在验证环节引入了极端噪声干扰，从实验结果图中可以看到，在-8dB信噪比的严苛条件下，模型经过100个周期的训练，测试集准确率超过了90%。其核心思想是将软阈值化作为非线性变换层集成到残差单元中，通过自动学习阈值来消除不重要的噪声特征，从而在极低信噪比条件下依然保持较高的诊断准确率。在旋转机械的运行过程中，采集到的振动信号往往夹杂着大量的环境噪声。本复现所采用的数据源自经典的西储大学（CWRU）轴承