用深度卷积迁移学习网络来分类无标签数据

项目介绍

在 Deep Convolutional Transfer Learning Network A New Method for Intelligent Fault Diagnosis of Machines with Unlabeled Data 一文中，作者提出，机器智能故障诊断的成功依赖于两个条件：

• (1) 具有故障信息的带标签的数据可以使用。
• (2) 训练数据和测试数据来自相同的概率分布。

然而，对于一些机器来说，很难获得大量的带标签数据。此外，即使在某些机器上可以获得带标签的数据，但是由于数据分布的差异，用这些数据训练的智能故障诊断方法也可能无法对从其他机器获得的不带标签的数据进行分类。这些问题限制了针对不带标签的数据的机器智能故障诊断的成功应用。迁移学习可以将在源域训练的模型调整到目标域去应用。

在迁移学习的基础上，作者提出了一种新的智能算法深度卷积迁移学习网络 (DCTLN)。DCTLN 由健康状况识别模块和域自适应模块两个模块组成。健康状况识别