校准自适应教师用于领域自适应智能故障诊断
原文约300字/词，阅读约需1分钟。发表于：。在这篇论文中，我们提出了一种被称为 Calibrated Adaptive Teacher (CAT) 的新型无监督领域自适应方法，在自训练过程中通过后续校准技术来校准教师网络的预测。我们在 Paderborn 轴承故障诊断的多种工况下进行了大量实验证明，我们提出的方法在大部分转移任务中取得了最先进的性能。
深度学习在医学影像中取得显著性能，但主要关注有监督学习。为解决问题，开发了无监督领域自适应技术，用于从有标签领域转移知识到无标签领域。本文综述了医学影像中最新的深度无监督领域自适应方法，分类为六组，并根据任务进行子分类。讨论了用于评估不同领域差异的研究中使用的数据集。最后，讨论了新兴领域，并提供了未来研究方向的见解和讨论，总结了调查。
