报告详情
WKAConvNet: An Explainable Wavelet Kolmogorov–Arnold Convolutional Network for Intelligent Fault Diagnosis
编号：56
访问权限：仅限参会人
更新：2025-06-15 21:17:06
浏览：34次
口头报告
报告开始：暂无开始时间（Asia/Shanghai）
报告时间：暂无持续时间
所在会场：[暂无会议] [暂无会议段]
暂无文件
摘要
卷积神经网络 （CNN） 具有强大的数据挖掘和特征自适应学习能力，在机械故障诊断中得到了广泛的应用。然而，许多现有的基于 CNN 的模型在提取的特征中存在可解释性不足的问题，导致结果不可靠。为了应对这一挑战，该文提出一种小波Kolmogorov-Arnold卷积（WKAConv）层，将可学习的小波Kolmogorov-Arnold核作为卷积核。基于此，通过将传统卷积神经网络的第一卷积层替换为 WKAConv 层，提出了一种新的小波 Kolmogorov-Arnold 卷积网络 （WKAConvNet），从而实现了事前可解释特征的提取。在行星齿轮箱数据集上进行实验，验证了所提方法的有效性，结果表明，与现有的先进卷积神经网络相比，该方法取得了最佳性能。此外，在模型解释部分，还通过对 WKAConv 层后的特征图进行可视化，展示了 WKAConvNet 的事前可解释性。
关键词
convolutional neural network,fault diagnosis,Kolmogorov-Arnold network
报告人
Tianfu Li
Pro Kunming University of Science and Technology稿件作者
全部评论
重要日期
-
会议日期
08月01日
2025
至08月04日
2025
-
06月23日 2025
初稿截稿日期
主办单位
中国机械工程学会设备智能运维分会
承办单位
新疆大学
联系方式
- Mrs. Yanruqiang
- ya******@xjtu.edu.cn
历届会议
-
2025年08月01日 中国 wulumuqi
2025 International Conference on Equipment Intelligent Operation and Maintenance -
2023年09月21日 中国 Hefei
第一届（国际）设备智能运维大会
发表评论