Xiaohan-Chen/bear_fault_diagnosis
Bearing fault diagnosis model based on MCNN-LSTM
何を解決するか
このプロジェクトは、振動データを使用して回転機械の異常を特定することを目的とした、ベアリングの故障診断の手法を提供します。
動作方法
システムは、マルチスケール畳み込みニューラルネットワーク（CNN）と長短期記憶（LSTM）ネットワークを組み合わせたハイブリッドディープラーニングアーキテクチャを使用しています。このアプローチにより、ベアリングの振動信号から空間的および時間的特徴を抽出できます。
対象ユーザー
このツールは、CWRUベアリングデータセンターのデータセットを使用して、同じ故障診断プロセスを自動化する必要がある産業保守および機械工学分野のエンジニアや研究者向けに設計されています。
特徴
- 学術論文の公式ベースライン実装。
- 現代的な互換性のため、Keras/TensorFlowからPyTorchに移行されました。
- 学習および検証にCWRUベアリングデータセンターのデータセットを使用しています。
関連
- プロジェクト
nschaetti/EchoTorch研究目的向けに設計された、PyTorchベースのエコーアレイネットワークとリザーバー計算の実装・テスト用モジュール。ディープアーキテクチャへの統合を想定しています。
- プロジェクト
open-mmlab/mmengineディープラーニングモデルのトレーニングエンジンとして機能する、標準化されたコンポーネント（トレーニングループ、設定、モニタリング）を提供する基盤的な PyTorch ライブラリ。
- プロジェクト
IBM/aihwkitIBM Analog Hardware Acceleration Kit (AIHWKit) は、アナログメモリ内AIチップ（PCM、RRAMなど）をシミュレートするPython/PyTorchライブラリです。アナログ対応レイヤー、最適化手法、高性能CUDA/C++シミュレータ、標準モデルをアナログ同等に変換するユーティリティを提供します。pipまたはcondaでインストールでき、CPU/GPU（AMD ROCmも対応）で実行可能。研究、アルゴリズムプロトタイピング、教育に活用できます。
- プロジェクト
- プロジェクト
ztxz16/fastllmVRAMが限られたハードウェア上で大規模言語モデル（LLM）をローカルにデプロイするための高性能C++推論エンジン。GPU、CPU、NUMA、ディスク間でハイブリッドMoEオフロードをサポート。