BriefGPT - AI 论文速递
·
多尺度神经过程嵌入知识的可扩展可靠深度迁移学习用于智能故障检测
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于神经过程和图卷积网络的深度转移学习方法（GTNP），通过特征转移策略消除源领域和目标领域之间的数据分布差异，减少目标领域中观测数据需求，提供定量值反映方法复杂性和任务难度，具有更好的检测性能。
🎯
关键要点
- 提出了一种基于神经过程和图卷积网络的深度转移学习方法（GTNP）。
- 通过特征转移策略消除源领域和目标领域之间的数据分布差异。
- 联合建模全局和局部潜在变量，采用稀疏采样策略减少目标领域中观测数据的需求。
- 多尺度不确定性分析通过全局和局部潜在变量的分布特征获得。
- GTNP 提供反映方法复杂性和任务难度的定量值。
- 允许对每个受到噪声和偏差影响的样本进行不确定性建模。
- 在 3 个智能故障检测任务中，GTNP 相较于其他方法具有更好的检测性能。
➡️
