基于知识图谱的医疗诊断知识问答系统 环境 python 3.7 tensorflow 1.14.0 keras 2.2.0 bert4keras 0.10.0 gensim 3.8.3 pyahocorasick 1.4.0 后期计划 系列视频持续更新中……，后期代码也将一并上传 本项目系列视频大纲如下，最后可能会有细微差别，影响不大

PHM深度学习 PHM中的深度学习，故障诊断中的深度学习，剩余使用寿命预测中的深度学习 该存储库的目的是收集PHM领域中深度学习的应用研究，收集和组织开源算法资源，并为研究人员提供学习和交流的平台。 文件 每周纸快递 2020年 | 评论论文 Dalzochio，J.等人，《机器学习和工业4.0中预测性维护的推理：当前状态和挑战》。 工业计算机，2020年。123：第。 103298. Zhao，Z.等人，《旋转机械智能诊断的深度学习算法：开源基准研究》。 ISA Transactions，2020年。 Jiao，J.，et al。，卷积神经网络在机器故障诊断中的全面综述。 神经计算，2020年。 Singh，J.等人，滚动轴承PHM的机器学习算法的系统综述：基本原理，概念和应用。 测量科学与技术，2020年。 Liu，Z. and L. Zhang，大型风力涡轮机轴承的故障模式，状态

图神经网络学习模型，用于利用DNA甲基化数据进行精确的多肿瘤早期诊断 运行环境 Linux环境，Python 3 需要以下软件包：numpy，pandas，collections，pytorch，torch_geometirc，seaborn 必须将torch_geometric创建的数据集保存在名为“已处理”的目录中 安装 pip install numpy pip install pandas pip install collections pip install seaborn 在安装pytorch时，应该匹配pytorch，torchvision，cuda和cudnn的版本。 这是我的安装命令作为参考。 conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2 -c pytorch torch_geome

1. 作者提出了高阶DINA模型：HO-DINA。该模型认为学生得知识点掌握情况受高阶参数得影响，比如学生得学习能力。 2. 论文阐述了如何使用MCMC方法对HO-DINA模型进行参数估计，并基于分数减法数据集进行了测试

rolling-bear-fault-diagnosis-based-wavelet-time-frequency-map-and-CNN The wavelet time-frequency map is obtained from the original vibration signal, and then input into CNN to realize fault diagnosis, the test set has the highest diagnostic accuracy 在matlab和pytorch0.4下，通过matlab对原始振动信号求取小波时频图，然后输入进pytorchCNN实现故障诊断，测试集诊断精度最高达99.5%。代码出售的、出售的、出售的，需要的加qq2919218574.详细见我的博客： 小波时频数据为：链接: 提取码: xhqz

基于深度学习的机械故障诊断 CNN用于机械故障诊断 这些代码用于两篇论文：“基于基于原始传感信号的卷积神经网络的滚动轴承故障智能诊断”（paper_1）和“基于以振动信号的二维表示作为输入的基于卷积神经网络的轴承故障诊断”（paper_2） ）。 先决条件，Matlab 2013a，Python 2.7.11，Tensorflow（在ubuntu14.04中更好）。 首先，您应该运行image_matrix.m来准备自己的数据。 其次，应该使用disorder_images.py和input_bear_data.py将数据变形为张量流的输入格式。 最后，您可以选择为paper_1运行mnist_b.py或mnist_c.py，为paper_2运行mnist_2d.py。 如果大家对以上研究兴趣，可以进一步参考我的这两篇论文：针对原始振动信号具有良好抗噪和域自适应能力的故障诊断新的深

Keras_bearing_fault_diagnosis 基于CNN的轴承故障识别 1.简介 本科毕设，基于凯斯西储大学公开轴承数据集建立的CNN轴承故障识别模型。 记录相关过程的博客： 数据集： 2.环境 Windows+anaconda 3.框架 Keras 4.依赖 tensorflow;keras;numpy;scipy;os;sklearn;matplotlib 5.说明 cnn_1D.py 构建基础的CNN模型 lstm_diagnosis.py 构建基础的LSTM模型 cnn_diagnosis 论文代码 cnn_valid.py 测试不同全连接层数、卷积层数选择最优模型 preprocess.py 数据预处理（预处理代码来自 ） images文件夹 保存模型流程图； data文件夹 保存数据集； logs文件夹 保存日志

论文题目：基于卷积神经网络的轴承故障诊断算法研究_张伟 main为wdcnn卷积神经网络主文件，运行它就可以得出结果 preprocess为预处理文件，主要实现制作数据集的功能 日志文件保存在logs里面，通过启动tensorboard查看 wdcnn.png为卷积神经网络的结构图像 我只实现了第三章的内容，剩下的没有做

Abnormal_Heart_Sound_Diagnosis：对心音数据库进行卷积长短期记忆（CNN-LSTM）评估，准确度达91％

基于知识图谱的医学诊断系统。Medical Diagnosis System Based on Knowledge Map.