人工智能-项目实践-增量学习-基于半监督密度聚类+增量学习的故障诊断
在工业系统中,机械设备在运行过程中会产生数据流,不断变化且缺乏标签,使得基于深度学习的故障诊断方法难以在这种环境下有效工作。增量学习是解决这个问题的有效方法,但它严重依赖标记数据并且无法检测数据中的新类别,这使得它在实际应用中并不理想。
鉴于此,设计了一种基于半监督式增量学习的工业物联网设备故障诊断系统,该系统包括:故障诊断模块、半监督标记模块、增量更新模块。
该系统针对传统数据驱动的故障诊断方法存在的增量更新能力与学习无标签样本数据能力不足的问题做出了改进。在面对数据时变与缺乏标签的情况时,保证故障诊断模型能够有效训练,及时更新,保持较高的故障诊断准确率。
, 相关下载链接:
https://download.csdn.net/download/admin_maxin/88697080?utm_source=bbsseo