2021-06-21基于深度学习的智能机械故障诊断的部分域适应方法阅读笔记
文章目录
- 基于深度学习的智能机械故障诊断的部分域适应方法
- 一、提出的方法
- 二、网络优化
- 1.源域监督损失
- 2.实验比较
- 总结
基于深度学习的智能机械故障诊断的部分域适应方法
无监督的目标域训练数据不会涵盖全机健康状态标签空间。故提出部分域自适应的方法。提出了条件数据对齐和无监督的预测一致性方案来实现部分域适应。部分域适应问题适应于实际工业场景,其中可用的无监督的目标域数据仅涵盖所有有关健康状况的子集。 通过最小化域之间的最大平均差异来实现条件数据对齐。提出了一种预测一致性方案通过对抗学习来影响多分类模块的性能。
一、提出的方法
部分域适应故障诊断问题上提出的深度神经网络的体系结构。提出了两种技术来解决域移位现象,即条件数据对齐和无监督的预测一致性。
二、网络优化
1.源域监督损失
最小化所有分类模块。采用的交叉熵损失函数
条件数据对齐
无监督的预测一致性
多种分类模块通常学习诊断的不同功能。如果无法通过不同的分类模块获得不经过监督的目标域数据的相同预测结果,则预期更好的域适应。引入了对抗性学习方法以实现无监督的预测一致性,通过对分类模块和鉴别器之间的对抗训练,可以通过不同的模型获得类似的预测结果,从而实现预测一致性。
2.实验比较
- 先仅监督学习方法,其中仅考虑监督的学习方案。这意味着故障诊断模型培训,只有仅在等式(1)中的目标。这种方法遵循传统的机器学习模式,具有监督学习和没有传输学习技术,从而提供基线进行比较。
- 作为域适应的流行方式,MARGDA(边缘域适应)方法旨在实现高级数据表示空间中的源区和目标域之间的边缘分布对准[24],[26],尽管可用的事实无监督的目标数据仅涵盖部分标签空间。因此,该方法与现有流行的转移学习方法提供了公平的比较
- 为了评估无监督的预测一致性方案的益处,实现了Nopredconsist(没有预测一致性)方法,其中从所提出的框架中移除该方案。
- 无条件对准)方法不与等式(4)中的损耗函数实现条件数据对齐。以这种方式,可以检查健康数据融合方案的效果,显示了健康状态数据利用的益处。
总结
本文提出了一种深度学习的机械故障诊断的部分域适应方法。使用多种分类模块来学习各种诊断知识,并采用条件数据对齐方案提取不同域中的健康状态数据的域不变特征。对于无监督的部分目标域训练数据,提出了预测一致性方法来实现类似的预测概率。 样本大小对模型性能有显着影响。通常,较大的样本包含更多诊断信息。然而,也发生了更高的过度风险。因此,在应用中提出了中等大小。由于在所提出的方法中使用迷你批量优化,因此目标样本与源样本的比率对模型性能的影响并不重要。此外,假设目标域类包含在本研究中的源域类中。在实践中,在目标条件中可能发生一些附加故障,其不属于源类。这一具有挑战性的问题是表示为开放式域适应[43],即部分域适应问题的扩展,并将集中在以下研究工作中
2021-06-21基于深度学习的智能机械故障诊断的部分域适应方法阅读笔记相关推荐
- 基于深度学习的智能车辆视觉里程计技术发展综述*--陈涛
[1]陈涛, 范林坤, 李旭川,等. 基于深度学习的智能车辆视觉里程计技术发展综述[J]. 汽车技术, 2021(1):10. 本文内容: 介绍了基于模型的里程计研究现状 对比了常用智能车数据集, 将 ...
- 基于深度学习的智能问答
摘要: 纵观自动问答系统的技术发展历史,从1950年代因图灵测试而诞生至今,已经有几十年的历史.但真正在产业界得到大家的广泛关注,则得益于2011年Siri和Watson成功所带来的示范效应.自此,自 ...
- 基于深度学习的智能PCB板缺陷检测系统(Python+清新界面+数据集)
摘要:智能PCB板缺陷检测系统用于智能检测工业印刷电路板(PCB)常见缺陷,自动化标注.记录和保存缺陷位置和类型,以辅助电路板的质检.本文详细介绍智能PCB板缺陷检测系统,在介绍算法原理的同时,给出P ...
- 毕业设计-基于深度学习的智能车牌识别系统
目录 前言 课题背景和意义 实现技术思路 一.车牌识别的一般流程 二.智能车牌识别系统的设计思路 三.基于深度学习的智能车牌识别系统的实现 四.智能车牌识别系统的训练与测试 五.总结 实现效果图样例 ...
- 一种基于深度学习的目标检测提取视频图像关键帧的方法
摘要:针对传统的关键帧提取方法误差率高.实时性差等问题,提出了一种基于深度学习的目标检测提取视频图像关键帧的方法,分类提取列车头部.尾部及车身所在关键帧.在关键帧提取过程中,重点研究了基于SIFT特征 ...
- 姿态检测 树莓派_基于深度学习的树莓派老人摔倒检测系统的制作方法
本发明属于电子器件技术领域,涉及基于深度学习的树莓派老人摔倒检测系统. 背景技术: 日益庞大的老年群体已成为人们关注的焦点.由于老年人身体活动不便等特点,摔倒已成为我国人员伤亡的第四位原因,而意外摔倒 ...
- 基于深度学习的大豆病虫害自动计数(SLIC超像素方法进行图像分割)
Abstract 大豆田虫害的发生使全世界的农民感到担忧.虫害数量的早期和自动诊断可以评估每个种植区的虫害水平,以优化作物中农药的应用,从而降低生产成本和环境影响.最近关于昆虫数量的研究采用了深层神经 ...
- 一种基于深度学习的单导联心电信号睡眠呼吸暂停检测方法
在R峰识别的基础上,加入S峰的识别,并论正了该策略对检测结果的有效性. 1.大致方法 将数据集(ECG信号)划分为每五分钟的一个片段,为了减少噪声和信号伪影,首先对信号应用了一个有限脉冲响应(FIR) ...
- 深度学习 数码管_创新研发基于深度学习的可见光智能检测技术
"随着国家智能电网战略布局的不断实施,依托于巡检机器人的变电站智能巡检技术必将逐步取代人力,成为电网巡检的主流.国电瑞源智能巡检机器人搭载基于可见光的智能检测技术实现输电设备异物检测.变电站 ...
最新文章
- 搭建Keras,TensorFlow运行环境
- datatables ajax 数组,datatables ajax row undefined
- 前端开发——移动端及响应式布局解决办法总结(适配)
- (斜率,点和线段)zzuli1196数星星(二)
- Python推导式comprehension:列表推导式、集合推导式、字典推导式
- 在git上面找开源项目遇到的坑
- 《 Python笔记》— 将pyinstalller打包封装的exe文件反编译为pyc文件和python文件
- 《整理的艺术》x《简约至上》
- 苹果手机点击input标签页面放大的解决方法
- 还在到处找Linux内核的学习资料吗?你想要的都在这里
- 讯飞翻译机抢镜背后,跨语种沟通迈入全新时代
- 问题服务器防火墙的选择
- 2013,我的创业记忆片段
- directive-自定义指令
- 免授权采集海天注塑机采集伊之密注塑机监控住友注塑机参数采集
- MongoDB:count 结果不准确的原因与解决方法
- linux内核去掉pty,Linux tty pty pts观念区别
- 面试精讲(guigu)
- 华为大数据平台FusionInsight HD部署中遇到的问题汇总
- 【跟着MIT学Python】Unit 4.8 Exceptions and Assertions
热门文章
- 计算机有残留office,Microsoft Office怎么卸载干净?
- geo下载表达矩阵 多因素差异分析 deseq2 duqiang_1分析GEO数据库差异基因(GSE150910)将差异基因与泛素化酶取交集
- 文储研习社第21期 | NFT+Finance项目介绍
- 中国移动网关协议文档
- DirectD3D-纹理映射
- 小米10青春版科学计算机,小米10青春版,能找回你的青春吗?
- java与c++ socket通信_C++ socket 客户端与JAVA socket 服务端通信汗血宝马
- win10输入法在sublime中光标不跟随。
- js-day06-jQuery事件和DOM操作-练习题
- 2022-2-12 Leetcode 424.替换后的最长重复字符