一维卷积神经网络 我们采用一维卷积神经网络。设计思路如下： 输入层为整个神经网络的输入接口，输入数据的格式为包含2048个特征的张量。数据经过输入层，将数据格式改为含有2048个特征和一个输出通道的张量，并将其输入到卷积层。卷积层是整个神经网络的核心，整个神经网络包含3个卷积层，每个卷积分别对输入数据进行卷积、激活和池化3项操作。具体为：第一卷积层的输入数据格式为含有2048个特征和1个输入通道的张量。经过卷积后，将数据格式改为含有1024个特征和32个输出通道的张量。之后对数据进行激活，不改变数据的格式。接着对数据进行最大池化，将数据格式改为含有512个特征和32个输出通道的张量。最后将数据传递到神经网络的下一层。数据经过3个卷积层后，其格式改为含有32个特征和128个输出通道的张量。此时需要对数据进行全连接，首先需要对数据作扁平化处理，将数据格式改为含有4096个特征的张量。第一全连接层对此张量进行激活，形成含有1024个特征的张量，在经过第二全连接层后，将数据改为含有4个特征的张量。这4个特征对应为滚动轴承的4中不同状态。神经网络具体结构如图所示。
