MATLAB IMPLEMENTATION OF MULTILAYER PERCEPTRON FOR BEARING FAULTS CLASSIFICATION

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F21%3APU140813" target="_blank" >RIV/00216305:26220/21:PU140813 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

MATLAB IMPLEMENTATION OF MULTILAYER PERCEPTRON FOR BEARING FAULTS CLASSIFICATION

Popis výsledku v původním jazyce

This paper deals with implementation of multilayer perceptron neural network (NN) for bearing faults classification. Neural network has been created from scratch as an M-script with back propagation learning algorithm also, but without using advanced MATLAB packages. Public available bearing dataset from CaseWestern Reserve University has been used for both training and testing phase, as well as for the final classification process. Problem with sparse input data for training the network has also been addressed. This relatively simple and small neural network is capable to classify the failures of a bearing with very low error rate.

Název v anglickém jazyce

MATLAB IMPLEMENTATION OF MULTILAYER PERCEPTRON FOR BEARING FAULTS CLASSIFICATION

Popis výsledku anglicky

This paper deals with implementation of multilayer perceptron neural network (NN) for bearing faults classification. Neural network has been created from scratch as an M-script with back propagation learning algorithm also, but without using advanced MATLAB packages. Public available bearing dataset from CaseWestern Reserve University has been used for both training and testing phase, as well as for the final classification process. Problem with sparse input data for training the network has also been addressed. This relatively simple and small neural network is capable to classify the failures of a bearing with very low error rate.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings II of the 27th Conference STUDENT EEICT 2021

ISBN

978-80-214-5943-4

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

1-5

Název nakladatele

Brno University of Technology, Faculty of Electrical Engineering and Communication

Místo vydání

Brno

Místo konání akce

Brno

Datum konání akce

27. 4. 2021

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—