BriefGPT - AI 论文速递
·
CS-SHAP: Extending SHAP to the Cyclic-Spectral Domain for Better Interpretability of Intelligent Fault Diagnosis
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出CS-SHAP方法，扩展Shapley加性解释至循环谱域，以提高神经网络在机械智能故障诊断中的可解释性。CS-SHAP能够更准确地评估载波和调制频率的贡献，其解释性优于现有方法，适用于高可靠性故障诊断场景。
🎯
关键要点
- 本研究提出CS-SHAP方法，扩展Shapley加性解释至循环谱域。
- CS-SHAP能够更准确地评估载波和调制频率的贡献。
- CS-SHAP在解释性上优于现有方法，适用于高可靠性故障诊断场景。
- 研究结果表明CS-SHAP提供更清晰和准确的解释，具有广泛的应用潜力。
🏷️
标签
➡️
