0 前言
首先说明基本情况,本人入坑轴承故障诊断一年多,对于很多问题可定认识还不到位,研究的也不够彻底,所以这篇文章算是自己的阶段性认知,不一定正确,希望各位道友批评指正。
当初之所以选择这个方向,第一是因为我之前的工作就是机械方向,二是人工智能比较热门,三是我认识到这个方向的门槛可能没有那么高。
第三点其实很重要,因为我本身不是学机械的,学校和导师这边也没有支持,靠自学想毕业的话只能找自己力所能及的方向。在前期看书的过程中,很多书里都有这么一种说法:“深度学习的方法不需要复杂的人工特征提取过程,而是能够自行对有用特征进行提取,因此不需要很多先验知识”。这也许就是很多跨专业、跨领域的人纷纷来使用深度学习方法的原因吧。
事实上是不是这样呢?先抛出我个人的结论,很多传统的人工特征提取方法似乎都是一种花架子,和深度学习差距较大,很多人工特征+深度学习的方法也是在拖深度学习的后腿而已。
这个结论是人工智能技术或者说深度学习带来的,目前的自然语言处理领域里,现在能见到几个语言学专家呢?图像识别领域,你又能找到几个专门进行图像人工特征提取的?大家都是在尽力增强模型的能力,因为人工提取特征的能力早就已经被深度学习技术超越了,这个是不争的事实。
1 评判标准
以西储大学轴承数据集