2024AEI:Cross-Supervised multisource prototypical network

最新推荐文章于 2025-05-20 19:14:08 发布
最新推荐文章于 2025-05-20 19:14:08 发布
阅读量1.1k 收藏 12
点赞数 27
文章标签： 深度学习 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_73938966/article/details/141321285
版权

目录

研究动机

研究数据集

研究方法

研究动机

  该论文是为了解决以轴承故障诊断为背景的多源域小样本域自适应问题而提出的。文中有提及到实际的工业生产中，存在多源域缺少足够的样本标签数据支撑一般的多源域域自适应（MSDA）方法的情况，故提出了针对多源域小样本域自适应的方法。

多源域小样本的原因：

  1. 机械设备通常在正常条件允许，发生故障就会停机检修，采集故障样本时间短
  2. 耗费巨大的人力物力，标注成本高
  3. 工况复杂多变，为所有工况标记足够满足MSDA的训练要求，不实际

研究数据集

  该论文主要采用了苏州大学（SCU）的轴承试验台收集的滚动轴承数据集，次要使用了山东科技大学的轴承数据集。值得注意的是&#x

最低0.47元/天 解锁文章
SUDA数据说明
weixin_39458727的博客
02-27 2830
​ 轴承故障数据分别在0kN、1kN、2kN、3kN四种电机负载状态下以10kHz的采样频率采集，构建了多种负载的轴承故障数据文件，其中包含正常状态轴承数据和故障轴承数据。轴承故障类型包括三种单一故障(IF、OF、BF)和四种复合故障(IO、IB、OB、IOB)，单一故障分别有0.2mm、0.3mm、0.4mm、0.5mm、0.6mm五种故障尺寸，复合故障尺寸均为0.2mm。驱动电机、正常轴承和测试轴承从左至右固定在同一电机轴上，在电机轴的的径向方向上增加了可调机械负荷系统。
非常好！超齐全的故障诊断数据集及相关实验平台介绍
热门推荐
weixin_39458727的博客
02-27 1万+
​ 故障诊断数据集库收集了故障诊断领域常用的轴承及齿轮箱数据集，对应每个数据集，在本篇概述中介绍了数据集的适用的场景 , 数据集采集实验台, 数据集的组成及其包含的样本类别。原始数据集数据读取及数据预处理API, 及其使用说明数据集说明文档数据集相关文献。
轴承数据，10种不同类型的轴承数据集
07-07
轴承数据集
HUST-轴承数据集
ynn4818172的博客
11-27 3584
初步介绍HUST-bearing-dataset数据集。
轴承数据大类 如何训练自己的数据集轴承类
2401_88441190的博客
10-26 995
轴承数据集大类 1.轴承数据集 轴承缺陷数据集 3类5824张xml2.滚动轴承数据集 故障诊断，预测、分类 最全套数据集 j集合西储大学XJTU西安交通大学江南大学渥太华变速轴承数据集可做对比实验
MUDA：对齐特定域的分布和分类器以实现来自多源域的跨域分类
syf的博客
08-09 3212
提出了一种多特征空间自适应网络（MFSAN），该网络通过学习多个域不变特征和来自多个源的分类器输出，同时对齐每对源域和目标域的特定域的分布。
CVPR2022自适应/语义分割：Class-Balanced Pixel-Level Self-Labeling for Domain Adaptive Semantic Segmentation
ssshyeong的博客
11-01 2403
域自适应语义分割的目的是在监督源域数据的情况下学习模型，并在未标记的目标域上产生令人满意的密集预测。为解决上述问题，我们建议直接探索目标域数据的内在像素分布，而不是过度依赖源域。具体来说，我们同时对像素进行聚类，并使用获得的聚类分配对标签进行整流。这个过程以在线的方式完成，因此伪标签可以与分割模型共同进化，而不需要额外的训练。为了克服长尾类的类不平衡问题，我们采用一种分布对齐技术，使簇分配的边缘类分布接近于伪标签的边缘类分布。所提出的方法，即类平衡像素级自标记(CPSL)
CVPR 2021最全论文开放下载！附pdf下载链接！
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
ACL-IJCNLP 2021-Sentiment Analysis相关论文整理
小皮肚鼓嘟嘟的博客
07-09 3729
Dual Graph Convolutional Networks for Aspect-based Sentiment Analysis GitHub：https://github.com/CCChenhao997/DualGCN-ABSA Multi-Label Few-Shot Learning for Aspect Category Detection Abstract：Aspect category detection (ACD) in sentiment analysis aims to ide
（九：2020.08.27）CVPR 2019 追踪之论文纲要（译）
Jojo论文基地
08-28 9206
CVPR 2019 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这900篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录 论文 概要
DataCastle轴承故障预测数据集
10-30
DataCastle轴承故障预测数据集，可供下载使用的有2个文件： 1.train.csv，训练集数据，1到6000为按时间序列连续采样的振动信号数值，每行数据是一个样本，共792条数据，第一列id字段为样本编号，最后一列label字段为标签数据，即轴承的工作状态，用数字0到9表示。 2.test_data.csv，测试集数据，共528条数据，除无label字段外，其他字段同训练集。 总的来说，每行数据除去id和label后是轴承一段时间的振动信号数据，选手需要用这些振动信号去判定轴承的工作状态label。
轴承故障诊断分类中常用的一些数据集介绍和获取方法
qq_37117980的博客
12-05 1万+
轴承故障诊断分类中常用的一些数据集介绍和获取方法 ------本文旨在学习过程中进行数据记录，仅供参考------ 做轴承故障诊断重要的是需要多个数据集，一些数据集是难获取的，例如在csdn上还得要C币、积分才能下载--------????????。下面我整理了相关的数据集，有兴趣的小伙伴可以向我要哦，省时省力 CMAPSS、PHM08、09、12数据集在之前的一篇文章中提到了，就不再赘述了给出网址：let‘...
工业大数据竞赛的轴承数据集
小知的博客
12-05 3188
1、工业大数据竞赛的轴承数据集 文章来源于：http://www.52phm.cn/blog/detail/53 竞赛背景及其数据如下。 获取数据方式 链接：http://www.52phm.cn/blog/detail/53
多源迁移学习与领域自适应（一）
Shhuikai的博客
04-05 1万+
Aligning Domain-Specific Distribution and Classifier for Cross-Domain Classification from Multiple Sources 文章链接：https://aimagazine.org/ojs/index.php/AAAI/article/view/4551 Code：https://github.com/ea...
Cwru轴承数据集解读(文末附数据)
枫的博客
05-29 8766
Cwru轴承数据集解读(文末附数据)
基于LSTM-GARCH混合模型的黄金价格波动率预测：信用降级事件冲击评估
05-19 1307
本文基于多模态数据融合与因果推理框架，本文构建黄金价格驱动因子图谱，揭示主权信用评级调整、地缘风险与货币政策预期的交互作用机制。5月19日亚市收盘，现货黄金突破3245美元/盎司关键阻力位，日内波幅达1.4%，技术面呈现典型的动量突破形态，但需警惕3250美元区域的多空博弈风险。
机器学习、深度学习，大模型之间的关系？
最新发布
2501_92069919的博客
05-20 649
人工智能（AI）技术中的机器学习、深度学习和大模型是相互关联的概念。机器学习是获取模型的一种方法，而深度学习是机器学习的一个子集，专注于使用深度神经网络进行建模。大模型，如语言或图像大模型，通常基于深度学习技术构建。在实际应用中，大模型可以直接解决某些问题，但在其他情况下，可能需要调整模型参数或选择更适合的机器学习方法。重要的是，选择AI技术时应考虑其与业务需求的匹配度，而不是盲目追求大模型技术。理解这些技术的关系和适用场景，有助于更有效地应用AI解决实际问题。
人工智能、机器学习与深度学习：概念解析与内在联系
weixin_62200515的博客
05-19 1386
人工智能、机器学习与深度学习是一脉相承的技术体系，体现了人类对机器智能从抽象概念到具体实现的探索历程。人工智能提供宏观目标，机器学习定义实现路径，深度学习则是当前最具突破性的技术分支。 未来，三者的融合将推动人工智能向更通用、更智能、更可靠的方向发展，同时也需关注技术伦理、社会影响等深层问题。对于研究者和从业者而言，理解三者的联系与区别，有助于在不同场景中选择合适的技术方案，把握人工智能领域的发展脉络。
【深度学习新浪潮】如何入门人工智能？
agito_cheung的博客
05-19 155
入门人工智能（AI）需要结合数学基础、编程技能、机器学习理论和实践项目，逐步深入。：AI入门有门槛，但通过“理论→实践→复盘”的循环，逐步积累即可。初期遇到问题很正常，多查资料、多交流，保持耐心！：全职学习约3-6个月可掌握基础并完成简单项目，后续需持续实践和跟进领域进展。：不必追求精通，但需掌握基本概念和应用场景，后续通过实践加深理解。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

没问题哒

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值