等机器学习领域。DNN按层的位置可分为输入层、隐藏层和输出层。输入层接收输入信号并传递到下一层，不进行操作，无权重和偏置；隐藏层的神经元对输入数据进行不同变换；输出层接收最后一个隐藏层的输入，可确定期望值及其范围。

网络类型	特点	适用场景
感知机	单神经元，线性加权求和与激活函数	二分类
DNN	多层结构，含隐藏层和多输