150-SWT-MCNN-BiGRU-Attention分类预测模型!
基于多尺度卷积神经网络(MCNN)+双向长短期记忆网络(BiGRU)+注意力机制(Attention)的分类预测模型，matlab代码，直接运行使用！
1、模型介绍：针对传统方法在噪声环境下诊断精度低的问题，提出了一种多尺度卷积神经网络（MCNN）的轴承故障诊断方法。多尺度卷积神经网络是CNN的变体,拥有比CNN更加强大的特征提取能力。MCNN擅长于从多尺度提取输入数据的局部特征。通过不同大小的卷积核，MCNN能够捕捉到数据中不同尺度的细节信息，从而提高模型的表达能力；BiGRU能够有效地捕捉输入序列中的长期依赖关系。通过正向和反向两个方向处理序列数据，结合正向和反向的隐藏状态，从而获得更完整的上下文信息；Attention可以引导模型关注输入序列中最重要的部分。通过计算不同位置的权重，Attention机制能够突出关键信息，抑制噪声信息，从而提高模型的分类准确率。最后，通过光伏阵列故障数据集进行验证，证明了所提方法的有效性。
2、当前网络模型：MCNN-BiGRU-Attention，见知网查询截图，模型热度很高
3.模型优点：
①采用了格拉姆角场GAF将一维图转换为二维图，增强了故障特征;
②选用了“交叉熵”损失函数作为网络训练的依据;
③划分了训练集、验证集、测试集，在网络训练的时候采用验证集不断降低损失，从而不会影响模型的泛化能力;
④采用了T-SNE降维方法，可视化神经网络识别前后的效果;
4.展示图例：格拉姆角场转换图、损失曲线+准确率曲线+召回率曲线、T-SNE降维前后样本分布图、混淆矩阵、模型分类预测图
5.资料包含：
格拉姆角场转换代码、参考文献、MCNN-BiGRU-Attention模型、MCNN-BiGRU模型、MCNN-GRU模型、MCNN模型
6.主页还有其他模型：MCNN-BiLSTM-Attention、MCNN-SVM、MCNN-KELM以及MCNN模型。
)
)
