深度残差收缩网络（pytorch）框架+时序信号转格拉姆角场二维图；

将时序信号转换为二维图，使用深度残差收缩网络进行特征提取；训练后保存训练文件便于二次使用。

代码清晰，模型、训练、数据读取分类明显，注释清楚

IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS期刊文章；

该网络在深度残差网络（ResNet）的基础上融入了软阈值化技术，通过引入可训练的软阈值层，实现了对信号中噪声成分的有效抑制，同时保留了有用的特征信息。

DRSN采用了通道间共享阈值的策略，即所有特征通道使用统一的阈值进行软阈值化操作，DRSN能够在保持较高特征学习能力的同时，显著提升在复杂或噪声环境下的信号处理与模式识别性能，为包括故障诊断、图像处理在内的多个领域提供了强有力的。

ID:2750

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/811655312665.html