感知机的缺点就是需要，而权重的设置都是的。

奇异值分解(Singular Value Decomposition，简称SVD)是机器学习领域应用最广泛的算法。被广泛应用在降维算法、推荐系统以及自然语言处理等领域。1、SVD的发展历史Beltrami（1835-1899）和Jordan（1838-1921）被公认是奇异值分解的创始人。1873年Beltrami提出了实正方矩阵的奇异值分解：1874年Jordan发表了对奇异值分解的独立推导；1

s=mean(x)默认dim=1，对每一列求均值。

数据导入有两步，先用datasets导入，然后用dataloader加载。训练结果在epoch=5时，能达到91%。可视化预测结果，可以看出，16个预测14个准确，准确率87.5%。MNIST共有70000张图片，60000张训练集，10000张测试集。图片大小28*28，灰度图。因为是灰度图，所以mean和std都只有一个参数，如果为RGB，都为（0.5，0.5，0.5）预测图100%正确。所以

随机信号的时域分析只能提供有限的时域故障特征信息，故障发生时往往会引起信号频率结构的变化，而故障频率可以计算和预知，通过检测频率的幅值变换规律，就可以监控故障的发展过程。频谱分析的理论基础是傅里叶变换，傅里叶变换包括傅里叶级数和傅里叶积分。

如果运行程序时，提示没有安装pywt。为了提高下载速度，加入清华源。

下载好后，返回，选择RTools进入后，选择RTools4.4安装，和R的版本一致。点进来选择中间的RTools44 installer。选择浏览，确定安装路径，路径中不要出现中文和空格。根据自己系统情况下载，我选择windows系统。点击红色框，download拉到。选择后就开始下载RTools。双击下载好的软件，开始安装。可能需要等待几分钟安装完成。选择download R。安装完成，选择结束

应用matlab tensor toolbox 实现HOSVD（高阶奇异值分解）推荐系统_Molly-CSDN博客

前面安装了Anaconda，但是Anaconda默认不安装pytorch，需要单独安装。

最近研究故障诊断，先对使用比较多的西储大学数据集研究。以资料【1】中的内容展开研究。