阿里云IoT基于监督式对比学习的故障诊断方法，获AAAI收录

近日，阿里云IoT数据服务团队在由国际先进人工智能协会主办的AAAI上，完成了题为“Supervised Contrastive Few-Shot Learning for High-Frequency Time Series”的论文演讲，提出了一种基于监督式对比学习的故障诊断方法，获得了超越先前ICPHM论文模型的识别效果，再次刷新了诊断精度。

AAAI（Association for the Advancement of Artificial Intelligence）是人工智能领域的顶级国际学术会议之一，也是中国计算机学会（CCF）推荐的A类国际学术会议。目前已连续举办37届，AAAI 2023共收到8777篇有效投稿论文，最终有1721篇论文被录取，录用率仅为19.6%。

阿里云IoT数据服务团队此次发布的论文主要针对实际场景中标注数据稀缺的现状，提出了一种小样本场景下基于监督式对比学习的高频时序数据分类方法，能够充分利用少量标注样本，学习具有较强泛化能力的故障表征，适用于轴承、齿轮等的工业设备核心旋转部件的故障诊断。同时，其方法框架还具备较强拓展性，可改造后应用于通用时序分类任务。

完整内容请点击下方链接查看： 

阿里云IoT基于监督式对比学习的故障诊断方法，获AAAI收录-阿里云开发者社区

版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《                阿里云开发者社区用户服务协议》和《                阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写                侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。